[发明专利]基于模糊逻辑遗传算法的频谱分配方法

摘要

本发明公开了一种基于模糊逻辑遗传算法的频谱分配方法，主要解决现有认知网络频谱分配中存在的分配效率低、复杂度高的问题。其静态网络分配方法为：将频谱分配矩阵映射为染色体，在遗传算法迭代过程中用模糊逻辑对交叉率和变异率进行自适应调节，并进行交叉和变异操作，再将染色体逆映射为频谱分配矩阵，从而实现频谱优化分配；动态网络分配方法为：每个移动用户建立一个商讨组，将商讨组内频谱分配矩阵映射为染色体，通过模糊逻辑遗传算法优化本组内频谱资源，从而达到整个网络的频谱资源优化。本发明静态网络频谱分配方法的优点在于频谱分配效益高，动态网络分配方法的优点在于复杂度低、时间耗费少。可用于认知静态和动态网络中。

主权项

1.一种基于模糊逻辑遗传算法的静态网络频谱分配方法，包括如下步骤：(1)根据认知网络结构确定有效频谱矩阵Γ＝{u_m，n|u_m，n∈{0，1}}_M×N、效益矩阵E＝{e_m，n}_M×N和干扰矩阵C＝{c_m，k|c_m，k∈{0，1}}_M×N，其中M表示用户个数，N表示信道条数；u_m，n＝1表示用户m能利用信道n，u_m，n＝0表示用户m不能利用信道n；e_m，n表示用户m使用信道n时可获得的效益；c_m，k＝1表示用户m和用户k使用相同的信道会产生干扰，c_m，k＝0表示不会产生干扰；(2)将频谱分配矩阵A＝{a_m，n｜a_m，n∈{0，1}}_M×N中元素初始化为0，其中a_m，n＝1表示将信道n分配给用户m，a_m，n＝0表示信道n未分配给用户m；并将频谱分配矩阵A中元素一一映射为染色体码元，染色体长度为len＝M·N；(3)初始化遗传算法参数，包括种群大小S、变异率P_m和交叉率P_c；初始化遗传代数g＝1，随机产生种群大小为S的初始种群，即产生S条染色体，染色体矩阵表示为其由表示染色体i的第k个码元；(4)根据染色体矩阵L⁽ⁱ⁾、效益矩阵E和有效频谱矩阵Γ计算每条染色体的适应度函数根据适应度函数计算遗传算法收敛速度(5)根据上述收敛速度R(g)和遗传代数g，将收敛速度和遗传代数模糊化，收敛速度和遗传代数的模糊化输出分别为和其中{Low，Med，High}为收敛速率模糊集，Low、Med、High分别表示收敛速度低、中、高程度；{Small，Med，Large}为遗传代数的模糊集，Small、Med、Large分别表示遗传代数小、中、大程度；根据模糊逻辑规则集推出模糊化交叉率和变异率隶属度和其中Smaller、Small、Med、Large、Larger分别表示交叉率和变异率程度为极小、小、中、大、极大，利用下式反模糊化输出P_c和P_m：Pc=DPcSmallerx1+DPcSmallx2+DPcMedx3+DPcLargex4+DPcLargerx5Σi=15xi]]>Pm=DPmSmallery1+DPmSmally2+DPmMedy3+DPmLargey4+DPmLargery5Σi=15yi]]>其中x_i和y_i分别为交叉率和变异率模糊集中心点；(6)按照调整后的交叉率p_c和变异率P_m再对染色体进行交叉和变异操作，从而得到S·(P_c+1)条染色体，按照适应度函数从大到小的顺序选取S条染色体作为下一代种群；(7)判断遗传代数g是否达到最大进化代数g_max，若达到，将适应度最大的染色体矩阵逆映射回分配矩阵A，给各用户分配相应的频谱；否则，遗传代数g′＝g+1，继续步骤(4)～(6)。