m基于GA遗传优化的多因素加权竞价博弈频谱分配算法matlab仿真

本文涉及的产品
全球加速 GA,每月750个小时 15CU
简介: m基于GA遗传优化的多因素加权竞价博弈频谱分配算法matlab仿真

1.算法描述

   假设有M个用户均为MIMO Full Duplex,N个频率,1<N<M,设计算法实现M个用户与N个频率的匹配。

   由于在一个MIMO系统中,用户数量M大于可用的频谱个数N,因此,必有一部分用户存在频谱共享的问题。目前,现有的关于频谱分配的方法主要有基于竞价的分配方法,基于博弈论的分配方法,现有资料,主要都是这两种方法。下面针对这个问题,提出如下的改进方案:

   这个改进方案,命名为基于改进遗传优化算法的多因素加权竞价博弈频谱分配算法。

   这里,有别于传统的频谱分配方法,这里的分配方法,考虑了多种因素,我们分别假设为y1,y2,y3,。。。。。yn,并通过遗传优化算法,计算一种分配方案,即M个用户分配到N个频谱上, 分别计算以不同因素进行划分所得到的效益值V1,V2,V3,。。。。。Vn,,最后将这将这n个因素进行加权,得到其综合效益值:

根据遗传优化算法流程可知,其详细步骤如下所示:

   步骤一:选择问题解的一个编码,给出一个有N个染色体的初始群体。编码的主要功能为确定用何种码制,然后将问题参数编码形成基因码链,每一个码链代表一个个体,表示优化问题的一个解。 根据编码方式不同可以分为二进制编码和实数编码两种类型,其中二进制编码的优势在于编码方式简单,便于遗传算法的交叉和编码操作。

   步骤二:对群体中的每一个染色体,计算它的适应函数值。适应函数值为群体进化时的选择提供了依据,一般来说适应度越高,解的素质越好。适应度函数可以根据目标函数而定。

   步骤三:若停止规则满足,则算法停止,否则计算概率P,并以此概率分布,从旧的种群pop(t)中随机选取N个染色体构成一个新的种群。选择操作常见的操作方式有比例 选择和排序选择方式。

    步骤四:通过交叉,得到N个染色体的交叉集合。交叉的主要功能从种群中随机选择两个染色体,按一定的概率进行基因交换,交换位置的选取是随机的。

   竞价和博弈相结合的联合分配方法;

image.png

    值最大的用户,有先分配频谱资源,值最小的,则根据实际频谱资源情况,进行共用某一相同的频谱资源。

2.仿真效果预览
matlab2022a仿真结果如下:

2.png
3.png

3.MATLAB核心程序

clear;
close all;
warning off;
addpath(genpath(pwd));
K=20;           %用户对数
N=2;           %收发天线数
INR_dB=5;INR=db2pow(5);
eta=INR/N;     %用户对间的干扰
SI=db2pow(20); %自干扰
u=1;           %weighted
k = db2pow(-40);
beta = db2pow(-40);
 
times=5;
SNR_dB= -10:10:50;
rho_real=db2pow(SNR_dB)/N;
sum_rate_HD=zeros(1,length(rho_real));
sum_rate_FD=zeros(1,length(rho_real));
sum_rate_HD_TDMA=zeros(1,length(rho_real));
sum_rate_FD_TDD=zeros(1,length(rho_real));
 
for tt=1:times
    tt
    %通信信道
    H_cha= rayleigh( N,N,2*K);
    %自干扰信道
    H_sel= rayleigh( N,N,2*K);
    %用户间干扰信道
    H_int= rayleigh( N,N,8*K);
    
    Rate_HD=zeros(1,length(rho_real));
    Rate_HD_TDMA=zeros(1,length(rho_real));
    Rate_FD=zeros(1,length(rho_real));
    Rate_FD_TDD=zeros(1,length(rho_real));
    
    i=1;
    for rho=rho_real
%               rho
        V=right_singular(H_cha,2*K);
        [ Rate_HD_get ] = HD_MIMO_interference(N,H_int,H_cha,H_sel,V,rho,eta,beta,k,u ,K);
        Rate_HD(i)=Rate_HD_get;
        [ Rate_FD_get ] = FD_MIMO_interference(N,H_int,H_cha,H_sel,V,rho,eta,SI,beta,k,u ,K);
        Rate_FD(i)=Rate_FD_get;
        i=i+1;
    end
   sum_rate_HD=sum_rate_HD+Rate_HD;
   sum_rate_FD=sum_rate_FD+Rate_FD;
end
 
sum_rate_HD=real(sum_rate_HD/times/2);
sum_rate_FD=real(sum_rate_FD/times);
figure;
semilogy(SNR_dB,sum_rate_FD,'b-^','linewidth',2);
hold on
semilogy(SNR_dB,sum_rate_HD,'b-s','linewidth',2);
grid on;
xlabel('SNR (dB)')
ylabel('sum Rate (b/s/HZ)')
legend('FD','HD')
01-140m
相关文章
|
1天前
|
机器学习/深度学习 算法 调度
Matlab|基于改进鲸鱼优化算法的微网系统能量优化管理matlab-源码
基于改进鲸鱼优化算法的微网系统能量管理源码实现,结合LSTM预测可再生能源和负荷,优化微网运行成本与固定成本。方法应用于冷热电联供微网,结果显示经济成本平均降低4.03%,提高经济效益。代码包括数据分段、LSTM网络定义及训练,最终展示了一系列运行结果图表。
|
1天前
|
算法
基于Dijkstra算法的最优行驶路线搜索matlab仿真,以实际城市复杂路线为例进行测试
使用MATLAB2022a实现的Dijkstra算法在城市地图上搜索最优行驶路线的仿真。用户通过鼠标点击设定起点和终点,算法规划路径并显示长度。测试显示,尽管在某些复杂情况下计算路径可能与实际有偏差,但多数场景下Dijkstra算法能找到接近最短路径。核心代码包括图的显示、用户交互及Dijkstra算法实现。算法基于图论,不断更新未访问节点的最短路径。测试结果证明其在简单路线及多数复杂城市路况下表现良好,但在交通拥堵等特殊情况下需结合其他数据提升准确性。
|
2天前
|
算法
基于PID-bang-bang控制算法的卫星姿态控制matlab仿真
该文主要介绍了一个基于PID-bang-bang控制算法的卫星姿态控制系统。在MATLAB2022a中进行了仿真,生成了控制收敛曲线和姿态调整动画。系统通过PID控制器减少误差,结合Bang-Bang控制实现快速响应。核心程序涉及卫星位置、推力向量的计算及动画绘制。PID控制器利用比例、积分、微分项调整输出,Bang-Bang控制则在误差超出阈值时提供即时修正。两者结合以平衡控制精度和响应速度,适应卫星姿态的精确调节需求。
|
15天前
|
传感器 算法
ANC主动降噪理论及Matlab代码实现
ANC主动降噪理论及Matlab代码实现
|
2月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)
|
2月前
|
算法 调度
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
含多微网租赁共享储能的配电网博弈优化调度(含matlab代码)
|
2月前
|
Serverless
基于Logistic函数的负荷需求响应(matlab代码)
基于Logistic函数的负荷需求响应(matlab代码)
|
2月前
|
供应链 算法
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
基于分布式优化的多产消者非合作博弈能量共享(Matlab代码)
|
2月前
|
算法 调度
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)
基于多目标粒子群算法冷热电联供综合能源系统运行优化(matlab代码)