量子粒子群算法的改进及其在认知无线电频谱分配中的应用

摘要

针对量子粒子群（QPSO）算法迭代后期种群多样性下降、收敛速度慢、易陷入局部最优的缺点，本文提出一种改进的QPSO算法。认知无线电是为了缓解频谱资源紧张而产生的，目前许多研究成果表明将量子智能算法应用于认知无线电频谱分配中是一个重要的研究思路和方向。本文研究基于QPSO及其改进算法的认知无线电频谱分配方案，并比较基于QPSO算法、改进的QPSO算法以及量子遗传算法（QGA）的认知无线电频谱分配的性能，主要工作有以下几点：
　　第一，首先分析目前存在的两种量子粒子群算法，包括基本原理、算法流程以及理论性能。然后通过实验仿真，分析比较两者的性能，说明选择基于量子力学波函数的量子粒子群(简称QPSO)算法作为研究对象的依据。
　　第二，首先以QPSO算法为依据，提出一种改进的QPSO算法——自适应收扩系数的双中心协作量子粒子群（AQPSO）算法，指出该算法的提出背景，包括改进思想的基础、来源以及目的，并且概括描述该思想。其次，详细阐述两个改进点——自适应收缩—扩张系数和全局最优位置的双重更新策略，包括基本原理、改进点的伪代码以及性能分析和比较。再次，给出AQPSO算法的算法流程。最后，通过实验仿真，从固定迭代次数和固定精度两个角度，分别比较QPSO和AQPSO算法的性能，验证了AQPSO相比QPSO具有较大的优势。
　　第三，研究基于量子粒子群算法的认知无线电频谱分配非合作博弈论模型。首先，研究认知无线电频谱分配和博弈论的相关理论以及认知无线电频谱分配的非合作博弈论模型的设计方法。其次，研究目前已存在的基于QGA和GA的认知无线电频谱分配，通过实验仿真测试QGA和GA的性能，验证了QGA相对于GA的优势。再次，分别研究基于QPSO和AQPSO算法的认知无线电频谱分配，详细探讨算法的性能和流程。最后，从实验角度，比较了两用户两信道以及多用户多信道情况下QGA、QPSO和AQPSO算法的性能，实验仿真表明，相比于QGA和QPSO算法，本文提出的AQPSO算法在收敛速度和寻优精度方面具有较高的优势。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1研究背景

1.2主要工作

第二章 量子粒子群算法

2.1引言

2.2 QPSO算法

2.3 LQPSO算法

2.4 QPSO和LQPSO的实验性能比较

2.5本章小结

第三章 改进的量子粒子群算法

3.1基本原理

3.2算法流程

3.3性能测试与分析

3.4本章小结

第四章 基于量子粒子群算法的认知无线电频谱分配方法研究

4.1认知无线电频谱分配

4.2博弈论

4.3认知无线电的博弈论模型

4.4认知无线电频谱分配的非合作博弈论模型

4.5基于QGA的认知无线电频谱分配

4.6基于QPSO算法的认知无线电频谱分配

4.7基于AQPSO算法的认知无线电频谱分配

4.8基于QGA、QPSO、AQPSO的认知无线电频谱分配的实验性能分析

4.9本章小结

第五章 总结与展望

参考文献

附录 攻读硕士学位期间撰写的论文

致谢