基于多目标禁忌搜索算法认知无线电频谱分配.docVIP

基于多目标禁忌搜索算法认知无线电频谱分配 　　【摘要】 针对认知无线电动态频谱分配问题，建立图着色频谱分配模型，将模型中的分配矩阵和禁忌搜索算法中的可行解相对应，提出基于禁忌搜索的智能求解算法。同时将高斯柯西算子引入到禁忌搜索的更新策略当中，改善了算法的收敛速度和爬坡能力。在最大化认知无线电网络效益和最大化公平效益准则下建立多目标评价函数，将禁忌搜索算法和粒子群算法在图着色频谱分配模型基础上进行性能比较，结果表明在不同权重的评价函数下，禁忌搜索算法找到的理想最优解都要优于粒子群算法。 　　【关键词】 认知无线电 频谱分配 高斯柯西变异 多目标禁忌搜索算法 　　在复杂电磁环境的信息战中，敌方的人为干扰，已方通信装备的自干扰给战争环境下的军事通信带来了严重的挑战。如何高效的利用战场的频谱资源，提高军事通信网络的抗干扰能力是一个研究热点。 　　本文在图着色频谱分配模型的基础上，提出多目标评价函数，采用禁忌搜索算法寻找最优解。同时由于禁忌搜索算法中领域移动规则灵活性较差，对算法求解效率和爬坡能力产生很大影响。因此在领域移动规则中引入高斯柯西变异算子，改善了算法的寻优能力和效率。在三种不同模式下，通过实验对比粒子群频谱分配算法和禁忌搜索频谱分配算法的性能。 　　一、禁忌搜索算法 　　禁忌搜索算法是一种局部邻域搜索算法，最早是由Glover提出，并形成了一套完整的算法。算法的核心是采用局部搜索的方法，将获得局部最优解放入禁忌表中。 　　二、基于禁忌搜索的认知无线电频谱分配 　　2.1模型描述 　　基于图着色频谱分配模型，是用可用频谱矩阵、效益矩阵、干扰矩阵和无干扰分配矩阵来描述认知无线电的频谱分配模型。 　　2.2基于禁忌搜索算法频谱分配算法设计 　　2.2.1 解的初始结构的形成 　　TS（Tabu Search）是一种迭代搜索方法，在本文里提出的基于禁忌搜索算法的认知无线电频谱分配模型，禁忌搜索算法中的一个解就对应一种可能的无干扰频谱分配矩阵。禁忌搜索算法的解可以表示成：Xi=（xi1，xi2， …，xis），其中解的维度和可用频谱矩阵L中值为1的元素个数有关，xis取值为0或1，表示可用频谱是否分配给认知用户。 　　2.2.2 解的邻域选择 　　禁忌搜索算中搜索空间的拓展是通过邻域移动的方式实现。禁忌搜索算法的解Xi中的每一维xij（1jS）取值0或1两种值，引入高斯变异算子，如1式所示： 　　（1） 　　其中，j=1，2，…N，β为一个控制变异步长的常数，G（0，1））代表的是均值为0，偏差为1的高斯分布函数产生的随机数。Wj表示前一次更新时分量j的移动距离，Wj’表示本次更新时分量j的移动距离。采用Sigmoid函数将距离转换成[0，1]的概率值： 　　（2） 　　由2式可知，sig（Wj’）代表Xi在相应维上元素取值为1的概率。解xij的更新公式如式3： 　　（3） 　　采用高斯变异算子避免了随机搜索，但搜索容易出现过早成熟收敛。本文将柯西算子引入移动距离的更新公式中，由于柯西密度函数两端较长的分布让柯西变异具有更大范围的变动，增加了搜索的步长。当迭代次数达到指定值后，如果当前最优解还没有改变，则将移动距离更新公式改为式4所示： 　　（4） 　　2.2.3 评价函数 　　禁忌搜索算法可以根据解对应的分配矩阵An，m 计算评价函数的适应度值。本文建立多目标评价函数，如式5所示： 　　（5） 　　2.2.4 构造算法的藐视准则 　　当禁忌列表中禁忌解的目标函数值大于最优解的目标函数值时，就将禁忌解作为更新解，并更新最优目标函数值。当ST禁忌表中的解存储时间减为0时，判断其是否为局部最优解，如果不是可以将该解释放，如果为局部最优解，则将该解存储到LT禁忌表中，LT禁忌表存储时间为永久，使算法避免进入局部最优。 　　2.3 算法流程 　　基于禁忌搜索算法的频谱分配算法的流程如图1所示。 　　三、性能仿真及结果分析 　　本文比较了基于禁忌搜索算法的多目标频谱分配方法和基于粒子群多目标频谱分配方法的性能。设定可用频谱数M=24，认知用户数N=6，根据设定目标函数权重的不同，分别在最大化网络效益（w1=1，w2=0）、最大化公平效益（w1=0，w2=1）、整体效益（w1=0.4，w2=0.6）三种不同模式下进行仿真。禁忌搜索算法参数为：最大迭代次数Tmax=60。粒子群算法的参数设置为：学习因子c1=2，c2=2，种群大小为50，最大迭代次数Tmax=60，粒子速度范围[-5，5]。L矩阵中元素由随机生成的0、1组成，B矩阵中的元素由随机生成的1到10之间的数组成，C矩阵由随机生成的0、1数组成二元对称矩阵。在多次的仿真实验中L、B、C都不同，但S是同一次实验不同算法中L、B、C