基于非支配解排序量子雁群算法的多目标频谱分配方法

摘要

本发明的目的在于提供基于非支配解排序量子雁群算法的多目标频谱分配方法，包括以下步骤：建立认知无线电频谱分配的图论着色模型，初始化量子大雁的位置和量子速度，对种群中的个体根据其适应度值进行非支配解排序和拥挤度的计算，对非支配解排序等级相同的个体进行拥挤度由大到小进行排序，采用量子雁群的演进规则对种群进行演化，产生新的量子速度和位置，将得到的精英解集nonDomQGSAList中的解进行非支配解排序，选择非支配解等级为1的解作为最终的pareto前端解集。本发明解决了离散多目标优化问题，并设计新颖的非支配解排序的量子雁群算法作为演进策略，具有收敛速度快，收敛精度高的优点，且本发明的适用性更广。

主权项

1.基于非支配解排序量子雁群算法的多目标频谱分配方法，其特征是：(1)建立认知无线电频谱分配的图论着色模型，有N个认知用户标号为1到N竞争获取M个正交频道标号为1到M的使用权；确定种群规模pop，优化问题的维数并记录L中值为1元素对应的n与m，即令L₁＝{(n，m)|l_n，m＝1}且使L₁中的元素按照n递增m递增的方式排列，L₁中的元素个数即为l；(2)初始化量子大雁的位置x_ij(1≤i≤pop，1≤j≤l)和量子速度$v_{\mathrm{ij}}=1/\sqrt{2}(1\le i\le \mathrm{pop},1\le j\le 1),$并对每个量子大雁进行适应度评价；(3)对种群中的个体根据其适应度值进行非支配解排序和拥挤度的计算，多于最大值多目标优化问题，对于可行解u、v，若f_i(u)≥f_i(v)，(i＝1，2，·，w)对所有的i都成立，且知识有一个严格不等式成立，则成为u支配v，u为非支配解；若f_i(u)≤f_i(v)，(i＝1，2，·，w)对所有的i都成立，且知识有一个严格不等式成立，则成为v支配u，v为非支配解；否则解u、v之间无任何支配关系；(4)对非支配解排序等级相同的个体进行拥挤度由大到小进行排序，选择非支配解排序等级为1的解加入精英解集nonDomQGSAList中；(5)采用量子雁群的演进规则对种群进行演化，产生新的量子速度和位置，对新位置求解适应度值，并将该迭代产生解和上一代的解混合，产生规模为2×pop的解，并进行非支配解排序及拥挤度的计算，将产生的非支配解排序等级为1的解加入精英解集nonDomQGSAList中，非支配解排序等级不为1的解加入到nextQGSAListRest中；(6)如果精英解集nonDomQGSAList的个体数大于ElitePop，则对nonDomQGSAList中的解进行非支配解排序和拥挤度计算，并对非支配解排序等级相同的解进行拥挤度由大到小进行排序，从中选择前ElitePop个解作为精英解集；(7)如果nonDomQGSAList中的解目大于等于pop，则选取前pop个解作为量子大雁的位置参与下一代演化，否则：对nextQGSAListRest中的解进行非支配解排序和拥挤度计算、排序，选择非支配解排序等级为1的解作为量子大雁的位置参与下一代进行演化，更新nextQGSAListRest，即选择非支配解排序等级不为1的解，如果下一代的数目依旧小于pop，重复上述过程直至下一代的量子大雁的位置数目等于pop；(8)如果达到最大迭化代数，算法终止；否则返回步骤(5)继续进行；(9)将得到的精英解集nonDomQGSAList中的解进行非支配解排序，选择非支配解等级为1的解作为最终的pareto前端解集。