發(fā)布時間：2024-03-08 20:53

　　為有效地分配和使用空閑頻譜,提升認知無線傳感器網(wǎng)絡的頻譜利用率,需要設計高效的頻譜分配算法。針對認知無線傳感器網(wǎng)絡的頻譜分配問題,提出了一種頻譜分配的改進方法,設計了新的混沌動態(tài)克隆進化算法,建立了圖論著色模型,推導了相應的適應度函數(shù)。設計了新的混沌算子、自適應算子和克隆算子以加快算法的收斂速度。通過仿真,將混沌動態(tài)克隆進化算法與模擬退火算法、蟻群算法進行對比。仿真結果顯示,相比蟻群算法與模擬退火算法,混沌動態(tài)克隆進化算法能夠有效地提高全局搜索能力,頻譜分配的網(wǎng)絡效益值和系統(tǒng)的吞吐量有較明顯的提高。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1網(wǎng)絡效益值比較圖（認知用戶數(shù)為20)

仿真實驗基于9600型號的奔騰i5處理器，操作系統(tǒng)采用Windows7,4GB內存，仿真軟件使用MATLAB7。在仿真中，3種算法的個體數(shù)均設為40，迭代均為100次。所提混沌動態(tài)克隆進化算法的交叉概率設置為0.85，變異概率設置為0.05。為評價混沌動態(tài)克隆進化算法的性能，....

圖2網(wǎng)絡效益值比較圖（認知用戶數(shù)為30)

圖1網(wǎng)絡效益值比較圖（認知用戶數(shù)為20)在圖1中，設置頻帶個數(shù)為5、認知用戶數(shù)為20。由仿真結果可知，CACEA的網(wǎng)絡效益值大于ACO算法和SA算法的。經(jīng)過100次迭代后，CACEA的網(wǎng)絡效益值為124.59,ACO的網(wǎng)絡效益值為99.94,SA的網(wǎng)絡效益值為84.96，即CA....

圖3吞吐量比較圖（頻譜數(shù)為5)

為了比較3種算法的復雜度和系統(tǒng)開銷，針對圖1和圖2的兩種仿真參數(shù)，表1對比了3種算法運行所需的時間。從表1中可以看出，CACEA算法所需運行時間略少，即在網(wǎng)絡效益值獲得提升時，其在算法復雜度和系統(tǒng)開銷方面，相比ACO和SA略有下降。當頻帶的數(shù)量設為5，用戶數(shù)量為20時，CACEA....

本文編號：3922377