基于组合混沌遗传算法的认知无线电资源分配.docxVIP

基于组合混沌遗传算法的认知无线电资源分配 1. 组合混沌遗传算法 认知无线是一个智能通信系统，可以感知外部通信环境。它可以实时学习和感知无线环境的变化，通过改变传输频率、频率和频率控制技术来自适应资源分配和动态谱分配。随着无线通信技术的快速发展，频率资源变得越来越紧张。越来越多的人通过非授权频率访问无线网络。为了提高光谱利用率，减少系统功率损失，需要提出一种新的集群优化算法。目前，研究中的认知无线传感器算法主要包括颗粒群优化算法（pso）、模拟退火算法（sa）、量化遗传算法（quantumgenticalgoritm）、简单遗传计算方法（sga）等。 混沌是指发生在确定系统中具有行为不确定特征的无固定周期的现象[11—13],混沌理论广泛应用于天气的长期预报、保密通信、神经网络和经济学等学科中.引入混沌算子的遗传算法具有收敛速度快,个体间相似度低,搜索空间广阔,全局收敛等优点[14—17].但是大多数混沌遗传算法只使用简单的一维Logistic混沌映射,均匀性等统计特性较差,且遗传算法与混沌算子的结合主要用于生成初始群体和种群的混沌扰动,未能充分利用混沌系统的全局性和随机性. 本文提出了一种结合Chebyshev混沌映射和Logistic混沌映射的组合混沌遗传算法,并将该算法用于认知无线电系统资源分配.组合混沌遗传算法将父代混沌映射的结果作为产生子代混沌序列的种子值,提高了伪随机