亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于自適應(yīng)遺傳算法的無線網(wǎng)絡(luò)智能選頻技術(shù)研究

        2015-12-31 12:50:46王文君
        電信科學(xué) 2015年3期
        關(guān)鍵詞:通信網(wǎng)適應(yīng)度遺傳算法

        王文君

        (中國(guó)電波傳播研究所 青島 266107)

        1 引言

        隨著無線電業(yè)務(wù)的迅速發(fā)展與普及,各類無線電設(shè)備的數(shù)量與日俱增,電磁環(huán)境日益復(fù)雜,頻率擁擠問題受到廣泛關(guān)注。造成這種用頻緊張的狀況主要有兩個(gè)原因:一是頻率資源少;二是頻率使用效率低。因此,必須考慮將現(xiàn)有的頻率資源進(jìn)行有效的利用和科學(xué)的管理,智能選頻技術(shù)正是優(yōu)化頻率資源分配、有效利用頻率資源的一種有效手段。通常解決無線網(wǎng)絡(luò)選頻問題的傳統(tǒng)方法主要有順序選頻法[1]和窮舉搜索法[2]。對(duì)于中小規(guī)模無線電網(wǎng)絡(luò),一般采用順序選頻法根據(jù)設(shè)備頻段對(duì)鏈路進(jìn)行逐一選頻;而對(duì)于大規(guī)模無線電網(wǎng)絡(luò),則采用窮舉搜索法進(jìn)行選頻。這種傳統(tǒng)的確定性算法在尋找最優(yōu)解時(shí)會(huì)耗費(fèi)大量的計(jì)算時(shí)間,而且選頻結(jié)果對(duì)于單設(shè)備或中小網(wǎng)絡(luò)也適用,但對(duì)于大規(guī)模用頻網(wǎng)絡(luò)還無法實(shí)現(xiàn)頻率的整體協(xié)同使用,仍然存在著用頻沖突的問題。鑒于此,本文提出一種全新的智能選頻算法,結(jié)合全局搜索的智能優(yōu)化思想,考慮對(duì)大規(guī)模網(wǎng)絡(luò)進(jìn)行整體配置頻率優(yōu)化,根據(jù)當(dāng)時(shí)當(dāng)?shù)仉姶怒h(huán)境的復(fù)雜程度和實(shí)時(shí)網(wǎng)絡(luò)用頻狀態(tài)自適應(yīng)地選擇設(shè)備使用頻率。

        遺傳算法[3,4](genetic algorithm,GA)作為一種智能優(yōu)化算法,具有內(nèi)在的隱并行性和良好的隨機(jī)搜索能力,近年來已被廣泛應(yīng)用于系統(tǒng)優(yōu)化工程。基本遺傳算法存在整體尋優(yōu)能力差、局部搜索能力低的不足,由于在選擇過程中種群適應(yīng)度過于集中,在進(jìn)行遺傳迭代過程中容易發(fā)生過早收斂的現(xiàn)象。本文提出的基于自適應(yīng)遺傳算法的智能選頻技術(shù),主要是以遺傳算法為基礎(chǔ),針對(duì)基本遺傳算法的不足,對(duì)遺傳編碼、適應(yīng)度函數(shù)的設(shè)計(jì)、遺傳操作的設(shè)計(jì)和算法參數(shù)控制進(jìn)行改進(jìn),從而提高了遺傳迭代的效率,較好地避免了在搜索過程中出現(xiàn)的過早收斂現(xiàn)象,明顯改善了計(jì)算穩(wěn)定性,使選頻結(jié)果的質(zhì)量大大提高,在解決大規(guī)模無線電網(wǎng)絡(luò)選頻問題時(shí)有較大的優(yōu)勢(shì)。

        2 系統(tǒng)模型

        所謂無線網(wǎng)絡(luò)選頻,是指在無線電網(wǎng)絡(luò)中,給網(wǎng)絡(luò)中的所有用頻設(shè)備指定使用頻率,使其在規(guī)定的條件下正常工作。選頻的最終目的是減少用頻設(shè)備之間的互擾和自擾,規(guī)避網(wǎng)絡(luò)中的用頻沖突現(xiàn)象,以最大限度地提高頻率使用效率。在選頻過程中一般遵循以下原則。

