元素的0-1數(shù)組，分別作為重組 所生成的基因所對應的粒子的速度，從而構(gòu)成Hl1個粒子，并將其加入粒子種群； 步驟10、按照低適應度值優(yōu)先的方法，從步驟9所述基因重組后的粒子種群中選取適 應度值較低的粒子，并從中按照概率隨機選擇m2 (I Sm2S M/2)個粒子對其位置所代表的 基因進行突變，突變方法為：對于選中的待突變的基因 A7，在其N個元素中隨機選擇某幾個 元素將其取反，也即將原有的〇變?yōu)?，或者原有的1變?yōu)椹?;隨機生成m2個含有N個元素 的0-1數(shù)組，分別作為突變所生成的基因所對應的粒子的速度，從而構(gòu)成m2個粒子，并用其 替換突變前的粒子； 步驟11、按照步驟2所述方法隨機產(chǎn)生％個迭代過程中不曾出現(xiàn)的新粒子并將其加入 種群，然后在種群中選取適應度函數(shù)值最高的M個粒子構(gòu)成新一代粒子種群；按照步驟8更 新新一代種群的個體極值和全局極值； 步驟12、迭代次數(shù)增加 1，即j = j+Ι，重復步驟6~11，直到種群的最大適應度值 = /(I&J的增長連續(xù)若干次小于給定的閾值lth，或者迭代次數(shù)達到最大值T，即j = T ;此時選擇全局極值作為協(xié)作中繼選擇方案，中繼選擇算法結(jié)束。
3. 根據(jù)權(quán)利要求2所述的基于改進的遺傳-粒子群混合算法的協(xié)作中繼選擇方法，其 特征在于，步驟1中，所述的發(fā)射端檢測到周邊的中繼節(jié)點的總數(shù)目為N，每個中繼節(jié)點發(fā) 送和接收天線均只有一根；所述的信道狀態(tài)信息用信道增益表示，假定發(fā)射端到第i個中 繼節(jié)點的信道增益記為h，第i個中繼節(jié)點到接收端的信道增益記為gi。
4. 根據(jù)權(quán)利要求2所述的基于改進的遺傳-粒子群混合算法的協(xié)作中繼選擇方法，其 特征在于，步驟2中，所述的種群規(guī)模M的值由算法的精度和復雜度綜合衡量確定，M越大， 算法的精度越高，但復雜度也越高；M越小，算法的精度越低，但復雜度也越低；粒子的初始 位置數(shù)組的元素由0-1隨機數(shù)填充，取值為1指該中繼節(jié)點被選擇參與協(xié)作通信，取值 為O則表示該中繼節(jié)點未被選取；粒子的初始速度數(shù)組< 的元素也由0-1隨機數(shù)填充。
5. 根據(jù)權(quán)利要求2所述的基于改進的遺傳-粒子群混合算法的協(xié)作中繼選擇方法，其 特征在于，步驟2中，所述的二進制個體極值:是指粒子Particlek歷次迭代過程中 適應度值最大的位置，表示個體極值的初始值，表示截至第j次迭代粒子 Particlek的個體極值；所述的全局極值X gtest是指粒子種群中適應度值最大的個體極值， :表示粒子種群的全局極值初始值，^表示截止第j次迭代的粒子種群全局極值， 即截至第j次迭代粒子種群搜索到的最優(yōu)位置。
6. 根據(jù)權(quán)利要求2所述的基于改進的遺傳-粒子群混合算法的協(xié)作中繼選擇方法，其 特征在于，步驟3中，所述的
，其中％是中繼節(jié) 點η所在網(wǎng)絡的帶寬，匕是發(fā)射端的發(fā)射功率；P sys是指該方案中所消耗的系統(tǒng)功率，定義 為發(fā)射端與中繼節(jié)點的發(fā)射功率之和，由確定，其中P^1是指中繼 節(jié)點的發(fā)射功率。
7. 根據(jù)權(quán)利要求2所述的基于改進的遺傳-粒子群混合算法的協(xié)作中繼選擇方法，其 特征在于，步驟4中，所述Particlek= (Xk, Vk) (1?=1，···，Μ)的初始適應度值是由步驟3 中所定義的適應度函數(shù)f (Xk)在初始位置時的函數(shù)取值；同理，粒子Particlek = (Xk，Vk) (k = 1，…，M)第 j 次迭代后的適應度值為 F/ =/(AV)N = 1,2,_··,Μ)。
