宽带无线频谱分配建模研究

随着无线通信的发展,研究如何提高频谱利用率的方法是必然趋势。本文将具有不同特性的静态频谱,竞拍频谱以及动态频谱进行联合分配研究。对频谱可用性特性指标和基于M-LWDF算法的服务质量指标进行了详细的分析说明。并提出了一种有序匹配算法。该算法通过频谱可用性和服务质量指标的有序对应匹配,实现多种频谱资源相结合环境下的频谱分配方案。并通过与随机分配、先静态、后动态的分配方案进行对比,用MATLAB仿真工具验证了该算法在平均总速率、平均失败次数等方面的优越性。     

量子蜂群算法及其在认知频谱分配中的应用

基于人工蜂群理论和量子计算,提出一种新的离散组合优化算法——量子蜂群优化算法.该量子蜂群算法使用2种新的量子觅食行为完成整个量子蜂群的协同演进,快速找到最优的蜜源位置,通过对优化函数的测试验证其高效性.以该量子蜂群算法为基础,提出一种认知无线电频谱分配算法,与经典的遗传算法,量子遗传算法和粒子群算法等智能优化算法及敏感图论着色算法在不同的网络效益函数下进行仿真性能比较.仿真结果表明:本文提出的量子蜂群频谱分配算法均能够较好地找到最优解,优于经典的频谱分配算法和已有的智能频谱分配算法.     

基于博弈论的认知无线电的频谱负载平衡

为了提高频谱资源的使用效率并在分布环境下支持QoS,提出认知无线电系统中基于博弈论的频谱负载平衡算法。通过构造支付函数,建立了负载平衡问题的非合作博弈数学模型,利用最佳响应求得纳什均衡解,根据各分配请求的QoS要求应用均衡战略来调整资源分配,以达到频谱利用最优化的目的。仿真表明:该算法可以在避免干扰的情况下有效地利用带宽资源,实现负载均衡;算法的收敛性也得到验证。     

基于博弈论的认知无线电的频谱负载平衡

为了提高频谱资源的使用效率并在分布环境下支持QoS,提出认知无线电系统中基于博弈论的频谱负载平衡算法。通过构造支付函数,建立了负载平衡问题的非合作博弈数学模型,利用最佳响应求得纳什均衡解,根据各分配请求的QoS要求应用均衡战略来调整资源分配,以达到频谱利用最优化的目的。仿真表明：该算法可以在避免干扰的情况下有效地利用带宽资源,实现负载均衡;算法的收敛性也得到验证。     

频谱校正中频率-幅值估计的一种新方法

指出了导致频谱误差的根本原因是标准DFT计算中的频率初始点为零,并由此提出一类新的频谱校正方法——初始频率扫描法,包括单频率估计方法和全频段估计方法.该方法以幅值最大为判据准则,以一个频率分辨力为寻优区间,通过调整DFT计算的初始频率点实现对频率和幅值的最优估计.验证结果表明,该方法估计精度较高,能够稳定保持在10-3数量级,且估计精度对信号点数的要求不高,同时,噪声的强烈程度对估计精度影响并不显著,说明该方法具有很强的实用性.     

基于经济流速的管径优化方法

针对已有供水管网管径优化方法的缺点,该文提出了一种基于经济流速的启发式管径优化算法.该算法在应用前,无需人为规定管网的流量分配方案.算法分析步骤明确,计算简单.为了评价所提出的启发式算法的计算效率和优化结果的合理性,文中将计算时间和分析结果同广义简约梯度法和遗传算法的结果进行了对比.结果表明,该文的启发式算法计算效率远高于上面两种方法,计算结果接近遗传算法得到的最优解.     

基于用户需求和等待时间的改进型频谱分配算法

通过对最新的图论着色频谱分配算法进行分析,提出了一种基于用户需求和等待时间的改进型频谱分配算法。解决了频谱资源紧张情况下用户等待时间太长的问题。使认知用户机会均等地使用频谱资源。经过频谱复用,更好地满足了用户频谱需求。仿真结果表明该算法是有效的,提出的算法提高了频谱利用率并且保证了系统公平性。     

