APP下载

一种基于深度学习的改进萤火虫频谱分配算法

2020-05-22苏慧慧曲文博

关键词:效益分配模型

苏慧慧, 彭 艺, 曲文博

(昆明理工大学 信息工程与自动化学院, 云南 昆明 650500)

认知无线电(Cognitive Radio,CR)[1]深入人心是起源于Mitola博士,他在1999年将认知无线电从无线通信以及不同学科的角度提出了拓展概念,而通信角度的定义由Haykin[2]提出,他同时定义了无线通信系统。频谱分配作为认知无线电的重要技术,所用到的系统模型主要有拍卖模型[3]、博弈论模型[4]和图论模型[5]。在图论频谱分配模型的基础上以网络总效益和用户公平性为目标函数进行寻优。目前,针对频谱分配问题的研究中,遗传算法(Ganetic Algorithm,GA)、粒子群算法(Particle Swarm Optimization,PSO)、离散人工蜂群算法[6](Discrete Artificial Bee Colony,DABC)等智能算法被不断地引入解决该问题的方案[7-8],不过当目标维度不断加大时上述算法收敛速度明显下降,因此针对该问题更高效的启发式优化算法是目前的研究重点。

萤火虫算法(Firefly Algorithm,FA)是目前广泛研究的优化算法之一,在算法上的改进研究虽有所优化,但是将其利用到频谱分配领域中仍有很大的提升空间。Wang等[9]提出了随机吸引模型,增加了种群随机性以避免局部最优问题,仿真收敛效果好,但造成时间复杂度较高。Verma等[10]提出基于维度不同构造一只全局最优的萤火虫FGbest以指导算法整体优化方向,但仿真后期收敛较慢。Zhang等[11]在Verma研究基础上根据最大回报成本比选择全局最优FGbest。近年来国外不少学者将研究的问题与智能算法结合,这些方法对算法性能的提升表现出显著效果,其中较突出的为源于人工神经网络[12]的深度学习,其实质是对最初的数据及信息进行特征点的提取,并对之后的变化趋势进行一定的预测[13],这对于数据的处理以及算法复杂度的优化具有正向相关的作用。……

登录APP查看全文

猜你喜欢

效益分配模型
一半模型
草粉发酵 喂羊效益高
莲鱼混养 效益提高一倍
重尾非线性自回归模型自加权M-估计的渐近分布
应答器THR和TFFR分配及SIL等级探讨
遗产的分配
一种分配十分不均的财富
冬棚养虾效益显著,看技术达人如何手到“钱”来
果园有了“鹅帮工” 一举多得效益好
绩效考核分配的实践与思考