混合编码粒子ABC算法的CR认知决策引擎

计算机工程与应用 ›› 2015, Vol. 51 ›› Issue (14): 57-62.

混合编码粒子ABC算法的CR认知决策引擎

尤晓建1，2，韩雪梅1，伍春1，江虹1

1.西南科技大学国防科技学院，四川绵阳 621010
2.四川大学电子信息学院，成都 610064

出版日期:2015-07-15 发布日期:2015-08-03

Cognitive radio decision engine based on hybrid encoding particle ABC optimization algorithm

YOU Xiaojian1，2, HAN Xuemei1, WU Chun1, JIANG Hong1

1.School of National Defense Science and Technology, Southwest University of Science and Technology, Mianyang, Sichuan 621010, China
2.College of Electronics and Information Engineering, Sichuan University, Chengdu 610064, China

Online:2015-07-15 Published:2015-08-03

摘要/Abstract

摘要： 认知决策引擎是认知无线电（Cognitive Radio，CR）的核心。为适应CR参数的自适应重配置，提出了一种改进的二进制人工蜂群（Binary Artificial Bee Colony algorithm，BABC）算法。该算法在基本BABC算法的基础上，加入了反向学习初始化机制、混合编码规则以及社会认知策略，保证了个体的多样性、提高了搜索速度。给出了该算法的基本步骤，并在多载波通信系统中对算法性能进行了仿真。仿真结果表明，基于该算法的CR认知决策引擎的收敛速度和精度均优于经典的遗传算法（Genetic Algorithm，GA）和BABC算法，优化得到的系统参数具有更好的性能。

关键词: 混合编码, 粒子蜂群算法, 认知无线电, 决策引擎

Abstract: The core of the Cognitive Radio （CR） is decision engine. In order to adapt reconfiguration of the CR parameters, an improved Binary Artificial Bee Colony （BABC） algorithm is proposed. The algorithm is based on the basic BABC algorithm, and the opposition-based learning initialization mechanism, hybrid coding rules, and social cognitive strategies are added to ensure the diversity of individuals to improve the search speed. The key steps of the proposed Hybrid Encoding Particle Bee Colony （HABC） optimization algorithm are presented and multicarrier system is used for simulation analysis. The experimental results show that the convergence speed and accuracy of the proposed method is superior to the classical Genetic Algorithm （GA） and BABC method, CR decision engine optimization parameters have better performance.

Key words: hybrid encoding, particle artificial bee colony, cognitive radio, decision engine

尤晓建1，2，韩雪梅1，伍春1，江虹1. 混合编码粒子ABC算法的CR认知决策引擎[J]. 计算机工程与应用, 2015, 51(14): 57-62.

YOU Xiaojian1，2, HAN Xuemei1, WU Chun1, JIANG Hong1. Cognitive radio decision engine based on hybrid encoding particle ABC optimization algorithm[J]. Computer Engineering and Applications, 2015, 51(14): 57-62.

[1]	高芬，苏依拉，仁庆道尔吉. 基于篇章上下文的蒙汉神经机器翻译方法[J]. 计算机工程与应用, 2020, 56(20): 118-123.
[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]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	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.
[9]	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.
[10]	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.
[11]	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.
[12]	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.
[13]	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.
[14]	方伟，刘顺兰. 双门限和机会协作的频谱感知算法研究[J]. 计算机工程与应用, 2015, 51(8): 113-116.
[15]	潘春雨，闫坤，张向利. 认知无线电频谱切换的高效信道选择机制[J]. 计算机工程与应用, 2015, 51(20): 97-101.