认知无线网络中基于HJ-DQPSO优化的频谱分配机制

在认知用户和授权用户共存的认知无线网络模型中,为了解决认知无线网络中最大化网络效益和用户间接入网络的公平性联合最优化的多目标频谱分配难题,提出了一种新的基于 hooke jeeves（HJ）计算和量子粒子群（quantum particle swarm optimization,QPSO）理论的离散多目标组合优化机制,即 HJ-DQPSO 优化机制。该机制中,提出了采用 HJ 算法进行局部搜索,防止陷入局部最优,并对 QPSO 算法进行离散化处理以便更匹配离散的频谱分配模型。与现有的频谱分配算法进行仿真性能比较,实验结果表明,该机制具有逼近最优解、快速收敛、不易陷入局部最优、参数设置少的特点。在不同的优化目标情况下,能够较好地逼近频谱分配最优解而且可以实现快速收敛,在满足多个优化目标的情况下可以获得更合理的频谱分配方案。     

应用RLC串联选频电路验证方波付里叶分解

实验应用RLC串联选频电路对方波频谱进行分析，分别测量了方波分解的1、3、5倍频正弦波，通过对上述频率谐振电路中电感的损耗电阻测量，计算修正了1、3、5次谐波的振幅，从实验上验证了方波的付里叶分解。     

基于Monte Carlo和启发式算法的网络可靠性分配

在AGREE分配法的基础上,提出一种基于Monte Carlo仿真和启发式算法的网络可靠性分配方法,实现了对网络部件重要度和网络可靠性的仿真计算,并采用启发式算法迭代实现了网络可靠性分配. 该方法适合对拓扑结构复杂的网络进行可靠性分配工作,可有效解决网络部件重要度计算复杂性问题. 以中国教育网（CERNET）骨干网为案例,应用本方法实现了75%网络节点连通可靠性指标的分配,并通过与基于解析计算得出结果的对比分析,证明了本方法的有效性和实用性.      

基于POMDP模型的分布式机会频谱接入算法

针对认知无线电（cognitive radio,CR）信道的动态特性,以部分可观测马尔科夫决策过程（POMDP）为模型对认知无线电网络用户的频谱感知和频谱接入过程进行研究,提出了基于POMDP模型的分布式机会频谱接入算法.该算法利用网络信道的历史频谱感知信息对主用户接入信道的状况作出估计,以认知用户吞吐量最大化为目标进行频谱接入.同时,通过贪心算法得到此优化策略的次优解,降低了最优策略的计算复杂度.论文分析了认知用户接入吞吐量与网络中信道数目以及信道状态转移概率之间的关系,将贪心算法与随机检测接入算法进行了仿真比较.仿真结果显示,该算法获得的吞吐量比随机检测接入算法提高了约25％,能够更有效地做出接入策略.     

基于定制产品结构型谱的作业规划启发式算法

在大规模定制生产模式下,定制产品族制造作业的快捷、有效规划可降低成本、缩短交货期、增强企业竞争力.基于定制产品族的结构型谱和作业规划的次序相关性分析,构建了定制产品族制造作业规划的成本优化模型;提出了基于定制产品族结构型谱的作业规划启发式算法(CPSHA);随后,计算实例验证了CPSHA求解的快捷;并从转换次数、转换成本、转换时间三个方面的理论分析证实了CPSHA解的优异;基于仿真,通过CPSHA与路径枚举法、自适应遗传算法的对比,例证了CPSHA能获得优异近似最优解.最后,将CPSHA拓展到系列产品的作业规划.快捷、直观、有效的CPSHA不仅可获得优良的制造作业规划,更便于实际生产现场的使用.     

遗传算法优化的神经网络频谱预测模型训练

针对认知无线网络(CRN)中神经网络频谱预测模型原有的反向传播算法预测准确率不高的问题,提出一种遗传算法优化的神经网络频谱预测模型训练(GA-NN)算法。通过在选择、交叉、变异中加入随机性,使种群的个体收敛至包含全局最优解的集合内,再通过反向传播算法训练神经网络频谱预测模型(BPNN)快速搜索到全局最优解。仿真结果表明,GA-NN算法训练的神经网络频谱预测模型的预测准确率比BP-NN算法提高一倍以上,GA-NN算法在多种CRN中具有适用性。GA-NN算法提高了频谱预测模型的预测准确率,将促进频谱预测技术在CRN中的推广应用。     

