蝙蝠算法改進(jìn)及其在認(rèn)知無線電頻譜分配中的應(yīng)用.pdf

1、最優(yōu)解一直是人們?cè)诠こ添?xiàng)目中追求的目標(biāo)，但隨著人們研究的問題越來越復(fù)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(dòng)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(shí)間內(nèi)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(dú)特的優(yōu)勢(shì)。蝙蝠算法是元啟發(fā)式算法中的一種，具有參數(shù)少、結(jié)構(gòu)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(diǎn)，被廣泛應(yīng)用到許多領(lǐng)域。本文對(duì)該算法進(jìn)行深入分析和研究，針對(duì)其不足進(jìn)行改進(jìn)，以提升蝙蝠算

2、法的優(yōu)化性能。主要包括以下幾個(gè)方面：
　?、僭简鹚惴ㄍㄟ^頻率 f改變蝙蝠飛行的步長，向當(dāng)前最優(yōu)解學(xué)習(xí)，步長是隨機(jī)的。為了加速收斂，在改進(jìn)蝙蝠算法中，依據(jù)蝙蝠與種群中當(dāng)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(yuǎn)，則向最優(yōu)位置隨機(jī)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(jī)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(dāng)前全局最優(yōu)解指導(dǎo)其他蝙蝠尋優(yōu)

3、，沒有跳出局部最優(yōu)值的機(jī)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(shí)，不但通過當(dāng)前全局最優(yōu)解指導(dǎo)其他蝙蝠尋優(yōu)，而且依靠所有蝙蝠平均最好位置指導(dǎo)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(yuǎn)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(yàn)證改進(jìn)蝙蝠算法的有效性，通過標(biāo)準(zhǔn)測(cè)試函數(shù)對(duì)算法的尋優(yōu)能力進(jìn)行測(cè)試，仿真實(shí)驗(yàn)結(jié)果表明，改

4、進(jìn)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(yīng)用范圍，將蝙蝠算法應(yīng)用在認(rèn)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(duì)蝙蝠算法進(jìn)行離散化處理。
　　針對(duì)基于圖論模型下頻譜分配，離散化處理后的蝙蝠算法（二進(jìn)制蝙蝠算法）的優(yōu)化結(jié)果并不好。因此，對(duì)二進(jìn)制蝙蝠算法進(jìn)行改進(jìn)，以提高系統(tǒng)效益。主要從以下幾個(gè)方面進(jìn)行改進(jìn)：
　　①將蝙蝠算法的選擇策略改為貪婪選擇，增強(qiáng)了蝙蝠算法在當(dāng)前位置的開發(fā)