[发明专利]基于多目标人工物理优化的认知参数调整方法

说明书

技术领域

本发明属于认知无线电网络通信领域，涉及一种基于多目标人工物理优化的认知参数调整方法，可用于对认知无线电网络的引擎参数进行优化调整。

背景技术

认知无线电网络的智能性主要体现在可以根据外在无线环境的变化和认知用户的需求，自适应的调整传输参数，优化系统性能。如何对认知参数进行自适应优化调整，是认知无线电网络研究中的热点问题。从本质上看，认知参数优化是一个多目标优化问题，智能优化算法是求解此问题的有效算法。目前，已经涌现出了相应的研究成果，如粒子群算法、蚁群算法、免疫克隆算法等。然而，已有的智能优化算法多是将认知参数的多目标优化问题通过加权法转换为单目标问题进行求解。由于权值较难确定，并且算法每次只能得到一种权值情况下的最优解且容易漏掉一些最优解，因此，算法结果还有待继续提高。

发明内容

本发明所要解决的问题在于，克服现有技术的不足，提供一种基于多目标人工物理的认知参数优化方法，提高认知参数的优化调整的效果，解决了现有技术将认知参数的多目标优化问题通过加权法转换为单目标问题进行求解而容易漏掉一些最优解的问题。

本发明解决其技术问题是采取以下技术方案实现的：

    依据本发明提供的一种基于多目标人工物理优化的认知参数调整方法，它包括以下步骤：

（1）如果无线信道、认知用户需求发生变化，则调整认知参数；

（2）将认知参数编码映射为人工物理的微粒，确定适应度评价函数；

（3）种群初始化，设定相关参数：设进化代数为0，随机初始化规模大小为S的种群                                                ，对每个长度为K的微粒表示为；随机初始化每一位为0或1；设微粒的初始速度，设置万有引力常数G，最大进化代数为，存放非支配解集的集合为；

（4）计算适应度值，确定微粒序值：计算每个微粒在每个子目标下的适应值，保留支配任一微粒的所有微粒的数量，记为；找出非支配微粒，将其存储在非支配集合中，并给每个非支配微粒分配序值为1，为其余微粒分配序值；

（5）按微粒序值升序对微粒排列；

（6）对序值相同的微粒，按微粒之间海明距离的降序对微粒重新排列，赋予相应的序值；如果海明距离仍相同，则随机给其赋序值；

（7）对每个微粒赋一个唯一序值：根据上述排序结果对每个微粒赋一个唯一序号,即为每个微粒分配一个1到S（种群规模）间的自然数作为；

（8） 根据下式计算微粒质量：，其中：表示微粒i在第g代的质量；

(9)计算微粒所受的作用力：根据下式计算微粒所受其它微粒的作用力，    

  其中： 为微粒对微粒i的作用力，

根据下式计算微粒所受合力：

（10）计算微粒运动并更新：；

其中：为惯性权重（）是一个服从（0，1）正态分布的随机变量；

微粒的位置更新方程为：

 其中：是任意产生的一个[0，1]的随机数；

（11）更新非支配解集合：更新集，重新计算每个微粒在每个子目标下的函数值，保留支配每个微粒的微粒数量,给每个非支配微粒分配序值为 1,为其余微粒分配序值；将每一个非支配微粒与存储在集中的微粒比较,若无法相互支配,则将该微粒存入集中；若该微粒支配集中的微粒,则将被支配微粒从集中删除；若需要存储的微粒超过集的规模,则将支配其他微粒数量最少的微粒删除；

（12）如果算法达到最大进化次数,算法终止，将的最优解映射输出，则为认知引擎参数优化结果；否则，进化代数，转步骤（4）。

    本发明解决其技术问题是采取以下技术方案进一步实现：

    前述的步骤(2) 认知参数编码映射为人工物理的微粒，是采用二进制对每个子载波的调制方式和发射功率进行编码。

前述的适应度评价函数为：，

其中：为子载波的传输功率，为所有子载波的最大传输功率，为子载波的数目；

其中：为个子信道的平均误码率；

最大化数据吞吐量  

其中：为子载波的数目，为第l个子载波所对应的调制进制数，为最大调制进制数，为最小调制进制数；  。

    前述的步骤(4) 微粒序值的定义如下：设在第代生成的种群为,表示中支配微粒i的所有微粒的数量,则微粒i在第g代的序值定义为： 。