认知无线网络中基于HJ-DQPSO优化的频谱分配机制

在认知用户和授权用户共存的认知无线网络模型中,为了解决认知无线网络中最大化网络效益和用户间接入网络的公平性联合最优化的多目标频谱分配难题,提出了一种新的基于 hooke jeeves（HJ）计算和量子粒子群（quantum particle swarm optimization,QPSO）理论的离散多目标组合优化机制,即 HJ-DQPSO 优化机制。该机制中,提出了采用 HJ 算法进行局部搜索,防止陷入局部最优,并对 QPSO 算法进行离散化处理以便更匹配离散的频谱分配模型。与现有的频谱分配算法进行仿真性能比较,实验结果表明,该机制具有逼近最优解、快速收敛、不易陷入局部最优、参数设置少的特点。在不同的优化目标情况下,能够较好地逼近频谱分配最优解而且可以实现快速收敛,在满足多个优化目标的情况下可以获得更合理的频谱分配方案。     

认知无线网络中准入控制和功率控制联合优化

提出了一种基于离散的粒子群算法和单纯形法的优化机制来实现准入控制和功率控制的联合优化方案。在主用户干扰温度门限和次用户QoS的约束下,将准入控制建模成0/1组合优化问题,并将功率控制建模成线性约束问题,由于准入控制是NP难,该方案将准入控制和功率控制进行加权规划进行优化,同时,为降低计算复杂度,提出一种针对准入控制组合优化的可行性验证方法。并且针对离散的粒子群算法的收敛性进行了证明。仿真与分析表明,该方案具有收敛性,相比其他优化方案,能更有效地提高用户准入量并降低用户功率消耗,提高网络性能。