解决Macro-Femto共存自组织问题的仿生学方法论述.docx

 PAGE \* MERGEFORMAT 9 解决Macro-Femto共存自组织问题的仿生学方法 摘要 仿生学是计算智能的重要部分，本文在对应用于蜂窝网络自组织优化中的仿生学方法进行总结和分类的基础上，分别以两种典型的间接仿生学方法（学习算法和博弈论方法）和一种直接仿生学方法为例，对仿生学方法在Macro-Femto共存时自组织问题中的应用进行了探索研究，用数值仿真对两种间接仿生学方法进行了对比，并证明了应用提出的直接仿生学方法，可获得系统性能的较大提升。 关键词： 计算智能，仿生学，Macro-Femto共存，直接仿生学，间接仿生学 1 引言 计算智能是以生物进化的观点认识和模拟智能。按照这一观点，智能是在生物的遗传、变异、生长以及外部环境的自然选择中产生的。在用进废退、优胜劣汰的过程中，适应度高的（头脑）结构被保存下来，智能水平也随之提高。因此说计算智能就是基于结构演化的智能。计算智能的主要方法有人工神经网络、遗传算法、遗传程序、演化程序、局部搜索、模拟退火等等[1]。计算智能的这些方法具有自学习、自组织、自适应的特征和简单、通用、鲁棒性强、适于并行处理的优点，因而，在并行搜索、联想记忆、模式识别、知识自动获取等方面得到了广泛的应用。  HYPERLINK /view/803.htm \t _blank 仿生学是一门模仿生物的特殊本领，利用生物的结构和 HY