蝙蝠算法改進及其在認知無線電頻譜分配中的應用.pdf

1、最優(yōu)解一直是人們在工程項目中追求的目標，但隨著人們研究的問題越來越復雜，規(guī)模越來越大，約束條件也越來越多，求解最優(yōu)解變得愈發(fā)困難，如動態(tài)規(guī)劃，組合優(yōu)化隨著問題規(guī)模的增長，傳統(tǒng)方法無法在有效時間內得到最優(yōu)解，而元啟發(fā)式算法在求解這些問題上有著獨特的優(yōu)勢。蝙蝠算法是元啟發(fā)式算法中的一種，具有參數(shù)少、結構簡單、收斂速度快、能很好平衡局部搜索和全局搜索等優(yōu)點，被廣泛應用到許多領域。本文對該算法進行深入分析和研究，針對其不足進行改進，以提升蝙蝠算

2、法的優(yōu)化性能。主要包括以下幾個方面：
　?、僭简鹚惴ㄍㄟ^頻率 f改變蝙蝠飛行的步長，向當前最優(yōu)解學習，步長是隨機的。為了加速收斂，在改進蝙蝠算法中，依據(jù)蝙蝠與種群中當前最優(yōu)位置的距離大小而選擇不同的更新策略。若距離較遠，則向最優(yōu)位置隨機飛行一段距離，若距離較近，表明該蝙蝠就在最優(yōu)位置附近，則就在附近隨機搜索。
　?、谕ㄟ^分析蝙蝠的飛行軌跡，發(fā)現(xiàn)造成早熟的原因主要是蝙蝠種群多樣性下降，僅僅依靠當前全局最優(yōu)解指導其他蝙蝠尋優(yōu)

3、，沒有跳出局部最優(yōu)值的機制。因此，將量子行為的蝙蝠引入到蝙蝠算法中，以利于增加種群的多樣性跳出局部最優(yōu)解，避免算法早熟。
　?、墼谒阉鲿r，不但通過當前全局最優(yōu)解指導其他蝙蝠尋優(yōu)，而且依靠所有蝙蝠平均最好位置指導蝙蝠尋優(yōu)，平均最好位置考慮了種群中各蝙蝠經(jīng)歷過的最好位置，使得遠離最好位置的蝙蝠飛行到其附近，有助于加快算法的收斂速度。
　　為了驗證改進蝙蝠算法的有效性，通過標準測試函數(shù)對算法的尋優(yōu)能力進行測試，仿真實驗結果表明，改

4、進蝙蝠算法能有效提高尋優(yōu)精度，加快算法的收斂速度。為了拓展蝙蝠算法的應用范圍，將蝙蝠算法應用在認知無線電中的頻譜分配。由于頻譜分配問題是離散域優(yōu)化問題，因此，需要對蝙蝠算法進行離散化處理。
　　針對基于圖論模型下頻譜分配，離散化處理后的蝙蝠算法（二進制蝙蝠算法）的優(yōu)化結果并不好。因此，對二進制蝙蝠算法進行改進，以提高系統(tǒng)效益。主要從以下幾個方面進行改進：
　?、賹Ⅱ鹚惴ǖ倪x擇策略改為貪婪選擇，增強了蝙蝠算法在當前位置的開發(fā)