改进的人工鱼群算法在频率分配中的应用

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (34): 90-91.

改进的人工鱼群算法在频率分配中的应用

石飞1，邓磊2，夏晓燕2，常春2，王浩2，覃锡忠1，贾振红1

1.新疆大学信息科学与工程学院，乌鲁木齐 830046
2.中国移动通信集团新疆有限公司，乌鲁木齐 830063

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-12-01 发布日期:2011-12-01

Application in frequency assignment based on improved artificial fish swarm algorithm

SHI Fei1，DENG Lei2，XIA Xiaoyan2，CHANG Chun2，WANG Hao2，QIN Xizhong1，JIA Zhenhong1

1.School of Information Science and Engineering，Xinjiang University，Urumqi 830046，China
2.Subsidiary Company of China Mobile in Xinjiang，Urumqi 830063，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-12-01 Published:2011-12-01

摘要/Abstract

摘要： 在蜂窝移动通信网络中，为了应用有限的可用频谱来满足不断增长的客户需求，运用一定的优化算法合理规划频率资源显得尤为重要。针对这一问题，提出了一种改进的人工鱼群算法。算法引入了变异算子，来增强种群的多样性;采用动态调整步长，较好地平衡了全局和局部搜索能力;用整个人工鱼群的中心位置和全局极值位置代替人工鱼邻域中心位置和邻域极值位置，从而减少了算法的计算量，提高了运算精度。仿真结果表明，改进后的算法能够很好地解决频率分配问题，提高了算法的收敛率和收敛速度。

关键词: 人工鱼群算法, 变异算子, 频率分配, 动态步长

Abstract: In cellular mobile communication network，for using the limited available spectrum to meet the increasing demand of customer，it is important to scheme frequency source by applying some optimized algorithms.To the question，an improved artificial fish swarm algorithm is proposed.A mutation operator is introduced which can enhance the diversity of the population;dynamic adjustment of step length is used which can balance the global and local search capabilities better;utilizing the center of the artificial fish and location of global minimum instead of the artificial fish neighborhood center and neighborhood extreme position which is able to reduce the calculated quantity and enhance the computing accuracy.Simulation results show that the modified algorithm can solve the frequency assignment problem and improve the convergence rating and convergence speed.

Key words: artificial fish swarm algorithm, mutation operator, frequency assignment, dynamic step length

石飞1，邓磊2，夏晓燕2，常春2，王浩2，覃锡忠1，贾振红1. 改进的人工鱼群算法在频率分配中的应用[J]. 计算机工程与应用, 2011, 47(34): 90-91.

SHI Fei1，DENG Lei2，XIA Xiaoyan2，CHANG Chun2，WANG Hao2，QIN Xizhong1，JIA Zhenhong1. Application in frequency assignment based on improved artificial fish swarm algorithm[J]. Computer Engineering and Applications, 2011, 47(34): 90-91.

[1]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[2]	周原令，胡晓兵，江代渝，李航. 基于改进NSGA-II的车间排产优化算法研究[J]. 计算机工程与应用, 2021, 57(19): 274-281.
[3]	李荣，贺兴时，杨新社. 基于差分进化的飞蛾算法在电力调度中的应用[J]. 计算机工程与应用, 2021, 57(13): 258-268.
[4]	吴聪聪，贺毅朝，赵建立. 求解折扣{0-1}背包问题的新遗传算法[J]. 计算机工程与应用, 2020, 56(7): 57-66.
[5]	杨宇，曾国辉，黄勃. 基于双树复小波包和改进SVM的轴承故障诊断[J]. 计算机工程与应用, 2020, 56(17): 231-235.
[6]	张水平，高栋. 动态调整搜索策略的果蝇优化算法[J]. 计算机工程与应用, 2020, 56(10): 56-62.
[7]	李二超，陈瑞婷. 基于变异算子和邻域值自适应的MOEA/D算法[J]. 计算机工程与应用, 2019, 55(9): 49-55.
[8]	梅勋，叶春明. 考虑公平和护士偏好的护士排班研究[J]. 计算机工程与应用, 2019, 55(4): 263-270.
[9]	黄宇达1，王迤冉2，牛四杰3. 基于混沌和自适应搜索策略的GSO算法分析与优化[J]. 计算机工程与应用, 2019, 55(3): 147-153.
[10]	姚毅文，姜淑娟，薄莉莉. 基于变异测试的错误定位研究进展[J]. 计算机工程与应用, 2019, 55(20): 1-12.
[11]	邹德龙，王宝华. 一种混合优化算法面向高维函数优化的研究[J]. 计算机工程与应用, 2019, 55(20): 122-127.
[12]	胡士娟，鲁海燕，黄洋，许凯波. 求解工作量平衡多旅行商问题的改进遗传算法[J]. 计算机工程与应用, 2019, 55(17): 150-155.
[13]	肖素琼1，2，罗可1，2. 具备反向学习和局部学习能力的磷虾群算法[J]. 计算机工程与应用, 2018, 54(18): 34-39.
[14]	杨小健，徐小婷，李荣雨. 求解高维优化问题的遗传鸡群优化算法[J]. 计算机工程与应用, 2018, 54(11): 133-139.
[15]	姚凌波，戴月明，王艳. 反向自适应高斯变异的人工鱼群算法[J]. 计算机工程与应用, 2018, 54(1): 179-185.