        ·對(duì)選頻網(wǎng)絡(luò)進(jìn)行詳細(xì)的電磁兼容性(EMC)分析[5]。進(jìn)行電磁兼容性分析需要大量的地理高程數(shù)據(jù)和收發(fā)設(shè)備特性參數(shù),其計(jì)算量是非常大的。很多人都想避開詳細(xì)的EMC分析,于是做了理想的假定或以簡(jiǎn)單保守的算法進(jìn)行代替,而建立在此基礎(chǔ)上的選頻模型很多時(shí)候并不是相對(duì)最優(yōu)的。因此,既要避免用頻沖突,又要提高頻率使用效率,必須進(jìn)行EMC分析,通過精確的電波傳播預(yù)測(cè)模型和高效的數(shù)值計(jì)算方法來使其實(shí)用化。

        · 選頻的依據(jù)是以網(wǎng)絡(luò)中的干擾程度作為依據(jù)。產(chǎn)生用頻沖突的原因很多,系統(tǒng)互擾和自擾是其中之一。當(dāng)干擾總功率比較小時(shí),干擾對(duì)用頻的影響較小,這將大大提高選頻的自由度,提高頻譜利用率。

        在選頻過程中,通常用干擾余量(IM)來表示干擾程度,干擾余量可表示為[5]:

        其中,PT(fE)為發(fā)射機(jī)功率(dBm),GT(fE,t,d,p)為接收天線方向的發(fā)射天線增益(dB),L(fE,t,d,p)為收發(fā)天線間的傳播路徑損耗(dB),GR(fE,t,d,p)為發(fā)射天線方向的接收天線增益(dB),PR(fE)為接收機(jī)敏感度門限(dBm),CF(BT,BR,Δf)為校正系數(shù)(dB)。

        3 算法設(shè)計(jì)與參數(shù)控制

        基于基本遺傳算法的智能優(yōu)化思想,結(jié)合遺傳算法的全局搜索機(jī)制,通過對(duì)遺傳算法各遺傳要素的改進(jìn)與參數(shù)的控制,實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)選頻技術(shù)的數(shù)學(xué)建模,具體算法設(shè)計(jì)思路如下。

        3.1 遺傳編碼的設(shè)定

        采用實(shí)數(shù)編碼[6],設(shè)置個(gè)體的長(zhǎng)度為N,即網(wǎng)絡(luò)中的用頻設(shè)備數(shù)為N。個(gè)體中的每一個(gè)元素對(duì)應(yīng)一個(gè)可用頻率,即存在以下映射A:

        其中,fi(i=1,2,…,N)代表設(shè)備所選的頻率。

        3.2 初始群體的設(shè)定

        候選群體中每個(gè)個(gè)體對(duì)應(yīng)一種選頻方案的編碼表示(即映射A),每一次新的選頻方案的產(chǎn)生則代表一個(gè)新個(gè)體的生成。初始群體是隨機(jī)產(chǎn)生的,即對(duì)于每一個(gè)個(gè)體,從可用頻率集合中為每個(gè)用頻設(shè)備隨機(jī)選擇一個(gè)頻率。假設(shè)種群規(guī)模為M,則初始種群如下:

        3.3 適應(yīng)度函數(shù)設(shè)計(jì)

        對(duì)指定地域范圍內(nèi)的所有用頻設(shè)備進(jìn)行電磁干擾分析。根據(jù)干擾總功率,可將適應(yīng)度函數(shù)設(shè)計(jì)如下:

        其中,eval為適應(yīng)度值,Pi為設(shè)備i所受的干擾總功率。

        3.4 交叉概率和變異概率設(shè)計(jì)

        本文提出了改進(jìn)的交叉概率和變異概率,是根據(jù)種群適應(yīng)度值的集中程度,自適應(yīng)地對(duì)整個(gè)群體的交叉概率和變異概率進(jìn)行調(diào)整。按照當(dāng)代種群適應(yīng)度值的分布情況,交叉概率和變異概率設(shè)計(jì)如下[7]:

