[发明专利]基于量子猴群搜索机制的认知无线电功率控制方法

摘要

本发明提供一种基于量子猴群搜索机制的认知无线电功率控制方法，建立非合作博弈的认知无线电功率控制模型，计算认知用户效用函数和，引入功率代价机制，选择需要优化的目标函数的形式；受猴群活动启发，设计量子猴群搜索机制，产生量子猴群中猴子的量子位置和数量，映射系统用户发射功率与猴群的量子位置一一对应，计算适应度值；经猴群活动中攀爬的过程更新每只猴子的最优量子位置；把猴子爬过程的最优量子位置映射为发射功率，通过猴群活动的望‑跳与空翻的过程对猴子的最优位置进行更新；经数次迭代求得猴子的最优位置为最优解。本发明有更广泛的使用范围，能保证现有认知无线电系统中用户效用的提升，且用户功率的发射减少。

主权项

基于量子猴群搜索机制的认知无线电功率控制方法，其特征在于：步骤如下：步骤一：建立使用代价函数机制的非合作功率控制博弈NPGP模型：步骤二：初始化量子猴群中猴子的量子位置和数量，并将认知无线电中各用户发射功率的映射值与猴子的量子位置一一对应，取认知用户的效用函数和为适应度函数；步骤三：对种群中的猴子个体进行迭代，不断的改变猴子所处的量子位置以改善其适应度函数值从而模仿猴群攀爬的过程；步骤四：执行爬过程之后，猴群中的所有猴子均到达了各自所在位置附近的山顶，即达到了效用和函数的局部最优值；步骤五：猴子n到达新的位置yn后，猴子接着以yn映射得到的量子位置为起点，如步骤三再次执行攀爬的过程；步骤六：以当前猴群的重心所在位置为翻越支点，以一定的步长空翻到一个新的搜索区域进行猴子的空翻过程；步骤七：经以上各过程，完成了算法的一次迭代，猴子的位置得到了更新，当进化代数达到预先设定的最大值的时候算法停止，此时具有最优适应度的猴子所在的位置即为全局最优解，若未达到进化代数设定的最大值，则返回步骤三继续进行循环。