基于量子编码与拟态物理优化的认知频谱按需分配

针对认知无线电网络的频谱分配问题,结合量子计算和拟态物理优化算法,提出一种考虑认知用户需求的频谱分配模型。引入认知用户对频谱的需求,根据频谱分配问题的NP特性,采用拟态物理学优化算法对其求解,利用量子编码的高效性进行微粒个体编码,从而提高搜索速度,并设计适合频谱分配的微粒运动方式,给出微粒的更新方程。仿真结果表明,与使用QGA-SA,PSO-SA和CSGC算法的频谱分配模型相比,该模型能获得更高的网络收益,并保证频谱分配的高效性。

混沌拟态物理优化的认知频谱差异分配

针对认知无线电网络的频谱分配问题,提出了一种考虑频谱可用率的分配模型,并在约束处理时,将可用率更高的频谱分配给认知用户;基于频谱分配问题的NP(非确定性多项式)特性,进而提出了一种基于混沌拟态物理优化的智能算法。使用混沌的遍历性初始化种群,改进了微粒的作用力方程,避免算法陷入局部最优。仿真实验结果表明:该算法能获得更高的网络收益,提高了频谱使用效率。

物联网频谱感知的人工物理学优化实现

针对认知物联网中频谱感知的检测性能和能耗需求之间的相互制约性,将其建模为一个多目标优化问题,寻求性能与能耗之间的折衷解。进而提出一种基于人工物理学优化的解决方案,设计了适合问题求解的个体质量、微粒所受合力的计算方法。仿真实验表明,所提算法在基本不影响检测准确性的同时有效降低了能耗,适合认知物联网中的频谱感知。

基于人工物理优化的认知子载波资源分配

针对基于正交频分复用的认知无线电网络子载波资源分配存在收敛较慢的问题,基于该问题的NP特性,提出一种基于人工物理优化的求解算法。给出资源分配问题的模型和求解步骤,并根据问题特点,设计多元离散编码方式、种群初始化方法、微粒作用力方程和约束处理方式。实验结果表明,该算法可减少系统所需的总发射功率,提高子载波分配的效果。

拟态物理学优化的认知无线电网络频谱分配

针对认知无线电网络中基于图着色模型的频谱分配问题,基于其非确定性多项式特性,以最大化网络收益总和为目标,提出了一种基于拟态物理学优化的求解算法.在拟态物理学优化算法中,将频谱分配问题的解映射为一个具有质量的微粒,通过建立微粒的质量与其适应值之间的关系,并利用万有引力定律定义微粒间的虚拟作用力的大小,使整个群体向更好的方向运动,实现群体寻优.给出了频谱分配问题的具体求解过程,并根据分配问题的二进制编码特点,改进了微粒的位置更新方程.仿真实验表明:本文算法能更好地实现网络收益最大化.