量子遗传算法在认知无线电博弈论模型频谱分配中的应用研究

论文摘要

经典遗传算法是一种模拟自然界生物进化机制的算法，量子遗传算法是在经典遗传算法的基础上融合了量子计算的一种新兴的全局优化算法，它具有种群规模小、寻优能力强和收敛速度快等一些特点，已在组合优化、多用户检测等领域得到应用。本文将量子遗传算法和经典遗传算法进行了对比研究，并将这两种进化算法推广应用到认知无线电频谱分配中。本文的工作主要有以下几点：首先，介绍了遗传算法的思想、基本结构、算法流程及其特点；在遗传算法的基础上引入基于量子计算，详细介绍了量子遗传算法的概念、量子染色体编码方式、算法流程和具体的实现操作方法，分析研究了算法中的量子旋转门调整策略及量子遗传操作，并对经典、量子遗传算法进行仿真，进行性能测试分析比较。其次，详细介绍了认知无线电系统，包括认知无线电的原理，论述了认知无线电的四大功能模块，以及频谱分配的分类，具体的分配原则；详细介绍了博弈论原理，博弈论模型，纳什均衡原理；在认知无线电频谱分配问题的基础上，介绍了基于博弈论的认知无线电频谱分配问题模型，将频谱分配问题中的用户间竞争博弈过程用博弈论的方法进行了描述，便于算法仿真分析研究。最后，分析了两个主要的认知无线电非合作博弈论的两用户模型和多用户模型，本文提出了基于遗传算法、量子遗传算法的两种非合作博弈模型频谱分配的算法研究，分别给出了基于遗传算法和量子遗传算法的两用户模型及多用户模型频谱分配的具体算法步骤，及其仿真结果，最后通过两算法的比较，发现表明量子遗传算法比经典遗传算法具有更快的收敛性，和更好的目标函数值，能让认知无线电系统实现更优的频谱共享的分配方案。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究的背景和概念
• 1.2 本论文的研究工作
• 第二章 遗传算法及量子遗传算法
• 2.1 引言
• 2.2 遗传算法介绍
• 2.2.1 遗传算法的基本原理
• 2.2.2 遗传算法常见编码方法和基本操作
• 2.3 量子遗传算法介绍
• 2.3.1 量子染色体
• 2.3.2 量子旋转门
• 2.3.3 量子变异操作
• 2.3.4 量子遗传算法描述
• 2.4 算法性能测试
• 2.5 本章小结
• 第三章 认知无线电频谱分配研究
• 3.1 认知无线电系统
• 3.1.1 认知无线电原理概述
• 3.1.2 频谱分配技术
• 3.1.3 频谱分配模型的分类
• 3.2 博弈论
• 3.2.1 博弈论基本概念
• 3.2.2 博弈论模型简介
• 3.2.3 博弈论分类
• 3.3 纳什均衡
• 3.3.1 纳什均衡的定义
• 3.3.2 纳什均衡的分析
• 3.4 认知无线电的博弈论应用分析
• 3.4.1 博弈论应用于认知无线电的可行性
• 3.4.2 认知无线电的博弈模型
• 3.5 本章小结
• 第四章 基于量子遗传算法的认知无线电频谱共享研究
• 4.1 引言
• 4.2 系统模型
• 4.2.1 博弈模型
• 4.2.2 两用户模型
• 4.3 经典遗传算法在频谱共享中的应用
• 4.3.1 经典遗传算法在两用户模型中的应用分析
• 4.3.2 经典遗传算法在多用户模型中的应用分析
• 4.4 量子遗传算法在频谱共享中的应用
• 4.4.1 量子遗传算法在两用户模型中的应用分析
• 4.4.2 量子遗传算法在多用户模型中的应用分析
• 4.5 本章小结
• 第五章 算法仿真及性能分析
• 5.1 引言
• 5.2 两用户模型分析
• 5.2.1 参数设置
• 5.2.2 仿真分析
• 5.3 多用户模型分析
• 5.3.1 参数设置
• 5.3.2 仿真分析
• 5.4 本章小结
• 第六章 总结
• 致谢
• 参考文献
• 攻读硕士学位期间完成的论文