基于自适应量子遗传算法的频谱智能分配方法组成比例

本发明专利技术公开了一种基于自适应量子遗传算法的频谱智能分配方法，包括如下步骤：设置种群大小、迭代次数、旋转角变化范围，同时，创建可用频谱矩阵、效益矩阵和干扰矩阵；确定种群中个体的量子位数，同时记录可用频谱矩阵L中为1的元素所在的位置；初始化种群；对种群进行测量，并进行干扰检测；种群评估，记录最优、最差个体；判断是否满足终止条件，若满足，则输出最优频谱分配方案，若不满足，则计算旋转角大小、运用量子旋转门进行种群更新、进行变异操作后并返回对种群进行测量的步骤，直至达到最大进化代数。该优化方法能够从符合条件的频谱分配方案中寻找到使系统收益最大化的频谱分配方案。配方案。配方案。

【技术实现步骤摘要】
基于自适应量子遗传算法的频谱智能分配方法


[0001]本专利技术属于人工智能
，特别提供了一种基于自适应量子遗传算法的频谱智能分配方法。

技术介绍

[0002]无线频谱资源是一种非常宝贵、稀缺和重要的资源。目前，频谱资源是由政府分配和管理的。现如今，灵活性高、可靠性高的无线通信技术已经被广泛应用于医疗、工业、教育等各个领域，无线通信技术的发展给人们带来便利。随着无线电通信需求的不断增长，可用频谱资源越来越少。目前，适合通信的频段大多已经被分配给授权用户使用，留给新用户可用的频谱越来越少。随着各式各样无线通信设备和应用随之出现，日益增长的频谱需求与有限的频谱资源的冲突变得越来越严峻。
[0003]现在，各国对于无线频谱的划分通常采用静态方式进行分配。通常，政府部门会根据授权用户的需求为它们分配所需要的频段，这些被分配的频段只能由这些授权用户使用，其他未授权的用户不能使用。为了防止频段之间的通信干扰，每个频段之间还会预留一定的间隙防止通信干扰。另外，一些学者在调查研究中还发现，在某些时间段内，一些被授权的频段并未被授权用户使用，处于空闲状态。有研究表明，当前政府所使用的分配方式使得有些频谱处于空闲状态，而某些频谱却处于拥堵状态，降低了频谱的使用效率。
[0004]综上，传统的静态分配方式虽然能够保证授权用户的正常通信，但却在一定程度上造成了频谱资源浪费现象的出现，使得频谱资源的利用效率降低。如何解决上述问题，成为研究热点。

