基于多智能体的优化OBSS干扰matlab仿真

1.算法仿真效果
matlab2022a仿真结果如下：

2.算法涉及理论知识概要

    多智能体系统是多个智能体组成的集合，它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的，易于管理的系统。
   它的研究涉及智能体的知识、目标、技能、规划以及如何使智能体采取协调行动解决问题等。研究者主要研究智能体之间的交互通信、协调合作、冲突消解等方面，强调多个智能体之间的紧密群体合作，而非个体能力的自治和发挥，主要说明如何分析、设计和集成多个智能体构成相互协作的系统。
    同时，人们也意识到，人类智能的本质是一种社会性智能，人类绝大部分活动都涉及多个人构成的社会团体，大型复杂问题的求解需要多个专业人员或组织协调完成。要对社会性的智能进行研究，构成社会的基本构件物——人的对应物——智能体理所当然成为人工智能研究的基本对象，而社会的对应物——多智能体系统，也成为人工智能研究的基本对象，从而促进了对多智能体系统的行为理论、体系结构和通信语言的深入研究，这极大的繁荣了智能体技术的研究与开发。

    多智能体系统在表达实际系统时， 通过各智能体间的通讯、合作、互解、协调、调度、管理及控制来表达系统的结构、功能及行为特性。

多智能体系统具有自主性、分布性、协调性， 并具有自组织能力、学习能力和推理能力。采用多智能体系统解决实际应用问题， 具有很强的鲁棒性和可靠性， 并具有较高的问题求解效率。
多智能体系统是智能体技术应用及研究上的一个质的飞跃，不同行业的专家学者对之进行了深入的研究并从多个角度阐述了多智能体系统用于解决实际问题的优势，归纳起来，主要有以下几点：
（1） 在多智能体系统中，每个智能体具有独立性和自主性，能够解决给定的子问题，自主地推理和规划并选择适当的策略，并以特定的方式影响环境。
（2） 多智能体系统支持分布式应用，所以具有良好的模块性、易于扩展性和设计灵活简单，克服了建设一个庞大的系统所造成的管理和扩展的困难，能有效降低系统的总成本；
（3） 在多智能体系统的实现过程中，不追求单个庞大复杂的体系，而是按面向对象的方法构造多层次，多元化的智能体，其结果降低了系统的复杂性，也降低了各个智能体问题求解的复杂性；
（4） 多智能体系统是一个讲究协调的系统，各智能体通过互相协调去解决大规模的复杂问题；多智能体系统也是一个集成系统，它采用信息集成技术，将各子系统的信息集成在一起，完成复杂系统的集成；
（5） 在多智能体系统中，各智能体之间互相通信，彼此协调，并行地求解问题，因此能有效地提高问题求解的能力；
（6） 多智能体技术打破了人工智能领域仅仅使用一个专家系统的限制，在MAS环境在，各领域的不同专家可能协作求解某一个专家无法解决或无法很好解决的问题，提高了系统解决问题的能力；
（7） 智能体是异质的和分布的。它们可以是不同的个人或组织，采用不同的设计方法和计算机语言开发而成，因而可能是完全异质的和分布的。
（8） 处理是异步的。由于各智能体是自治的，每个智能体都有自己的进程，按照自己的运行方式异步地进行。

3.MATLAB核心程序

    for c=1:size(CCA,2)
        c
        avgTpt = zeros(N_WLANs,N); %
        aggTpt = zeros(N_WLANs,N);
        for n=1:N
            for k=1:N_WLANs                
                wlan = GenerateNetwork3D(k, NumChannels, B);
                for x=1:k, wlan(x).CCA = CCA(c); end                 
                powMat = PowerMatrix(wlan); % dBm
                tpt_aux = computeTpt(wlan,powMat,time_slots,noise); 
                aggTpt(k,n) = aggTpt(k,n) + mean(tpt_aux);
                avgTpt(k,n) = aggTpt(k,n)/k;                   
            end
        end
        for k=1:N_WLANs
            mean_avg(c,k)=mean(avgTpt(k,:));
            std_avg(c,k)=std(avgTpt(k,:));
            mean_agg(c,k)=mean(aggTpt(k,:));
            std_agg(c,k)=std(aggTpt(k,:));
            AggregateTpt(c,k) = (sum(aggTpt(k,:))/N); 
            AverageTpt(c,k) = (sum(avgTpt(k,:))/N); 
        end
    end
    l = {}; 
    for i=1:size(CCA,2)
        l = [l; ['CCA = ' num2str(CCA(i))]];
    end  
 
end
 
for i=1:total_size(approach)
        subplot(1,2,1)
        plot(1:N_WLANs, smooth(AverageTpt(i,:)),'-o');  
        hold on;        
        subplot(1,2,2)
        plot(1:N_WLANs, smooth(AggregateTpt(i,:)),'-s');
        hold on;
end 
 
subplot(1,2,1)
xlabel('NWLANs');
ylabel('平均容量(bps)');
 
legend(l);
axis([1 N_WLANs 0 max(max(AverageTpt))]);
 
subplot(1,2,2)
xlabel('NWLANs');
ylabel('平均容量(bps)');
 
legend(l);
axis([1 N_WLANs 0 max(max(AggregateTpt))]);