[发明专利]基于改进的遗传‑粒子群混合算法的协作中继选择方法

权利要求书

1.基于改进的遗传-粒子群混合算法的协作中继选择方法，其特征在于，包含以下顺序的步骤：

S1.发射端检测N个可接入的中继节点，获取各节点间信道状态信息；

S2.初始化表示中继选择方案的粒子种群；

S3.更新各粒子的速度和位置，并计算各粒子适应度值；

S4.更新粒子的个体极值和全局极值；

S5.粒子位置数组作为基因，选取基因进行重组，重组后的新基因加入种群；

S6.选择基因进行突变，突变后替换原基因；

S7.随机产生迭代过程中不曾出现的新粒子加入种群中；

S8.在种群中选取适应度值最高的M个粒子构成新一代粒子种群；

S9.判断是否符合终止条件：若符合，则选择适应度值最高的粒子作为最优中继选择方案；若不符合，转到步骤S3继续进行；

所述的基于改进的遗传-粒子群混合算法的协作中继选择方法，具体包含以下顺序的步骤：

步骤1、发射端在通信时，检测周围空闲的N个可接入的中继节点，获取发射端到各中继节点间的信道状态信息；

步骤2、产生代表中继选择方案的粒子种群；产生M个粒子，M为种群规模，其中第k个粒子定义为Particle_k＝(X_k,V_k)(k＝1,···,M)，X_k是粒子的位置，表示第k种中继选择方案，V_k是粒子的运动速度，X_k和V_k均为含有N个元素的0-1数组；此外，定义M个含有N个元素的0-1数组X_{k_pbest}(k＝1,2,…,M)用来存储粒子的个体极值，定义1个含有N个元素的0-1数组X_gbest用来存储粒子种群的全局极值；X_k、V_k、X_{k_pbest}、X_gbest分别称为粒子的二进制位置、二进制运动速度、二进制个体极值和二进制全局极值；

步骤3、定义中继选择方案的适应度函数：以终端的传输速率与系统所消耗的功率为优化目标，粒子Particle_k的适应度函数定义为其中C_k、P_{k_sys}分别为第k种中继选择方案下发射端所获得的传输速率与系统所消耗的功率，C_max、C_min、P_{sys_max}、P_{sys_min}分别为该种群中全体粒子所代表的所有中继选择方案中，发射端所获得的最大传输速率、最小传输速率、系统最大消耗功率、系统最小消耗功率；

步骤4、根据步骤3所述的适应度函数计算步骤2中所述的各个粒子的初始适应度值其中是粒子的初始位置；

步骤5、将各个粒子的初始位置存储于各自的个体极值X_{k_pbest}(k＝1,2,…,M)中，完成个体极值的初始化；将适应度值最大的初始个体极值存储于全局极值X_gbest中，完成全局极值的初始化；

步骤6、通过更新粒子的速度V_k和位置X_k，产生新一代粒子种群：将V_k、X_k、X_{k_pbest}、X_gbest分别转化成十进制实数V_{k_d}、X_{k_d}、X_{k_pbest_d}、X_{gbest_d}；第j代粒子种群中的第k个粒子的十进制速度和十进制位置分别由搜索方程和产生，其中为Particle_k第j次迭代的十进制个体极值，为粒子种群第j次迭代的十进制全局极值，w为惯性权重因子，c₁、c₂为学习因子，R₁、R₂为(0,1)区间内的随机数，T为最大迭代数；

步骤7、若步骤6所述更新后的十进制位置为整数，则将直接转换为二进制位置若更新后的十进制位置非整数，则取以及指取的整数部分)，并分别转换为二进制数组二进制位置由式确定；

步骤8、通过式更新粒子个体极值；通过式更新全局极值；其中，位置为的粒子的适应度值满足即全局极值更新为适应度值最大的个体极值；

其中，下标kk为第kk个粒子；

为截至第j次迭代粒子Particle_kk的二进制个体极值或者粒子Particle_kk历次迭代过程中适应度值最大的位置；

是位置为的粒子的适应度值；

步骤9、将步骤8所得粒子种群视作基因种群，种群中的每个粒子的位置看作一条基因，根据高适应度值优先的方法，按照概率从步骤8所得种群中随机选择m₁(m₁为偶数，2≤m₁≤M)条基因进行基因重组；随机生成m₁个含有N个元素的0-1数组，分别作为重组所生成的基因所对应的粒子的速度，从而构成m₁个粒子，并将其加入粒子种群；

步骤10、按照低适应度值优先的方法，从步骤9所述基因重组后的粒子种群中选取适应度值较低的粒子，并从中按照概率随机选择m₂(1≤m₂≤M/2)个粒子对其位置所代表的基因进行突变，突变方法为：对于选中的待突变的基因在其N个元素中随机选择某几个元素将其取反，也即将原有的0变为1，或者原有的1变为0；随机生成m₂个含有N个元素的0-1数组，分别作为突变所生成的基因所对应的粒子的速度，从而构成m₂个粒子，并用其替换突变前的粒子；

步骤11、按照步骤2所述方法随机产生m₃个迭代过程中不曾出现的新粒子并将其加入种群，然后在种群中选取适应度函数值最高的M个粒子构成新一代粒子种群；按照步骤8更新新一代种群的个体极值和全局极值；

步骤12、迭代次数增加1，即j＝j+1，重复步骤6～11，直到种群的最大适应度值的增长连续若干次小于给定的阈值l_th，或者迭代次数达到最大值T，即j＝T；此时选择全局极值作为协作中继选择方案，中继选择算法结束。