的适应度值，所述适应度函数定义为食物 源的收益率；根据食物源的收益率记录当前最好的解Xbest^
[0055]步骤三，产生新解，根据式他W ，引领蜂 产生新解，其中i = 1，2,…，SN，随机生成巧，r2, r3, r4G {1，2,…，SN}，且满足;[乒1'1乒1'2乒1'3乒1'4，乂1^，(；是当前最好的解，变异概率？111￡[0，1]，本发明中，？111=〇.5。
三的新解NeWi，e+1和对应的父代个体X ijl]得到试验向量T ^/TilP1Ji2P1, . .，TiD，e+1)，其中 j = l，2，...，D，rind(i)是从[1，2，...，D]中随机选取的，交叉概率PeG [0, 1]，本发明中， Pc= 0? 9。
[0057] 步骤五，选择，利用贪婪选择策略从步骤四的试验向量值与原来的食物源之间选 择出收益率更高的食物源；计算当前所有食物源的适应度值，并根据适应度值计算每个食
[0058] 步骤六，产生新解和选择，跟随蜂根据步骤五得到的概率选择食物源，并搜索邻域 中的食物源，根据式L =心,.y + Apw -产生新解，其中Xf(jl，j是跟随蜂选择的食物 源，fol G {1，2, ? ? ? SN}和 Xrl，」，Xr2;j ri，r2G {1，2, ? ? ?，SN}满足 fol 乒 r 声 r 2，三者均通 过轮盘赌策略得到，&是介于-1和1之间的随机数，并计算适应度值；利用贪婪选择策略 在新解和原来的解之间选择出收益率更高的解。
[0059] 步骤七，判断是否有要放弃的解，即如果某个解经过limit次循环之后没有得到 改善，此时对应的引领蜂变成侦察蜂，根据式< + -xiOd =卩2，...，^1随机产 生一个新解来替代该解。
[0060] 步骤八，一次迭代结束后，记录当前最好的解。
[0061] 步骤九，判断迭代次数t是否达到最大迭代次数Tmax，若达到，输出全局最优X_， 并根据式f^rTa-Pfhi，Y i)), Xi= [? i，Yi]得到系统的吞吐量；否则迭代次数t = t+1，重复步骤二~九。
[0062] 为了更好地描述本发明的效果，将通过下面的仿真实例进一步说明。
[0063] 一、仿真参数设置
[0064] 具体参数设置如表1所示：
[0065]
[0066] 二、仿真方法
[0067] 现有的基于遗传算法（GA)的多频带协作频谱感知优化方法，基于粒子群算法 (PSO)的多频带协作频谱感知优化方法和本发明方法。
[0068] 三、仿真内容
[0069]仿真1
[0070] 如图3所示，本发明方法在不同干扰和频谱接入率的情况下，最佳门限对应的虚 警概率和检测概率柱状图。在图3中，柱状图31是干扰a =0.2,频谱接入率0 =0.3对 应的值，柱状图32是干扰a = 〇. 2,频谱接入率0 = 0. 5对应的值，柱状图33是干扰a =0. 2,频谱接入率0 = 0. 6对应的值。
[0071] 在相同的干扰和不同的频谱接入率时，从柱状图的分布可以看出，最佳门限对应 的虚警概率和检测概率总能够在一定的迭代次数内得到，可见该发明方法已经突破了凸性 限制。
[0072]仿真 2
[0073] 如图4所示，将本发明方法与基于遗传算法（GA)的多频带协作频谱感知优化方法 以及基于粒子群算法（PSO)的多频带协作频谱感知优化方法的系统吞吐量进行比较。在图 4中，曲线41是本发明方法仿真得到的吞吐量曲线，曲线42是基于遗传算法（GA)的多频带 协作频谱感知优化方法仿真得到的吞吐量曲线，曲线43是基于粒子群算法（PSO)的多频带 协作频谱感知优化方法仿真得到的吞吐量曲线。对比曲线41、42和43可以看出，在相同的 种群数目和迭代次数下，随着系统干扰的增加，本发明方法得到的系统吞吐量增加，且总是 大于基于粒子群算法的多频带协作频谱感知优化方法和基于遗传算法的多频带协作频谱 感知优化方法。
