本文關(guān)鍵詞：基于元胞自動機的差分進化算法及其在通信系統(tǒng)中的應(yīng)用研究

  更多相關(guān)文章： 元胞自動機 差分進化 混沌局部搜索 信道估計 動態(tài)資源分配

【摘要】：差分進化算法是一種基于種群的并行迭代優(yōu)化算法,已經(jīng)廣泛應(yīng)用在求解各類優(yōu)化問題上。然而,差分進化算法也存在早熟收斂和搜索停滯等缺陷,限制了其優(yōu)化能力和應(yīng)用范圍,特別是應(yīng)用于求解動態(tài)優(yōu)化問題,迫切需要加以研究和改進。在通信系統(tǒng)設(shè)計領(lǐng)域中也存在很多優(yōu)化的應(yīng)用問題,如基于導(dǎo)頻的快衰落信道估計問題,因為快衰落導(dǎo)致很多參數(shù)并不能及時獲取;多中繼節(jié)點協(xié)同通信系統(tǒng)的資源分配問題,因為理論分析計算復(fù)雜,往往只能進行簡化近似處理。而啟發(fā)式智能算法為上述解析類問題提供了一種有效解決問題的新思路。為此,本文針對差分進化算法早熟收斂與搜索停滯的問題,提出基于元胞自動機進化的改進差分進化算法,并將其用以解決無線最佳接收機的信道估計算法以及協(xié)同通信系統(tǒng)的資源分配算法兩類優(yōu)化問題。論文的主要研究內(nèi)容和創(chuàng)新點如下:(1)提出基于元胞自動機的改進差分進化算法。針對差分進化算法早熟收斂的缺陷,通過利用元胞自動機具有擴散衍變與并行計算的特點,從而維護進化群體的多樣性。通過研究元胞鄰居結(jié)構(gòu)和元胞進化規(guī)則調(diào)節(jié)差分進化算法控制參數(shù)的選擇壓力,利用元胞自動機并行演化的特點平衡差分進化算法的探索能力與開發(fā)能力;通過反學(xué)習方法初始化種群以及正交交叉算子選擇多個子代中優(yōu)勝者進入下一代進化,從而實現(xiàn)提高進化算法的全局收斂速度并保持種群的多樣性,避免種群過早收斂。(2)提出基于混沌局部搜索的元胞差分進化算法。針對差分進化算法搜索停滯的缺陷,研究混沌局部搜索方法在差分進化算法的進化個體更新機制。通過利用混沌序列遍歷性的特點,對設(shè)定迭代次數(shù)內(nèi)未更新且陷入局部最優(yōu)的進化個體進行重新初始化,將幫助其脫離局部最優(yōu)解,從而大大提高獲得全局最優(yōu)解的幾率,盡快找到全局最優(yōu)解;算法利用混沌局部搜索算子的遍歷性和隨機性避免優(yōu)化算法陷入局部最優(yōu)和搜索停滯。(3)提出采用元胞差分進化算法實時獲得有效信道長度的一種新型最大似然信道估計算法。針對基于導(dǎo)頻的最小均方誤差準則信道估計算法計算復(fù)雜度高、傳輸效率低的缺點,首先在討論經(jīng)典的線性最小均方誤差信道估計算法的基礎(chǔ)上,通過對信號子空間維數(shù)的判定,獲得運算復(fù)雜度與估計性能的折中,即在估計性能基本不變的情況下,通過降低矩陣的秩,從而有效降低運算復(fù)雜度,同時通過二次濾波提高數(shù)據(jù)檢測的誤碼率性能;為了減小導(dǎo)頻數(shù)目,提高估計算法的傳輸效率,提出基于最小二乘支持向量機以及極限學(xué)習機的導(dǎo)頻預(yù)測機制;最后,通過采用元胞差分進化算法實時獲取有效信道長度,提出一種基于元胞差分進化的最大似然信道估計算法。(4)提出一種基于元胞差分進化算法的正交頻分多址協(xié)同通信系統(tǒng)資源分配算法。正交頻分多址協(xié)同通信系統(tǒng)的資源分配問題是一個復(fù)雜的聯(lián)合最優(yōu)化問題,很難找出最優(yōu)解,現(xiàn)有的分配方法一般采取簡化近似處理,從而將問題轉(zhuǎn)化為凸優(yōu)化問題進行求解次優(yōu)解。而啟發(fā)式智能算法為解決上述解析類問題提供了一種有效解決問題的新思路。第一,提出基于元胞差分進化算法的多中繼協(xié)同系統(tǒng)功率分配算法,并對其與其他經(jīng)典分配方法等進行仿真比較;第二,通過引入最大化準則作為優(yōu)化算法準則,提出基于元胞差分進化算法的正交頻分多址協(xié)同通信系統(tǒng)資源分配算法,從而兼顧多個用戶公平性和系統(tǒng)總體性能。
【關(guān)鍵詞】：元胞自動機 差分進化 混沌局部搜索 信道估計 動態(tài)資源分配
【學(xué)位授予單位】：上海大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：TP18;TN914
【目錄】：