蜂窝与D2D混合网络中的无线资源分配

针对蜂窝与终端直通（D2D）混合网络中的资源分配,将其建模为以最大化网络吞吐量为目标,关于蜂窝用户与D2D用户资源的联合优化问题。基于该模型进一步提出一种两阶段资源分配策略,即先采用改进的贪婪频谱分配算法将资源块分配给用户,然后基于对偶分解理论给每个资源块分配最优的传输功率。该算法在考虑蜂窝用户服务质量（QoS）的基础上,不再限制每个资源块上的D2D用户数目以及D2D用户可复用的资源数。仿真结果表明,所提算法在保证蜂窝用户速率性能的前提下,有效地提升了系统的整体容量。      

多目标联盟竞赛算法

提出一种基于联盟竞赛的多目标进化算法,根据Pareto占优机制重新定义原算法在团队阵型比赛输赢上的判断,并优解扩散策略使算法不轻易陷入局部最优解,最后结合优解扩散策略开关和分布性指标定义算法终止条件.通过对4个二维目标ZDT测试函数、4个三维目标DTLZ测试函数的实验及其他多目标进化算法的对比和分析,验证了新算法的可行性和有效性.     

一种基于遗传优化的路由控制策略

遗传算法是通过模拟自然进化过程有效解决最优化问题的计算模型,在实际操作中得到广泛应用.但由于遗传算法的选择策略使每一代的优良个体大量的遗传到下一代,且适应度函数设定的差异,使最优个体很快充斥整个群体,缺少物种多样性,导致算法很快收敛于局部最优解,达不到全局优化.针对遗传算法存在的这一问题,结合禁忌搜索算法能够禁忌搜寻过的最优解而引入裂解、增加种群多样性的特性,提出了一种基于遗传优化的路由控制策略.该策略将遗传算法得到的最优解作为禁忌搜索的初始解,提出将染色体模版作为禁忌对象,并以此模版为基础建立邻域的方案.仿真实验表明,该策略能够有效的抑制遗传算法过早收敛的问题,减少了全局能量的消耗,从而延长了网络生命周期.     

基于阈值深度优先策略求解非对称旅行商问题的混合分枝定界算法

针对非对称旅行商问题(ATSP)模型计算难问题,提出了一种基于深度和广度方向混合搜索的启发式策略的分枝定界算法.该算法采取有阈值的深度优先加广度加权随机搜索的策略确定分枝节点,通过求解附加弧段约束的分配问题确定下界,通过消除子环的修补算法确定上界,从而有效综合了确定性方法的准确性和启发式方法的快速性.将此算法应用于求解经典TSPLIB库中的全部ATSP问题和热轧调度的仿真研究,表现出了较高的效率和可行性.     

基于混沌二进制粒子群算法的认知无线电频谱分配策略

为了解决认知无线电网络中以最大化网络效益为准则的频谱分配难问题,提出一种基于混沌二进制粒子群算法的动态时变频谱分配策略。在该策略中,针对二进制粒子群算法收敛速度慢且后期粒子搜索具有单一性的缺陷,引入混沌映射对初始种群和每代粒子位置进行遍历优化,以提高粒子的全局寻优性能,搭建降维频谱分配数学模型,降低算法计算繁杂度,减少时间开销。实验结果证明,所提算法收敛速率快,可获得较高的网络收益。     

加强局部搜索能力的人工蜂群算法

针对人工蜂群算法在求解过程中存在收敛速度慢、易陷入局部最优解等缺点,提出了基于加强局部搜索策略的人工蜂群算法(ABC Based On Enhancing Local Search Ability, LSABC).一方面,在雇佣蜂搜索阶段,利用两种不同的搜索公式得到两组解,并将适应度最佳者作为候选解,增加解的多样性;同时,在搜索公式中加入个体的双重认知能力平衡算法的勘探和开发能力.另一方面,在侦察蜂搜索阶段,采用禁忌搜索策略,将局部极值存入禁忌表中,帮助算法跳脱局部最优解,达到避免算法早熟的同时加快算法收敛速度的目的.由于LSABC算法的改进与粒子群算法相似,为验证LSABC算法的寻优性能,针对8个经典基准函数,选取标准ABC算法、PSO算法、EABC算法、RLPSO算法及LSABC算法分别进行对比测试.计算实验结果表明,LSABC算法在求解精度和收敛速度方面明显提高,易于跳脱局部最优解.