[发明专利]基于量子猫群搜索机制的多目标中继选择方法

权利要求书

1.一种基于量子猫群搜索机制的多目标中继选择方法，其特征是：

步骤一，建立中继系统模型，发送端SN发送信息，接收端DN接收信息，同时有R个候选的中继节点用于协作通信；

步骤二，在R维空间中，初始化三个量子猫群，第1个量子猫群、第2个量子猫群和第3个量子猫群分别表示为S₁，S₂和S₃；具体包括：

量子猫群S₁和S₂分别用于演化多目标中继选择的两个单目标，量子猫群S₁演化接收端信噪比，量子猫群S₂演化网络能量效率，量子猫群S₃用于演化多目标中继选择问题；每只量子猫群有H只量子猫，第k,k＝1,2,3个量子猫群中第h只量子猫的第t代的量子位置表示为其中h＝1,2,…,H，第k个量子猫群中第h只量子猫的第t代的速度表示为其中r＝1,2,…,R，v_r,max表示量子猫群第r维速度的最大边界，对量子猫的量子位置进行测量得到量子猫的位置，第k个量子猫群第h只量子猫的位置表示为其中，测量方式如下：

其中为均匀分布在[0,1]之间的均匀随机数；

对于量子猫群S₁，将所有量子猫的位置带入适应度函数进行计算，量子猫群S₁中每只量子猫的适应度通过接收端信噪比公式进行计算，选出适应度最大的量子猫，称其为量子猫群S₁的全局最优量子猫，其位置为量子猫群S₁的全局最优位置，则第t代量子猫群S₁的全局最优位置为

对于量子猫群S₂，将所有量子猫的位置带入适应度函数进行计算，量子猫群S₂中每只量子猫的适应度通过网络能量效率公式进行计算，选出适应度最大的量子猫，称其为量子猫群S₂的全局最优量子猫，其位置为量子猫群S₂的全局最优位置，则第t代量子猫群S₂的全局最优位置为

对于量子猫群S₃，将量子猫群中的所有量子猫进行非支配解排序和拥挤度计算，将非支配等级为1的个体加入非支配解集S_E中；

步骤三，对量子猫群S₁和S₂中的每一只量子猫进行更新；具体包括：

量子猫群中的量子猫行为分为两种模式，一种为追踪模式，另外一种为搜寻模式，两种行为方式通过结合律MR进行交互操作，MR表示执行跟踪模式的量子猫的数量在整个量子猫群中所占的比例；对于量子猫的搜寻模式，定义三个基本要素，记忆池SMP、变化域SRD和变化数CDC，记忆池的大小表明了在搜寻模式中，将每一只量子猫所复制的副本数目，在搜寻模式中，每一维的变化范围由变化域决定，变化数表示了在搜寻模式中，每一只量子猫变化的维度数目，以下为量子猫的搜寻模式过程：

(1).根据记忆池的大小，将当前第k,k＝1,2个量子猫群第h只量子猫复制J个副本放在记忆池中；

(2).对于记忆池中的第1个副本，保持原来的量子位置和位置，对于记忆池中其他的J-1个副本，根据变化数的大小，对复制的第j个量子猫副本的第r维进行更新，更新方程如下：

其中，j＝2,3,…,J，r∈{1,2,…,R}，abs(.)表示绝对值函数，为均匀分布在[-1,1]之间的均匀随机数，为均匀分布在[0,1]之间的均匀随机数；

(3).计算在记忆池中的J个副本的适应度值；

(4).从J个副本中选择适应度最大的副本作为第k个量子猫群新的第h只量子猫；

以下为量子猫的搜寻模式过程：

(1).对追踪模式的第k个量子猫群第h只量子猫的速度进行更新，更新方程如下：

其中，c为速度变化范围权系数，为均匀分布在[0,1]之间的均匀随机数；

(2).判断第k个量子猫群第h只量子猫每一维的速度是否超过了边界范围，如果超过了边界范围，进行如下处理：

其中，v_r,max表示第r维速度的最大边界；

(3).对第k个量子猫群第h只量子猫的量子位置和位置进行更新，更新方程如下：

其中，为均匀分布在[0,1]之间的均匀随机数；

计算更新后的量子猫群S₁中所有量子猫的适应度，适应度通过接收端信噪比公式进行计算，从更新后的量子猫群S₁中找到适应度最大的量子猫的位置，将其位置的适应度与上一代量子猫群S₁的全局最优位置的适应度进行比较，将适应度较优的位置选作量子猫群S₁新的全局最优位置