• 摘要6-8
• ABSTRACT8-14
• 英文縮略語14-16
• 第一章 緒論16-33
• 1.1 課題研究的目的和意義16-17
• 1.2 差分進化算法的國內(nèi)外研究概況17-19
• 1.2.1 發(fā)展歷史17-18
• 1.2.2 國內(nèi)外研究概況18-19
• 1.3 差分進化算法存在的問題及改進策略19-29
• 1.3.1 差分進化算法的早熟收斂問題19-21
• 1.3.2 差分進化算法的搜索停滯問題21-23
• 1.3.3 差分進化算法的改進策略23-29
• 1.4 寬帶無線通信系統(tǒng)研究中的優(yōu)化問題29-30
• 1.5 論文主要研究內(nèi)容、創(chuàng)新點及章節(jié)安排30-33
• 1.5.1 論文主要研究內(nèi)容及創(chuàng)新點30-32
• 1.5.2 論文章節(jié)安排32-33
• 第二章 基于元胞自動機的改進差分進化算法33-57
• 2.1 引言33-34
• 2.2 經(jīng)典差分進化算法34-36
• 2.3 基于元胞自動機的差分進化算法36-42
• 2.3.1 元胞自動機演化機理36-37
• 2.3.2 反學(xué)習初始化37-38
• 2.3.3 正交交叉操作38-40
• 2.3.4 c DE的算法步驟40-42
• 2.4 算法結(jié)果分析42-55
• 2.4.1 算法性能比較42-46
• 2.4.2 算法收斂性分析46-55
• 2.5 本章小結(jié)55-57
• 第三章 基于混沌局部搜索的元胞差分進化算法57-74
• 3.1 引言57
• 3.2 基于元胞自動機的局部搜索差分進化算法57-60
• 3.2.1 混沌局部搜索機制57-58
• 3.2.2 cc DE算法58-60
• 3.3 算法結(jié)果分析60-73
• 3.3.1 算法性能比較60-63
• 3.3.2 算法收斂性比較63-73
• 3.4 本章小結(jié)73-74
• 第四章 基于元胞差分進化算法的快衰落信道估計74-99
• 4.1 引言74-75
• 4.2 經(jīng)典OFDM信道估計算法75-77
• 4.2.1 系統(tǒng)模型75-76
• 4.2.2 MMSE/LMMSE信道估計算法76-77
• 4.3 基于奇異值分解與二次濾波的信道估計算法77-84
• 4.3.1 基于奇異值分解的OFDM信道估計77-78
• 4.3.2 SVD-LF信道估計算法78-80
• 4.3.3 仿真結(jié)果分析80-84
• 4.4 基于導(dǎo)頻預(yù)測及二次濾波的信道估計算法84-93
• 4.4.1 基于LS-SVM導(dǎo)頻預(yù)測及二次濾波的信道估計算法84-88
• 4.4.2 基于極限學(xué)習機預(yù)測及二次濾波的信道估計算法88-90
• 4.4.3 仿真結(jié)果分析90-93
• 4.5 基于元胞差分進化算法的信道估計算法93-97
• 4.5.1 OFDM最大似然估計算法94-95
• 4.5.2 基于差分進化算法的最大似然信道估計算法95-96
• 4.5.3 仿真結(jié)果分析96-97
• 4.6 本章小結(jié)97-99
• 第五章 基于元胞差分進化算法的協(xié)同通信資源分配99-125
• 5.1 引言99-100
• 5.2 中繼協(xié)同通信的資源分配理論100-106
• 5.2.1 系統(tǒng)模型100-102
• 5.2.2 接收信號合并方式102-103
• 5.2.3 各種中繼轉(zhuǎn)發(fā)協(xié)議下的性能分析103-104
• 5.2.4 多中繼協(xié)同通信系統(tǒng)的遍歷容量及中斷概率分析104-106
• 5.2.5 多中繼協(xié)同通信系統(tǒng)的功率分配分析106
• 5.3 基于元胞差分進化算法的多中繼協(xié)同通信功率分配106-112
• 5.3.1 基于元胞差分進化算的多中繼功率分配算法107-108
• 5.3.2 功率分配優(yōu)化結(jié)果與分析108-112
• 5.4 基于元胞差分進化算法的OFDMA協(xié)同通信資源分配112-123
• 5.4.1 多中繼OFDMA協(xié)同通信系統(tǒng)113-114
• 5.4.2 基于元胞差分進化算法的OFDMA協(xié)同通信資源分配算法114-118
• 5.4.3 仿真及性能分析118-123
• 5.5 本章小結(jié)123-125
• 第六章 總結(jié)與展望125-128
• 6.1 論文工作總結(jié)125-127
• 6.2 研究展望127-128
• 附錄128-131
• 參考文獻131-144
• 作者在攻讀博士學(xué)位期間公開發(fā)表的論文144-145
• 作者在攻讀博士學(xué)位期間所作的項目145-146
• 致謝146

