基于遗传算法的协作频谱感知优化方法

摘要

本发明公开了一种基于遗传算法的协作频谱感知优化方法，其实现步骤是：将协作频谱感知优化问题中的优化变量对应于遗传算法的个体定义，目标优化函数f(W)对应于遗传算法的适应度函数；从一个初始种群出发，利用适应度函数对每一个个体进行评估，取出适应度值最低的C个个体，经过交叉和变异操作，产生一群更适应环境的个体，使群体进化到搜索空间中越来越好的区域；经过这样一代又一代地不断繁衍进化，最后得到最适合环境的个体，也就是协作频谱感知优化问题的最优解。本发明在协作频谱感知优化时具有检测性能好、稳定且计算时间少等优势。

主权项

基于遗传算法的协作频谱感知优化方法，其特征在于，所述方法包括以下步骤：(1)建立协作频谱感知优化模型；(2)初始化遗传算法参数；其中包括种群大小P，交叉概率P_c，变异概率P_m；初始化遗传代数t＝1，随机产生P个个体作为初始种群，记个体i为x_i＝[x_i1...x_iD],i＝1...P，其中D表示个体的维数，并根据式对其归一化，所述个体可以直接定义为待优化的变量，即控制中心给各用户统计信息所分配的权值因子W，即(3)计算步骤(2)中每个个体的适应度值；根据所述适应度值对个体从小到大重新排列，并选出前C个个体，其中C＝P_c×P，所述适应度函数定义为每个个体所代表的权值获得的检测结果；(4)将选出的个体送入杂交池，并将其进行任意的两两配对，形成父代个体，对于每一对父代个体，随机选取交叉点，交叉后的新子代个体则通过交换父代个体中交叉点后相应的元素部分来获得；(5)对于交叉之后的个体，根据步骤(2)设定的变异概率P_m，并取出一部分个体进行变异；(6)合并所有的个体，同时对所有的个体进行归一化操作，其中，归一化方法同步骤(2)，并计算所有个体的适应度值，根据适应度值对个体从小到大重新排列，选出前C个个体进入下一代的杂交池其中C＝P_c×P；(7)判断遗传代数t是否达到最大进化代数T_max，若达到，输出全局最优值W_o，并根据式求出它所对应的检测概率P_d，其中公式中A＝2Ndiag²(σ)+diag(δ)，B＝2Ndiag²(σ)+diag(δ)+4E_sdiag(g)diag(σ)；否则，遗传代数t＝t+1，重复步骤(4)～(7)。