计算更新后的量子猫群S₂中所有量子猫的适应度，适应度通过网络能量效率公式进行计算，从更新后的量子猫群S₂中找到适应度最大的量子猫的位置，将其位置的适应度与上一代量子猫群S₂的全局最优位置的适应度进行比较，将适应度较优的位置选作量子猫群S₂新的全局最优位置

步骤四，对于量子猫群S₃中的每一量子猫进行更新；具体包括：

以下为S₃中处于搜寻模式的量子猫的更新过程：

(1).根据记忆池的大小，将S₃中第h只量子猫复制J个副本放在记忆池中；

(2).对于记忆池中的J个副本，根据变化数的大小，对复制的第j个量子猫副本的第r维进行更新，更新方程如下：

其中，j＝1,2,…,J，r∈{1,2,…,R}，abs(.)表示绝对值函数，为均匀分布在[-1,1]之间的均匀随机数，为均匀分布在[0,1]之间的均匀随机数；

(3).对在记忆池中的J个副本进行非支配解排序和拥挤度计算，选出支配等级最高、拥挤度最大的副本作为种群S₃的新的第h只量子猫；

以下为量子猫的搜寻模式过程：在这种模式下，量子猫通过各自的速度更新其量子位置和位置；以下为S₃中处于追踪模式的量子猫的更新过程：

(1).对S₃中处于追踪模式的第h只量子猫的速度进行更新，为在非支配解集S_E中非支配等级排在前10％的位置中随机选择的一个的位置，更新方程如下：

其中，c为速度变化范围权系数，为均匀分布在[0,1]之间的均匀随机数；

(2).判断S₃第h只量子猫每一维的速度是否超过了边界范围，如果超过了边界范围，进行如下处理：

其中，v_r,max表示S₃第r维速度的最大边界；

(3).对S₃第h只量子猫的量子位置和位置进行更新，更新方程如下：

步骤五：将S₃更新产生的H只量子猫放入非支配解集S_E中；对非支配解集S_E中的量子猫进行非支配解排序和拥挤度计算，保留支配等级高且拥挤度大的前H只量子猫作为非支配解，然后令S₃＝S_E，S₃中的量子猫将参加下一次演进；

步骤六：在迭代过程中，每隔F/10代进行以下操作，F为最大迭代次数：根据第一个目标函数计算S_E的某一量子猫和S₁中全局最优量子猫的适应度值，第一个目标函数为接收端信噪比，如果在S_E中该量子猫的适应度值大于S₁中全局最优量子猫的适应度值，则将S₁中全局最优量子猫替换为S_E中该量子猫，如果S_E中该量子猫的适应度值小于等于S₁中全局最优量子猫的适应度值，则将S_E中该量子猫替换为S₁中全局最优量子猫，根据第二个目标函数计算S_E的某一量子猫和S₂中全局最优量子猫的适应度值，第二个目标函数为网络能量效率，如果在S_E中该量子猫的适应度值大于在S₂中全局最优量子猫的适应度值，则将S₂中全局最优量子猫替换为S_E中该量子猫，如果S_E中该量子猫的适应度值小于等于在S₂中全局最优量子猫的适应度值，则将S_E中该量子猫替换为S₂中全局最优量子猫；

步骤七：如果进化没有终止，返回步骤三，否则，终止迭代，输出S_E中的非支配解，得到中继选择方案。

2.根据权利要求1所述的基于量子猫群搜索机制的多目标中继选择方法，其特征是步骤一具体包括：

定义从发送端SN到第i个中继节点的信道状态信息为φ_i,i＝1,2,…,R，第i个中继节点到接收端DN的信道状态信息为g_i，所有的信道状态信息服从参数为1的瑞利分布，发送端SN的发送功率为P，第i个中继的发送功率为P_i，所有的中继转发方式为放大转发方式，则第i个中继的接收信号为

其中s是归一化的发送信号，且E|s|²＝1，E为数学期望，σ_i是对于第i个中继的均值为0，方差为1的高斯白噪声，由于中继的转发方式为放大转发方式，则接收端DN接收到中继转发的信号为

其中a_i表示第i个中继节点RNi是否参与协作通信，a_i＝1表示RNi参与协作通信，a_i＝0表示RNi没有参与协作通信，arg(.)为对复数取辐角的函数，w为对于接收端DN的均值为0、方差为1的高斯白噪声；

接收端的信噪比为

定义网络的能量效率为整个网络的吞吐量与系统消耗的功率比值，网络的能量效率为

其中C代表整个网络系统的吞吐量，P_total代表整个协作网络消耗的能量，

提出以接收端信噪比为单目标的中继选择问题为

其中s.t.表示约束条件；

以网络能量效率为单目标的中继选择问题为

同时考虑接收端信噪比和网络能量效率的多目标中继选择问题为