多目标遗传算法求解认知无线电性能优化问题

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (20): 159-162.

多目标遗传算法求解认知无线电性能优化问题

王国强，李金龙，张敏，王煦法

中国科学技术大学计算机科学与技术系，安徽省计算与通讯软件重点实验室，合肥 230027

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-07-11 发布日期:2007-07-11
通讯作者: 王国强

Solving performance optimization problem of cognitive radio with multiobjective evolutionary algorithm

WANG Guo-qiang，LI Jin-long，ZHANG Min，WANG Xu-fa

Department of Computer Science and Technology，Anhui Key Lab of Software in Computing and Communication，University of Science and Technology of China，Hefei 230027，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-07-11 Published:2007-07-11
Contact: WANG Guo-qiang

摘要/Abstract

摘要： 认知无线电的性能优化是一个动态多目标优化问题。现有的Bio-CR模型基于遗传算法优化认知无线电的性能，它使用线性加权方法将此多目标优化问题简化为了一个单目标优化问题。针对Bio-CR很难确定每个适应度函数的权值和容易漏掉一些最优解的问题，提出了基于多目标遗传算法的认知无线电性能优化算法CREA。CREA能够根据信道条件和用户服务需求的变化动态地调整传输参数以优化性能，不仅克服了Bio-CR的两个缺点，而且通过保存计算结果进一步减少了遗传算法的运行次数。CREA首先根据信道条件的变化动态确定一组适应度函数，然后运行多目标遗传算法获得一个Pareto-optimal set，最后根据用户服务需求从中选出一个最满意解，并通知认知无线电更新自己的传输参数。Matlab仿真实验证明了CREA的正确性和有效性。

关键词: 认知无线电, 多目标遗传算法, 性能优化, Bio-CR, CREA

Abstract: The performance optimization of cognitive radio is a multiobjective optimization problem.It’s difficult to assign the weight of each objective，and some optimal solutions will be omitted while using linear weight method to simply the multiobjective optimization problem into a single object optimization problem.We develop a new performance optimization algorithm called CREA based on a Multiobjective Evolutionary Algorithm.At first，CREA decides a group of fitness functions according to the changing of channel condition，and then runs the Multiobjective Evolutionary Algorithm to get a Pareto-optimal set.At last，CREA chooses a most satisfying solution from the Pareto-optimal set according to the users’ service requirement and notifies the radio to update the transmit parameters.The results of simulation experiment testify the validity of CREA.

Key words: cognitive radio, Multiobjective Evolutionary Algorithm, performance optimization, Bio-CR, CREA

王国强，李金龙，张敏，王煦法. 多目标遗传算法求解认知无线电性能优化问题[J]. 计算机工程与应用, 2007, 43(20): 159-162.

WANG Guo-qiang，LI Jin-long，ZHANG Min，WANG Xu-fa. Solving performance optimization problem of cognitive radio with multiobjective evolutionary algorithm[J]. Computer Engineering and Applications, 2007, 43(20): 159-162.

[1]	陈元文. MapReduce技术在物资调运与配载问题中的应用[J]. 计算机工程与应用, 2021, 57(12): 273-278.
[2]	王玉磊1，2，邱罡3. 物联网频谱感知的人工物理学优化实现[J]. 计算机工程与应用, 2019, 55(14): 83-86.
[3]	范怡敏1，罗云飞2，沈克永1. 具有先应性最优通道传输的车载网络研究分析[J]. 计算机工程与应用, 2018, 54(23): 68-73.
[4]	王聪1，2，徐琪1，2，程耀东1，陈刚1. 高能物理事例级数据管理与传输系统的研究[J]. 计算机工程与应用, 2018, 54(23): 230-237.
[5]	庄陵，童开蒙，王凯. 应用MDFT结构的认知无线电频谱感知方法[J]. 计算机工程与应用, 2018, 54(2): 82-86.
[6]	白玉，闫坤，李少鹏，张华伟，刘毅. 基于图分析的OFDM频谱感知[J]. 计算机工程与应用, 2018, 54(11): 86-90.
[7]	王莉莉1，陈国彬1，张广泉2，3. 认知无线电网络中基于公平性的功率控制方案[J]. 计算机工程与应用, 2017, 53(3): 144-148.
[8]	李晓艳，雷斌，华翔. 基于智能分析的分布式频谱共享技术研究[J]. 计算机工程与应用, 2017, 53(19): 124-129.
[9]	黎严，张国平，罗俊. 一种改进的多天线信号能量检测方案[J]. 计算机工程与应用, 2017, 53(10): 112-116.
[10]	李晓艳，雷斌，郭锦. 集中式认知网络分簇算法研究[J]. 计算机工程与应用, 2017, 53(10): 117-123.
[11]	李湘洋1，2，赵杭生2，曹龙1，2. 混合共享认知无线网络信道分配算法[J]. 计算机工程与应用, 2016, 52(6): 80-85.
[12]	祝永志，续士强，禹继国. 基于OpenMP/MPI并行编程模型的N体问题的优化实现[J]. 计算机工程与应用, 2016, 52(5): 16-21.
[13]	李洪兵1，陈斌斌2，廖玉祥1，冯文江2. 基于RSS-IWLS的认知无线电系统主用户定位算法[J]. 计算机工程与应用, 2016, 52(2): 146-150.
[14]	刘俊霞1，2，贾振红2. 基于适应值预测的DABC认知无线电频谱分配算法[J]. 计算机工程与应用, 2016, 52(18): 111-116.
[15]	张勇，岳金旺，王静，金勇. 天线选择下稳健波束形成新算法[J]. 计算机工程与应用, 2016, 52(12): 127-130.