基于云免疫算法认知无线网络参数优化.docVIP

基于云免疫算法认知无线网络参数优化 　　摘要：为了提高认知无线网络的参数优化效果，提出了一种基于免疫优化的认知引擎参数调整算法。免疫克隆优化是一种有效的智能优化算法，适合求解认知无线网络的引擎参数调整问题。免疫优化中，变异概率影响着算法的搜索能力；利用正态云模型云滴的随机性和稳定倾向性特点，提出了一种基于云模型的自适应变异概率调整方法，并用于认知无线网络的参数优化。在多载波环境下对算法进行了仿真实验。结果表明，所提算法收敛速度较快，参数调整结果与对目标函数的偏好一致，能够实现认知引擎参数优化。 　　关键词：云模型；免疫克隆算法；认知无线网络；参数优化；变异概率 　　中图分类号： TP393； TP18 　　文献标志码：A 　　Abstract： In order to improve the parameter optimization results of cognitive wireless network， an immune optimization based parameter adjustment algorithm was proposed. Engine parameter adjustment of cognitive wireless network is a multiobjective optimization problem. Intelligent optimization method is suitable for solving it. Immune clonal optimization is an effective intelligent optimization algorithm. The mutation probability affects the searching capabilities in immune optimization. Cloud droplets have randomness and stable tendency in normal cloud model， so an adaptive mutation probability adjustment method based on cloud model was proposed， and it was used in parameter optimization of cognitive radio networks. The simulation experiments were done to test the algorithm under multicarrier system. The results show that， compared with relative algorithms， the proposed algorithm has better convergence， and the parameter adjustment results are consistent with the preferences for the objectives function. It can get optimal parameter results of cognitive engine. 　　Key words： cloud model； immune clone algorithm； cognitive wireless network； parameter optimization；mutation probability 　　0引言 　　随着无线业务的快速发展，无线频谱资源日益紧缺。认知无线网络为解决无线频谱资源的紧缺问题提供了一种有效途径。认知无线网络具有智能性，主要体现在其能根据无线信道的外在变化和认知用户的内在需求智能地调整传输参数以提高空闲频谱的使用性能。认知无线网络中进行智能参数调整的部分称为认知引擎。如何对认知引擎的参数进行优化调整引起了研究者的普遍关注[1]。 　　由于认知引擎参数优化调整要达到最大化吞吐量、最小化传输功率等目标，因此，从根本上看是一个多目标优化问题，适合用智能方法求解。美国弗吉尼亚理工大学Virginia Tech研究小组一直致力于认知引擎的研究，并首次提出了单载波环境和多载波环境下的认知引擎参数优化的数学模型，并通过标准遗传算法进行求解，但并没有克服遗传算法早熟收敛的缺陷[2]；此后，为了改善算法的性能，量子遗传算法[3]、粒子群算法[4]、免疫算法[5]等相继被用来进行参数优化。文献[5]给出了基于免疫优化算法的求解过程，并证明了其具有比其他智能算法更好的效果，但对于免疫算法中关键参数变异概率采用定制求解，因此，求解效果还有待进一步