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;



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:




3.MATLAB核心程序

clc;

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

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,692评论 6 501
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,482评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,995评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,223评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,245评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,208评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,091评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,929评论 0 274
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,346评论 1 311
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,570评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,739评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,437评论 5 344
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,037评论 3 326
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,677评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,833评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,760评论 2 369
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,647评论 2 354

推荐阅读更多精彩内容