        其中,pc為交叉概率,pm為變異概率,fmax為種群中最大的適應(yīng)度值,favg為每代種群中的平均適應(yīng)度值,fmin為種群中最小的適應(yīng)度值,f′為待交叉?zhèn)€體中較大的適應(yīng)度值,f為待變異個(gè)體的適應(yīng)度值,kc1>kc2>kc3,km1>km2>km3且為(0,1)的隨機(jī)值。

        (1)選擇

        采用賭盤算法[8]進(jìn)行選擇操作。應(yīng)該滿足的條件的數(shù)學(xué)描述為:

        其中,Pi為設(shè)備所受的干擾總功率,Li為設(shè)備i的接收機(jī)干擾門限,i=1,2,…,N。

        進(jìn)行選擇操作M次,產(chǎn)生種群v1′,v2′,…,vM′。

        (2)交叉

        采用算術(shù)交叉[8]方法,對(duì)v1′,v2′,…,vM′進(jìn)行交叉操作。產(chǎn)生隨機(jī)數(shù)序列r1,r2,…,rM,若ri

        (3)變異

        采用非均勻變異[8],根據(jù)變異概率對(duì)該種群進(jìn)行變異操作。假設(shè)個(gè)體v=[f1,…,fk,…,fN]中的基因fk被選中進(jìn)行變異,則產(chǎn)生的后代為v′=[f1,…,fk′,…,fN]。

        4 無線網(wǎng)絡(luò)智能選頻算法實(shí)現(xiàn)流程

        基于以上算法設(shè)計(jì)思路,設(shè)定種群規(guī)模為M,算法實(shí)現(xiàn)流程如下。

        (1)對(duì)于網(wǎng)絡(luò)中給定的N個(gè)用頻設(shè)備,在已知設(shè)備頻段或頻點(diǎn)中隨機(jī)產(chǎn)生M種選頻方案,即隨機(jī)產(chǎn)生一個(gè)初始種群:v1,v2,…,vM,其中個(gè)體長(zhǎng)度為N。

        (2)進(jìn)行電磁干擾分析,計(jì)算每種選頻方案所對(duì)應(yīng)的干擾功率。

        (3)根據(jù)干擾功率計(jì)算群體中的個(gè)體適應(yīng)度值,并計(jì)算選擇概率和累積概率。

        (4)對(duì)初始種群進(jìn)行選擇操作M次,生成種群v1′,v2′,…,vM′。

        (5)對(duì)種群v1′,v2′,…,vM′進(jìn)行交叉操作。

        (6)對(duì)種群v1′,v2′,…,vM′進(jìn)行變異操作。

        (7)在步驟(5)和步驟(6)后的子代和父代中選擇適應(yīng)度最大的M個(gè)個(gè)體組成新的種群,并在新種群中用最優(yōu)個(gè)體替換最差個(gè)體。

        (8)判斷:若當(dāng)前進(jìn)化代數(shù)小于最大進(jìn)化代數(shù),則轉(zhuǎn)到步驟(2),并繼續(xù)進(jìn)行下一次遺傳迭代;否則,算法終止,返回當(dāng)前最優(yōu)解,從而得到最優(yōu)選頻方案。

        5 仿真實(shí)驗(yàn)及結(jié)果分析

        5.1 收斂性

        為了分析驗(yàn)證算法的收斂性,在山東青島和河南鄭州兩個(gè)地區(qū)分別采用傳統(tǒng)選頻算法(以下簡(jiǎn)稱傳統(tǒng)方法)、粒子群優(yōu)化(particle swarm optimization,PSO)算法[9](以下簡(jiǎn)稱粒子群算法)、貪心算法[10]和基于自適應(yīng)遺傳算法的智能選頻算法(以下簡(jiǎn)稱本文算法)進(jìn)行無線通信網(wǎng)絡(luò)選頻仿真實(shí)驗(yàn)。

        5.1.1 青島地區(qū)