技术实现思路

[0005]鉴于此，本专利技术的目的在于在图论着色模型的基础上，提供一种基于自适应量子遗传算法的频谱智能分配方法来解决频谱分配问题。
[0006]本专利技术提供的技术方案是：基于自适应量子遗传算法的频谱智能分配方法，包括如下步骤：
[0007]步骤1：设置种群大小popsize、迭代次数g
max
、旋转角变化范围[θ
min
,θ
max
]，同时，创建可用频谱矩阵L＝{l
n,m
|l
n,m
∈{0,1}}
N
×
M
、效益矩阵B＝{b
n,m
}
N
×
M
和干扰矩阵C＝{c
n,k,m
|c
n,k,m
∈{0,1}}
N
×
N
×
M
，其中，可用频谱矩阵L表示认知用户n是否可以使用频谱m的情况，效益矩阵B表示认知用户n使用可用频谱m后所获得的收益，干扰矩阵C表示认知用户之间产生的干扰；
[0008]步骤2：确定种群中个体的量子位数，同时记录可用频谱矩阵L中为1的元素所在的位置，保存在矩阵L1中，即L1＝{(n,m)l
n,m
＝1}；
[0009]步骤3：初始化种群，其中，初始种群Q＝{q1,q2,...,q
popsize
}中量子位的概率幅初始值均设为
[0010]步骤4：对种群进行测量得到一组测量值P＝{p1,p2,...p
popsize
}，并将所述测量值
映射到无干扰分配矩阵A中，得到分配结果，之后，检查认知用户间是否存在干扰现象，若有，则进行无干扰处理；
[0011]步骤5：对种群进行评估，计算适应度值，记录种群中的最优和最差个体；
[0012]步骤6：判断种群的进化代数是否已经达到最大值，若是，则将最优个体映射到无干扰分配矩阵A中，得到最优的频谱分配方案，否则，继续执行步骤7；
[0013]步骤7：计算量子旋转角的大小，并用量子旋转门对种群进行更新，其中，旋转角的大小通过下式计算得到：
[0014][0015]式中，θ
min
表示量子旋转角下限值，θ
max
表示量子旋转角上限值，f
i
表示当前个体i的适应度值，f
min
表示当前最差个体的适应度值，f
max
表示当前最优个体的适应度值，g
max
表示进化最大代数，g表示当前进化代数；
[0016]步骤8：根据变异概率对种群中符合条件的个体采取变异操作，随机生成一个与量子位数相同长度的二进制串，当二进制串中某一位为1时，则与之对应的量子位利用量子非门进行变异操作，若为0，则对应的量子位无需进行变异，变异操作结束后，返回步骤4继续执行。
[0017]优选，步骤2中，利用下式确定种群中个体的量子位数l：
[0018][0019]进一步优选，步骤4中，当认知用户n与认知用户k之间在使用频谱m时发生干扰时，频谱m的分配依据以下原则进行分配：若认知用户n、认知用户k各自已有的频谱数相同，则通过生成一个随机数，根据随机数与设定阈值比较的结果决定频谱m的分配。
[0020]进一步优选，步骤5中，将频谱分配目标作为适应度函数，用来衡量种群中个体的品质，其中，频谱分配的最终目的是实现系统收益的最大化。
[0021]本专利技术提供的基于自适应量子遗传算法的频谱智能分配方法，可实现频谱智能分配，基于自适应量子遗传算法，在自适应量子遗传算法中，旋转角的大小根据个体的进化程度来进行动态调整，同时，在算法中引入了变异操作，可避免算法在局部最优解的引导下陷入局部最优解，为了防止种群中的优秀个体在进化过程中被淘汰掉，在算法设计中，还增加了最优个体保留机制，经仿真测试，本专利技术采用的自适应量子遗传算法在平均最大化网络收益总和(MSRM)、最大化最小带宽(MMR)和最大比例公平性度量(MPF)三个目标的性能都要优于其它算法，当主用户、认知用户以及可用频谱数目和位置发生变化时，自适应量子遗传算法在提高MSRM、MMR和MPF方面的性能也比其它算法更好，因此，在本专利技术提出的基于自适应量子遗传算法的频谱分配方法具有较好的性能，能够更好地从符合条件的频谱分配方案中寻找到使系统收益最大化的频谱分配方案。
附图说明
[0022]下面结合附图及实施方式对本专利技术作进一步详细的说明：
[0023]图1为本专利技术提供的基于自适应量子遗传算法的频谱智能分配方法的流程图；
[0024]图2中(a1)～(a3)为N＝5,K＝10,M＝10时，不同分配目标下的四种算法对应的系统收益图，(b1)～(b3)为N＝30,K＝10,M＝10时，不同分配目标下的四种算法对应的系统收益图；
[0025]图3中(a1)～(a3)为N＝10,K＝10,M＝10时，四种算法对应的不同分配目标下的系统收益图，(b1)～(b3)为N＝10,K＝10,M＝20时，四种算法对应的不同分配目标下的系统收益图；
[0026]图4中(a1)～(a3)为N＝10,K＝5,M＝15时，四种算法对应的不同分配目标下的系统收益图，(b1)～(b3)为N＝10,K＝15,M＝15时，四种算法对应的不同分配目标下的系统收益图；
[0027]图5中(a1)～(a3)本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自适应量子遗传算法的频谱智能分配方法，其特征在于，包括如下步骤：步骤1：设置种群大小popsize、迭代次数g
max
、旋转角变化范围[θ
min
,θ
max
]，同时，创建可用频谱矩阵L＝{l
n,m
|l
n,m
∈{0,1}}
N
×
M
、效益矩阵B＝{b
n,m
}
N
×
M
和干扰矩阵C＝{c
n,k,m
|c
n,k,m
∈{0,1}}
N
×
N
×
M
，其中，可用频谱矩阵L表示认知用户n是否可以使用频谱m的情况，效益矩阵B表示认知用户n使用可用频谱m后所获得的收益，干扰矩阵C表示认知用户之间产生的干扰；步骤2：确定种群中个体的量子位数，同时记录可用频谱矩阵L中为1的元素所在的位置，保存在矩阵L1中，即L1＝{(n,m)l
n,m
＝1}；步骤3：初始化种群，其中，初始种群Q＝{q1,q2,...,q
popsize
}中量子位的概率幅初始值均设为步骤4：对种群进行测量得到一组测量值P＝{p1,p2,...p
popsize
}，并将所述测量值映射到无干扰分配矩阵A中，得到分配结果，之后，检查认知用户间是否存在干扰现象，若有，则进行无干扰处理；步骤5：对种群进行评估，计算适应度值，记录种群中的最优和...

【专利技术属性】
技术研发人员：赵霞，申海，李达哲，林雨奇，
申请(专利权)人：沈阳师范大学，
类型：发明
国别省市：