基于信道排序的认知频谱分配算法

针对认知传感网中均衡能耗的频谱分配问题，提出了一种适应信道的改进遗传算法(Adapt channel improved genetic algorithm, ACGA)进行频谱分配。为改良遗传算法中传统交叉方法运用于频谱分配问题时面临的交叉失效等问题，采用一种基于信道排序的交叉方案，以信道排序的增益作为交叉的限制，并利用个体相似度进行交叉基因的选取。为增加遗传变异的可靠性，采用了一种混合变异方案，利用博弈对个体进行良性变异，同时组合传统变异以控制种群的整体进化方向。仿真实验表明，相比传统的遗传算法，所提算法有着良好的寻优能力，可以有效降低网络的周期能耗。     

基于蛙跳博弈优化算法的认知频谱分配

为有效分配与使用认知传感器网络中存在的空闲频谱，提高网络的吞吐量，提出了一种基于蛙跳博弈优化算法（Improve Swarm optimization method based on Leapfrog Game , ISLG）的认知频谱分配方案。节点采用双天线降低路由中的信道冲突概率，并针对在认知无线传感器网络(Cognitive Radio Sensor Networks，CRSN)中使用传统路由方案容易导致的节点间路由限制与热区问题，提出基于三角剖分分层的自适应路由，避免路由中多枝节点出现而增加网络的吞吐。频谱分配中，基于主用户位置信息，以蛙跳博弈基础寻优的分配群进行再移动，提高了频谱分配的可靠性。仿真实验表明，相比其他经典群优化算法，所提方案可以有效提高全局搜索能力，频谱分配后的系统吞吐量有了明显提升。