        在青島地區(qū)分別部署中波通信網(wǎng)、短波通信網(wǎng)、超短波通信網(wǎng)和微波接力網(wǎng)(其中各含50個(gè)臺(tái)站),采用傳統(tǒng)方法、貪心算法、粒子群算法和本文算法分別對(duì)這4種網(wǎng)絡(luò)進(jìn)行選頻仿真實(shí)驗(yàn),結(jié)果如圖1所示。對(duì)于中波通信網(wǎng),傳統(tǒng)方法在120代達(dá)到收斂,貪心算法在110代達(dá)到收斂,粒子群算法在140代達(dá)到收斂,本文算法在160代達(dá)到收斂;對(duì)于短波通信網(wǎng),傳統(tǒng)方法在140代達(dá)到收斂,貪心算法在120代達(dá)到收斂,粒子群算法在150代達(dá)到收斂,本文算法在170代達(dá)到收斂;對(duì)于超短波通信網(wǎng),傳統(tǒng)方法在150代達(dá)到收斂,貪心算法在130代達(dá)到收斂,粒子群算法在160代達(dá)到收斂,本文算法在180代達(dá)到收斂;對(duì)于微波接力網(wǎng),傳統(tǒng)方法在160代達(dá)到收斂,貪心算法在150代達(dá)到收斂,粒子群算法在170代達(dá)到收斂,本文算法在190代達(dá)到收斂。結(jié)果數(shù)據(jù)統(tǒng)計(jì)見表1~表4。

        圖1 青島地區(qū)最大適應(yīng)度對(duì)比

        5.1.2 鄭州地區(qū)

        在鄭州地區(qū)分別部署中波通信網(wǎng)、短波通信網(wǎng)、超短波通信網(wǎng)和微波接力網(wǎng) (其中各含50個(gè)臺(tái)站),采用傳統(tǒng)方法、貪心算法、粒子群算法和本文算法分別對(duì)這4種網(wǎng)絡(luò)進(jìn)行選頻仿真實(shí)驗(yàn),結(jié)果如圖2所示。對(duì)于中波通信網(wǎng),傳統(tǒng)方法在150代達(dá)到收斂,貪心算法在130代達(dá)到收斂,粒子群算法在170代達(dá)到收斂,本文算法在190代達(dá)到收斂;對(duì)于短波通信網(wǎng),傳統(tǒng)方法在 160代達(dá)到收斂,貪心算法在150代達(dá)到收斂,粒子群算法在180代達(dá)到收斂,本文算法在200代達(dá)到收斂;對(duì)于超短波通信網(wǎng),傳統(tǒng)方法在180代達(dá)到收斂,貪心算法在160代達(dá)到收斂,粒子群算法在210代達(dá)到收斂,本文算法在220代達(dá)到收斂;對(duì)于微波接力網(wǎng),傳統(tǒng)方法在200代達(dá)到收斂,貪心算法在180代達(dá)到收斂,粒子群算法在220代達(dá)到收斂,本文算法在230代達(dá)到收斂。結(jié)果數(shù)據(jù)統(tǒng)計(jì)見表5~表8。

        表1 青島地區(qū)中波通信網(wǎng)仿真實(shí)驗(yàn)結(jié)果數(shù)據(jù)統(tǒng)計(jì)

        表2 青島地區(qū)短波通信網(wǎng)仿真實(shí)驗(yàn)結(jié)果數(shù)據(jù)統(tǒng)計(jì)

        表3 青島地區(qū)超短波通信網(wǎng)仿真實(shí)驗(yàn)結(jié)果數(shù)據(jù)統(tǒng)計(jì)

        表4 青島地區(qū)微波接力網(wǎng)仿真實(shí)驗(yàn)結(jié)果數(shù)據(jù)統(tǒng)計(jì)

        通過以上仿真實(shí)驗(yàn)可以看出,用傳統(tǒng)方法和貪心算法進(jìn)行選頻時(shí),算法收斂速度較快,多數(shù)情況下只能得到局部最優(yōu)解,尋優(yōu)效率比較低;用粒子群算法進(jìn)行選頻時(shí),尋優(yōu)效果比傳統(tǒng)算法和貪心算法好,但最終得到的選頻結(jié)果也很難達(dá)到全局最優(yōu),在求解大規(guī)模無線網(wǎng)絡(luò)選頻問題時(shí)存在缺陷。而用本文算法進(jìn)行選頻時(shí),算法在進(jìn)行遺傳迭代過程中最大適應(yīng)度值曲線比較平滑,收斂速度比較平穩(wěn),最終得到的選頻結(jié)果的適應(yīng)度值也比前面3種算法高。由此可見,本文提出的基于自適應(yīng)遺傳算法的智能選頻算法有較強(qiáng)的尋優(yōu)能力,其收斂性能優(yōu)于前面3種算法。