[0074] 综合分析上述仿真结果，本发明方法在多频带协作频谱感知优化时具有检测性能 好、稳定等优势。
[0075] 以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精 神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种基于人工蜂群算法的多频带协作频谱感知优化方法，其特征在于，所述基于人 工蜂群算法的多频带协作频谱感知优化方法将多频带协作频谱感知优化问题中的优化变 量对应于改进人工蜂群算法中食物源的位置，每个食物源的收益率由优化问题所确定适应 度函数决定，跟随蜂或引领蜂的个数与解的个数一致；从一个随机产生的初始种群出发，先 是引领蜂对相应食物源的邻域进行一次搜索，搜索到的食物源的花蜜质量比之前的优，用 新的食物源的位置替代之前的食物源位置，否则保持旧的食物源位置不变；所有的引领蜂 完成搜索之后，回到舞蹈区把食物源花蜜质量的信息通过跳摇摆舞传递给跟随蜂。2. 如权利要求1所述的基于人工蜂群算法的多频带协作频谱感知优化方法，其特征在 于，所述基于人工蜂群算法的多频带协作频谱感知优化方法具体包括以下步骤： 步骤一，建立多频带协作频谱感知优化模型； 步骤二，初始化参数；包括种群大小，控制参数'limit'和最大迭代次数、^初始化迭 代次数t= 1，随机生成一个含有SN个解的初始种群，每个解\(1 = 1，2，...，SN)是一个 D维矢量，Xi= [?i,yJ，D= (N+1)*K，其中w是控制中心给各用户统计信息所分配的权 值因子，y是判决门限，N是协作感知的用户数，K是子带数目； 步骤三，计算步骤二中每个解的适应度值，所述适应度函数定义为食物源的收益率；根 据食物源的收益率记录当前最好的解Xbest，e; 步骤四，引领蜂搜索邻域中的食物源，产生新解 步骤五，利用交叉算子，引领蜂根据步骤四的新解和对应的父代个体Xu得到 试验向量； 步骤六，利用贪婪选择策略从步骤五的试验向量值与原来的食物源之间选择出收益率 更高的食物源；计算当前所有食物源的适应度值，并根据适应度值计算每个食物源对应的 选择概率； 步骤七，跟随蜂根据步骤六得到的概率选择食物源，并搜索邻域中的食物源，产生新 解，并计算适应度值；利用贪婪选择策略在新解和原来的解之间选择出收益率更高的解； 步骤八，判断是否有要放弃的解，即如果某个解经过limit次循环之后没有得到改善， 此时对应的引领蜂变成侦察蜂，随机产生一个新解来替代该解； 步骤九，一次迭代结束后，记录当前最好的解； 步骤十，判断迭代次数t是否达到最大迭代次数T_，若达到，输出全局最优X_，并根 据式fi=rTd-Pfhi，Yi))，Xi= [?i，得到系统的吞吐量；否则迭代次数t=t+1， 重复步骤四~步骤十。3. 如权利要求2所述的基于人工蜂群算法的多频带协作频谱感知优化方法，其特征在 于，所述多频带协作频谱感知模型为：s.t.cT(l-Pd(ff,y)) ^e 1-Pd(ff,y) ^a l-Pf(W,y) ^ 0 其中，W= [Wi, ?2, . . . , ?K]是权值因子，y=[yy2, . . .yK]是判决门限，K表示 子带数目，rT=[rr2,. ? .，rK]是实现的吞吐率，cT=[cpc2,. . .，cK]是代价系数，e代表 系统总的干扰，a= [aa2, . ..，aK]T表示每个子带的干扰限制，|3 = [ |3 |3 2, . . .，|3J T是每个子带实现的最小机会频谱利用率，是虚警概率，其中第k个子带的虚警概率表示为.