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 Aijun Zhu;Chuanpei Xu;Zhi Li;Jun Wu;Zhenbing Liu;;Hybridizing grey wolf optimization with differential evolution for global optimization and test scheduling for 3D stacked SoC[J];Journal of Systems Engineering and Electronics;2015年02期

2 Hong Li;Li Zhang;Yongchang Jiao;;Solution for integer linear bilevel programming problems using orthogonal genetic algorithm[J];Journal of Systems Engineering and Electronics;2014年03期

3 詹騰;張屹;朱大林;劉錚;鄭小東;;基于多策略差分進化的元胞多目標遺傳算法[J];計算機集成制造系統(tǒng);2014年06期

4 Yu Xue;Yi Zhuang;Tianquan Ni;Siru Ni;Xuezhi Wen;;Self-adaptive learning based discrete differential evolution algorithm for solving CJWTA problem[J];Journal of Systems Engineering and Electronics;2014年01期

5 趙靜;趙衛(wèi)虎;李勇軍;趙尚弘;王翔;韓磊;李軒;;基于改進小生境遺傳算法的微波/光混合鏈路中繼衛(wèi)星資源調(diào)度方法[J];光電子.激光;2014年01期

6 趙靜;趙衛(wèi)虎;李勇軍;趙尚弘;王翔;韓磊;李軒;;基于改進NSGA-Ⅱ算法的微波/光混合鏈路中繼衛(wèi)星多目標資源調(diào)度算法[J];中國激光;2013年12期

7 黎明;盧明;陳昊;黎政秀;;基于線性映射的多物種捕食元胞遺傳算法[J];模式識別與人工智能;2013年10期

8 嚴細輝;蔡伯根;寧濱;上官偉;;基于差分進化的高速列車運行操縱的多目標優(yōu)化研究[J];鐵道學(xué)報;2013年09期

9 陳俊風;吳鐵軍;;群體智能算法搜索策略的性質(zhì)及對停滯現(xiàn)象的影響[J];系統(tǒng)工程理論與實踐;2013年06期

10 譚躍;譚冠政;鄧曙光;;Hybrid particle swarm optimization with differential evolution and chaotic local search to solve reliability-redundancy allocation problems[J];Journal of Central South University;2013年06期

，

本文編號：673020