        表5 鄭州地區(qū)中波通信網(wǎng)仿真實(shí)驗(yàn)結(jié)果數(shù)據(jù)統(tǒng)計(jì)

        圖2 鄭州地區(qū)最大適應(yīng)度對(duì)比

        表6 鄭州地區(qū)短波通信網(wǎng)仿真實(shí)驗(yàn)結(jié)果數(shù)據(jù)統(tǒng)計(jì)

        表7 鄭州地區(qū)超短波通信網(wǎng)仿真實(shí)驗(yàn)結(jié)果數(shù)據(jù)統(tǒng)計(jì)

        表8 鄭州地區(qū)微波接力網(wǎng)仿真實(shí)驗(yàn)結(jié)果數(shù)據(jù)統(tǒng)計(jì)

        5.2 穩(wěn)定性

        為了分析驗(yàn)證算法的穩(wěn)定性,在以東經(jīng)120°、北緯36°為中心的區(qū)域內(nèi)隨機(jī)部署中波通信網(wǎng)、短波通信網(wǎng)、超短波通信網(wǎng)和微波接力網(wǎng),分別采用傳統(tǒng)方法、貪心算法、粒子群算法和本文算法進(jìn)行100次300代迭代的選頻仿真實(shí)驗(yàn),其結(jié)果如圖 3所示。

        不難看出,用傳統(tǒng)方法和貪心算法進(jìn)行選頻時(shí),每次試驗(yàn)得到的最大適應(yīng)度值都比較低,最優(yōu)解適應(yīng)度曲線波動(dòng)較大,穩(wěn)定性較差;用粒子群算法進(jìn)行選頻時(shí),雖然最大適應(yīng)度值比傳統(tǒng)方法和貪心算法高,在穩(wěn)定性上也有所增強(qiáng),但還是沒有達(dá)到理想要求;相比之下,本文算法得到的最優(yōu)解適應(yīng)度曲線比較平穩(wěn),而且最大適應(yīng)度值基本保持在一個(gè)很高的水平,可以滿足目前無線網(wǎng)絡(luò)選頻工程計(jì)算的要求。因此,從算法穩(wěn)定性的角度看,本文提出的基于自適應(yīng)遺傳算法的智能選頻算法優(yōu)于前面3種算法。

        6 結(jié)束語

        無線網(wǎng)絡(luò)選頻是電磁頻譜管理領(lǐng)域中非常重要且困難的研究課題,前人在此項(xiàng)研究上也做出了很多努力,取得了一些可喜的成果。在此基礎(chǔ)上,本文從智能優(yōu)化的角度提出了一種新的智能選頻技術(shù),結(jié)合遺傳算法的全局搜索機(jī)制,通過對(duì)遺傳操作的改進(jìn)和搜索過程的控制來尋求最優(yōu)選頻結(jié)果。仿真結(jié)果證明,該技術(shù)不僅能夠滿足大規(guī)模無線電網(wǎng)絡(luò)選頻的要求,而且尋優(yōu)速度快、精度高,有較強(qiáng)的通用性和穩(wěn)定性,可應(yīng)用于目前的頻譜管理工程計(jì)算。

        圖3 算法穩(wěn)定性曲線對(duì)比

        1 Maniezzo V,Carbonaro A.An ants heuristic for the frequency assignment problem.Future Generation Computer Systems,2000,16(8):927~935

        2 ProsserP.Hybrid algorithm forthe constraintsatisfaction problem.Computational Intelligence,1993,9(3):268~297

        3 Holland J H.Adaptation in Nature and Artificial System:an Introductory Analysis with Application to Biology,Control,and Artificial Intelligence.MI:The University of Michigan Press,1975