是检测概率，其中第k个子带的检测 概率表示为，M是检测区间长度，< 是噪声功率， S4=<I+ 2也/g(G),Gk= [|Hk⑴|2, |Hk⑵|2，... |Hk(N) |2]T是主发送用户和次级接收用 户间的信道增益，N表示协作用户的数目。4. 如权利要求2所述的基于人工蜂群算法的多频带协作频谱感知优化方法，其特征在 于，所述步骤三食物源的收益率计算公式如下： 根据式I到每个食物源的收益率，其中fi是目标函数fi= rT(l-Pf (?j, y i))〇5. 如权利要求2所述的基于人工蜂群算法的多频带协作频谱感知优化方法，其特征在 于，所述步骤四引领蜂搜索邻域中的食物源，产生新解Newu+i的计算公式为： 根据式施^=4^+4(、-',￡?-^^+弋冰引领蜂产生新解，其中1 = 1，2, ? ? ?，SN，随机生成；r2,r3,r4G{1，2, ? ? ?，SN}，且满足i乒r1 乒;r2乒r3乒r4,Xbest，G 是当前最好的解，变异概率Pme[0,l]，Pm= 0. 5。6. 如权利要求2所述的基于人工蜂群算法的多频带协作频谱感知优化方法，其特征在 于，所述步骤五利用交叉算子，引领蜂根据步骤四的新解Newu+i和对应的父代个体X^得 到试验向量的计算公式为： 根据式得到试验向量T_ (Tn，e+1，Ti2，e+ 1，...，^，<;+1)，其中」=1，2，...，0，1^11(1(1)是从[1，2，...，0]中随机选取的，交叉概率 PcG [〇, 1],PC= 0. 9〇7. 如权利要求2所述的基于人工蜂群算法的多频带协作频谱感知优化方法，其特征在 于，所述步骤六中： 根据式计算出每个食物源的选择概率，跟随蜂根据食物源的收益率大小，按 照轮盘赌的选择策略来选择食物源，其中打\是食物源i的适应度值，即收益率； 所述步骤七中： 根据式L+义，跟随蜂产生新解，其中j是跟随蜂选择的食物 源，folG{1，2, ? ? ?SN}和Xrl，j,Xr2，jA,r2G{1，2, ? ? ?，SN}满足fol乒r声r2，三者均通 过轮盘赌策略得到，Ru是介于-1和1之间的随机数； 所述步骤八的计算公式为： 根据式彳=4 +酬=l，2，...，D，某个经过limit次循环没有得到改善的 解被该随机产生的新解代替。8. 如权利要求1-7任意一项所述的基于人工蜂群算法的多频带协作频谱感知优化方 法在函数优化中的应用。9. 如权利要求1-7任意一项所述的基于人工蜂群算法的多频带协作频谱感知优化方 法在电磁场逆问题数值优化中的应用。10. 如权利要求1-7任意一项所述的基于人工蜂群算法的多频带协作频谱感知优化方 法在生产调度中的应用。
【专利摘要】本发明公开了一种基于人工蜂群算法的多频带协作频谱感知优化方法，将多频带协作频谱感知优化问题中的优化变量对应于改进人工蜂群算法中食物源的位置，每个食物源的收益率由优化问题所确定的适应度函数决定，跟随蜂或引领蜂的个数与解的个数一致；从一个随机产生的初始种群出发，先是引领蜂对相应食物源的邻域进行一次搜索，如果搜索到的食物源的花蜜质量比之前的优，那么就用新的食物源的位置替代之前的食物源位置，否则保持旧的食物源位置不变；所有的引领蜂完成搜索之后，回到舞蹈区把食物源花蜜质量的信息通过跳摇摆舞传递给跟随蜂。本发明快速高效地搜索到最优解；加快了算法的收敛性，具有鲁棒性和适应性，实现了更高的系统吞吐量。
【IPC分类】H04B17/382
【公开号】CN104993889
【申请号】CN201510394329
【发明人】黑永强, 李文涛, 简红星, 李敏, 邱卓
【申请人】西安电子科技大学
【公开日】2015年10月21日
【申请日】2015年7月7日