[发明专利]基于自适应群搜索算法的频谱决策多目标优化方法

摘要

本发明公开了一种基于自适应群搜索算法的频谱决策多目标优化方法，包括如下步骤：建立频谱参数决策模型；初始化；种群中最优个体执行发现策略，其他个体选择执行策略；种群中的个体两两顺序配对，执行单点交叉操作；对种群中个体进行线性排列；种群中的个体执行方向变异操作；更新当前种群中所有个体的目标函数值；判断当前的迭代次数是否达到了预先设定的最大迭代次数，若是，输出最优解，若不是，则返回对种群中个体进行线性排列的步骤。该优化方法能够同时使认知无线电系统的最小化误码率、最小化发射功率和最大化数据速率达到最优。

主权项

1.基于自适应群搜索算法的频谱决策多目标优化方法，其特征在于，包括如下步骤：步骤一：建立认知无线电系统的频谱参数决策模型，表示如下：f＝ω1·fminpower+ω2·fminber+ω3fmaxdaterate其中，f为目标函数，fmin power表示最小化发射功率优化函数，fmin ber表示最小化误码率优化函数，fmaxdatarate表示最大化传输速率优化函数；ωi≥0(1≤i≤3)，且ω1+ω2+ω3＝1，其中，ωi表示权值；其中，为所有载波发射功率的平均值，p_max为最大可能发射功率；其中，为所有载波比特错误率平均值；其中，M_min为最小调制进制数，M_max为最大调制进制数，Mi为第i个载波对应的调制指数向量，N为载波数；步骤二：初始化21)、设定参数，包括种群规模值S、搜索空间上下限B_lo,B_up、觅食方式选择概率P_f、交叉概率P_c、变异概率P_m、最大迭代次数T_max、收敛精度ξ、混沌变量Sc、正态分布平均数μ、正态分布标准差σ；初始化产生一个随机种群E1，将种群E1的数值取整记为E，求出种群E的每一个个体，并随机产生一行8列的个体，其中由于有64种发射功率的可能，前6列表示发射功率，后2列表示调制方式，其中，将前6位发射功率的二进制编码转换成十进制得到发射功率P以及子载波调制指数向量Mi；22)、根据步骤21)得到的发射功率P以及和子载波调制指数向量Mi，更新最小化误码率、最小化发射功率和最大化传输速率这三个优化函数的值，同时，将初始种群中的最优个体p_g设置为全局初始极值；步骤三：种群中的最优个体执行发现策略，其他个体根据觅食方式选择概率选择执行追随策略或游荡策略；步骤四：将种群中的个体进行两两顺序配对，根据交叉概率，一对个体交叉的概率为40％，若随机概率大于交叉概率，则执行单点交叉操作，经过交叉操作，产生新的个体；步骤五：对种群中个体按照目标函数值f从小到大的顺序进行线性排列，根据目标函数值f和目标函数值总和sum(f)，得到对于每个个体的选择概率f/sum(f)，之后采用轮盘赌法，产生新的个体种群；步骤六：种群中的个体根据变异概率执行方向变异操作，设定变异概率值，若达到所述变异概率值，则执行变异操作，产生新个体；步骤七：更新当前种群中所有个体的目标函数值f；步骤八：判断当前的迭代次数是否达到了预先设定的最大迭代次数Tmax，若是，则停止迭代，输出目标函数最优解，否则转到步骤五。