        4王小平,曹立明.遺傳算法——理論、應(yīng)用與軟件實(shí)現(xiàn).西安:西安交通大學(xué)出版社,2002

        Wang X P,Cao L M.Genetic Algorithm——The Theory,Application and Software Implementation.Xi’an:Xi’an Jiaotong University Press,2002

        5 陳窮.電磁兼容性工程設(shè)計(jì)手冊(cè).北京:國(guó)防工業(yè)出版社,1993

        Chen Q.Electromagnetic Compatibility Engineering Design Manual.Beijing:National Defense Industry Press,1993

        6 Alabau M,IdoumgharL,SchottR.New hybrid genetic algorithms for the frequency assignment problem. IEEE Transactions on Broadcasting,2002,48(3):27~34

        7 閆妍.一種新的自適應(yīng)遺傳算法 (碩士學(xué)位論文).哈爾濱工程大學(xué),2007

        Yan Y.A new adaptive genetic algorithm (master dissertation).Harbin Engineering University,2007

        8 玄光男,程潤(rùn)偉.遺傳算法與工程優(yōu)化.北京:清華大學(xué)出版社,2004

        Xuan G N,Cheng R W.Genetic Algorithms and Engineering Optimization.Beijing:Tsinghua University Press,2004

        9 Kennedy J,Eberhart R.Particle swarm optimization.Proceedings of the 4th IEEE International Conference on Neural Networks,Dallas,Texas,USA,1995:1942~1948

        10 Cormen T H,Leiserson C E,Rivest R L,et al.Introduction to Algorithms(the Second Edition).Cambrideg:The MIT Press,2001

        猜你喜歡
        通信網(wǎng)適應(yīng)度遺傳算法
        改進(jìn)的自適應(yīng)復(fù)制、交叉和突變遺傳算法
        基于SDN-MEC配用電通信網(wǎng)任務(wù)遷移策略
        電子制作(2019年24期)2019-02-23 13:22:28
        GSM-R通信網(wǎng)多徑干擾解決案例
        PTN在電力通信網(wǎng)中的工程應(yīng)用
        基于自適應(yīng)遺傳算法的CSAMT一維反演
        一種基于遺傳算法的聚類分析方法在DNA序列比較中的應(yīng)用
        基于遺傳算法和LS-SVM的財(cái)務(wù)危機(jī)預(yù)測(cè)
        基于空調(diào)導(dǎo)風(fēng)板成型工藝的Kriging模型適應(yīng)度研究
        電力通信網(wǎng)引入ASON技術(shù)探討
        基于改進(jìn)的遺傳算法的模糊聚類算法
        久久综合老鸭窝色综合久久| 男人边吃奶边做好爽免费视频| 99精品国产成人一区二区 | 亚洲成a∨人片在线观看不卡 | 国产呦系列呦交| 男女打扑克视频在线看| 成人国产一区二区三区| 女人扒开下面无遮挡| 亚洲九九九| 久久99人妖视频国产| 婷婷丁香五月激情综合| 久久亚洲中文字幕无码| 国产精品久久久久亚洲| 久久国产精品免费专区| 亚洲国产欧美在线观看| 亚洲熟妇av乱码在线观看| 日本啪啪一区二区三区| 日韩一区二区av极品| 久久精品无码一区二区三区免费| 国产精品黄网站免费观看| 国产一区二区三区爆白浆| 国产一区二区三区在线爱咪咪| 三级日本理论在线观看| 九色综合九色综合色鬼| 亚洲日韩乱码中文无码蜜桃臀 | 高清在线亚洲中文精品视频| 亚洲色图在线视频观看| 一本色综合网久久| 日韩成人极品在线内射3p蜜臀| 精品综合久久久久久99| 青青草视频在线观看入口| 成人毛片av免费| 色综合中文综合网| 欧洲国产成人精品91铁牛tv| 日本免费久久高清视频| 任我爽精品视频在线播放| 视频福利一区| 亚洲女同性恋激情网站| 亚洲三区在线观看内射后入| 精品国产午夜理论片不卡| 黑人巨大videos极度另类|