基于萤火虫算法的认知车载网络频谱分配

doi:10.3778/j.issn.1002-8331.1710-0014

计算机工程与应用 ›› 2019, Vol. 55 ›› Issue (2): 67-71.DOI: 10.3778/j.issn.1002-8331.1710-0014

基于萤火虫算法的认知车载网络频谱分配

朱丹1，邱斌1，2，肖海林1，4，倪菊3

1.桂林电子科技大学信息与通信学院，广西桂林 541004
2.桂林理工大学信息科学与工程学院，广西桂林 541004
3.桂林电子科技大学图书馆，广西桂林 541004
4.温州大学物理与电子信息工程学院，浙江温州 325035

出版日期:2019-01-15 发布日期:2019-01-15

Spectrum Allocation in Cognitive Vehicular Network Based on Firefly Algorithm

ZHU Dan1, QIU Bin1，2, XIAO Hailin1，4, NI Ju3

1.School of Information and Communication, Guilin University of Electronic Technology, Guilin, Guangxi 541004 China
2.College of Information Science and Engineering, Guilin University of Technology, Guilin, Guangxi 541004, China
3.Library, Guilin University of Electronic Technology, Guilin, Guangxi 541004, China
4.College of Physics and Electronic Information Engineering, Wenzhou University, Wenzhou, Zhejiang 325035, China

Online:2019-01-15 Published:2019-01-15

摘要/Abstract

摘要： 针对布谷鸟搜索算法在认知车载网中频谱分配收敛速度低的问题，提出了一种基于萤火虫算法的频谱分配方法。该方法考虑种群所获得的平均收益值，将频谱分配变量映射为萤火虫位置信息，并将车载网络的吞吐量转化为萤火虫的亮度值，采用萤火虫算法离散频谱分配变量并进行迭代寻优。数值结果表明，基于萤火虫算法的认知车载网络频谱分配方式的收敛速度快，且种群的平均收益值高于遗传算法和布谷鸟算法。

关键词: 认知车载网, 萤火虫算法, 频谱分配

Abstract: To solve slow convergence of cuckoo search algorithm for spectrum allocation in cognitive vehicle network, a new method based on firefly algorithm is proposed. In this method, the average benefit value of population is considered, the spectrum allocation variable is mapped into firefly location information, and the vehicle network throughput is converted into the firefly’s brightness value. Moreover, it utilizes firefly algorithm to discrete spectrum allocation variable and performs iterative optimization. The numerical analysis shows that the spectrum allocation of cognitive vehicle network based on firefly algorithm has a fast convergence speed, and the average benefit value is higher than that of genetic algorithm and cuckoo algorithm.

Key words: cognitive vehicular network, firefly algorithm, spectrum allocation

朱丹1，邱斌1，2，肖海林1，4，倪菊3. 基于萤火虫算法的认知车载网络频谱分配[J]. 计算机工程与应用, 2019, 55(2): 67-71.

ZHU Dan1, QIU Bin1，2, XIAO Hailin1，4, NI Ju3. Spectrum Allocation in Cognitive Vehicular Network Based on Firefly Algorithm[J]. Computer Engineering and Applications, 2019, 55(2): 67-71.

[1]	张哲辰，刘三阳. 基于拓扑改进与交叉策略的萤火虫算法[J]. 计算机工程与应用, 2019, 55(7): 1-8.
[2]	董晓庆1，2. 异构无线网络密集部署场景下高效网络接入及频谱分配[J]. 计算机工程与应用, 2019, 55(4): 101-111.
[3]	李丽娜1，郭永强1，2，张晓东1，卢媛1，徐攀峰1. 萤火虫算法结合人工势场法的机器人路径规划[J]. 计算机工程与应用, 2018, 54(20): 104-109.
[4]	陈冠宇1，孙鹏1，2，张杰勇1，武君胜3. 基于离散萤火虫算法的指控结构适应性调整[J]. 计算机工程与应用, 2018, 54(15): 112-119.
[5]	段少楠，戴胜华. 离散萤火虫算法在高速列车运行调整中的应用[J]. 计算机工程与应用, 2018, 54(15): 209-213.
[6]	林诗洁1，2，董晨1，2，陈明志1，2，张凡1，2，陈景辉1，2. 新型群智能优化算法综述[J]. 计算机工程与应用, 2018, 54(12): 1-9.
[7]	张明，张树群，雷兆宜. 改进的萤火虫算法在神经网络中的应用[J]. 计算机工程与应用, 2017, 53(5): 159-163.
[8]	陈娟1，2，唐俊2. 混合优化算法求解无线区域网络频谱问题[J]. 计算机工程与应用, 2016, 52(5): 110-113.
[9]	王大为1，朱方方2. 改进二进制粒子群算法及在频谱分配中的应用[J]. 计算机工程与应用, 2016, 52(21): 111-115.
[10]	卞京红1，贺兴时1，杨新社2. 基于萤火虫算法的自适应花授粉优化算法[J]. 计算机工程与应用, 2016, 52(21): 162-167.
[11]	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.
[12]	欧阳桢，李应. 基于萤火虫算法的匹配追踪用于生态声音辨识[J]. 计算机工程与应用, 2015, 51(2): 198-204.
[13]	杜贞，叶春明，凌远雄. 应用萤火虫算法求解基于学习效应的PFSP问题[J]. 计算机工程与应用, 2015, 51(16): 248-251.
[14]	项响琴1，张沪寅2. 渔夫捕鱼优化算法的认知无线电频谱分配[J]. 计算机工程与应用, 2014, 50(6): 72-76.
[15]	林睦纲1，刘芳菊2，童小娇1. 一种基于萤火虫算法的模糊聚类方法[J]. 计算机工程与应用, 2014, 50(21): 35-38.

基于萤火虫算法的认知车载网络频谱分配

Spectrum Allocation in Cognitive Vehicular Network Based on Firefly Algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics