Hopfield神經(jīng)網(wǎng)絡(luò)的改進(jìn)及其在無線通信優(yōu)化中的應(yīng)用.pdf

1、智能優(yōu)化算法已隨著時代的需求逐漸成為一個成熟的演化計(jì)算方法。Hopfield神經(jīng)網(wǎng)絡(luò)就作為典型的并行智能優(yōu)化算法，以其獨(dú)特的算法優(yōu)越性而得到了幾十年之久的長足發(fā)展，現(xiàn)已經(jīng)成為一種理論與應(yīng)用研究都較成熟完備的智能優(yōu)化算法。
　　 本論文的主要貢獻(xiàn)和創(chuàng)新點(diǎn)如下:
　　 介紹了Hopfield神經(jīng)網(wǎng)絡(luò)的原理，并針對其在應(yīng)用中所呈現(xiàn)出的缺陷與不足進(jìn)行了改進(jìn)，并將改進(jìn)后的HNN優(yōu)化算法應(yīng)用到通信領(lǐng)域中一些優(yōu)化問題的解決上。本課題主

2、要提出了三種Hopfield神經(jīng)網(wǎng)絡(luò)的改進(jìn)算法，分別為動態(tài)步長HNN、模擬退火HNN與動態(tài)步長混沌HNN算法。本課題還將改進(jìn)后的Hopfield神經(jīng)網(wǎng)絡(luò)用于解決經(jīng)典組合優(yōu)化問題——旅行商問題、認(rèn)知無線電中最佳頻譜資源利用問題以及最大化無線傳感器網(wǎng)絡(luò)的生命周期問題。
　　 研究了在認(rèn)知多載波網(wǎng)絡(luò)中子載波功率分配算法，并結(jié)合Overlay與Underlay兩種模型各自的優(yōu)缺點(diǎn)，提出了一種混合頻譜接入算法。本文針對HNN易陷入局部極值

3、的問題，借鑒模擬退火算法的原理，提出了模擬退火-Hopfield神經(jīng)網(wǎng)絡(luò)，并將該優(yōu)化算法應(yīng)用于實(shí)現(xiàn)認(rèn)知無線電系統(tǒng)的遍歷容量最大化問題中。實(shí)驗(yàn)結(jié)果表明模擬退火-Hopfield神經(jīng)網(wǎng)絡(luò)可有效跳出局部極值，提高了取得全局最優(yōu)解的概率，同時實(shí)驗(yàn)表明，混合頻譜接入算法可比傳統(tǒng)算法取得更好的遍歷容量。
　　 提出了基于tent映射和動態(tài)步長的Hopfield神經(jīng)網(wǎng)絡(luò)。用TSP問題驗(yàn)證了此算法的性能優(yōu)于傳統(tǒng)HNN。本文還實(shí)現(xiàn)了對傳統(tǒng)LEAC