8. 根據(jù)權(quán)利要求2所述的基于改進的遺傳-粒子群混合算法的協(xié)作中繼選擇方 法，其特征在于，所述的步驟5具體為：將粒子的初始位置ΧΓ直接存儲于各自的個體 極值中，作為個體極值的初始值，即=巧，0 = 1，2，，Μ);將初始適應度值 /(A^ )認=1,2,…M)最大的個體極值存儲于全局極值Xgtei中，作為全局極值的 初始值，即，其中，位置為，(I i)的粒子的適應度值滿足 -^kk pbat = maX {^I pbest? " _ pbest ^ °
9. 根據(jù)權(quán)利要求2所述的基于改進的遺傳-粒子群混合算法的協(xié)作中繼選擇方法，其 特征在于，步驟6中，所述的粒子的位置和Xk d速度Vk d根據(jù)當前的粒子速度、個體極值和全 局極值來更新；w為慣性權(quán)重因子，用于調(diào)節(jié)粒子原先速度的保留程度；Cl、C2為學習因子， 用于調(diào)節(jié)粒子飛向個體最優(yōu)位置和全局最優(yōu)位置的步長，經(jīng)典粒子算法關(guān)于Cl、C2的取值 區(qū)間為（0,4)，此處設定〇1=(32=2，1?1、1?2為（0，1)區(qū)間內(nèi)的隨機數(shù)。
10. 根據(jù)權(quán)利要求2所述的基于改進的遺傳-粒子群混合算法的協(xié)作中繼選擇方 法，其特征在于，步驟6中，慣性權(quán)重因子由下式給出：w = wmin+(wmax-w'min)xZ"，其中
Fk= f(Xk), Fmax= max(F1,……，F(xiàn)j ; λ為調(diào)整參數(shù)，用于調(diào)整w值的變化 快慢，wmax、Wmin分別是慣性權(quán)重因子的最大、最小值，w取值較大時，有利于提高全局搜索 能力，但收斂精度較低；取較小值時，有利于提高收斂精度，但容易陷入局部最優(yōu)；當粒子 Particlek= (X k, Vk) (k = 1，…，M)的適應度值Fk= f (X k)越小時，η越大，則w越大，即根 據(jù)粒子的適應度值調(diào)節(jié)慣性權(quán)重因子的大小，使適應度值較小的粒子獲得較強的全局搜索 能力；同理，使適應度值較大的粒子獲得較強的局部搜索能力，向極值收斂。
11. 根據(jù)權(quán)利要求2所述的基于改進的遺傳-粒子群混合算法的協(xié)作中繼選擇方法，其 特征在于，步驟9中，所述的基因重組包含如下步驟： 步驟9. 1，按照高適應值優(yōu)先原則選取參與重組的基因；所述的高適應度值優(yōu)先是指 適應度越高，基因被選擇參與重組的概率越大，適應度值為/7/=/(^7)(6 = U,…,Μ)的基 因尤/被選擇參與重組的概率為
'其中P = max f療療 Fj I ; 步驟9.2，對于兩條被選取參與重組的基因\、乂」（1<1，_]_<1〇經(jīng)過重組后產(chǎn)生 Xijj,……Xij_2N總共2N條基因； 步驟9. 3,從步驟9. 2所述重組所生成的2N條基因中選取適應度值最高的兩個基因作 為新基因 1丨、I)加入種群，其余基因數(shù)組丟棄。
12. 根據(jù)權(quán)利要求11所述的基于改進的遺傳-粒子群混合算法的協(xié)作中繼選擇方法， 其特征在于，所述的步驟9. 2,具體包含以下步驟： 步驟9. 2. 1，選取Xi的前i個元素，填充至X U1的前i個元素，將L的后N-i個元素填 充至Xij l的剩余位置中； 步驟9. 2. 2,將Xj的前i個元素填充至X u 2的前i個元素 ，X i的后N-i元素填充至X u 2的后N-i個元素中； 步驟9. 2. 3, i依次取1，2, 3,…，N，重復上述步驟即可產(chǎn)生2N條基因。
13. 根據(jù)權(quán)利要求2所述的基于改進的遺傳-粒子群混合算法的協(xié)作中繼選擇方法， 其特征在于，步驟10中，所述的低適應度值優(yōu)先方法，具體為：種群中適應度值最高的的前 M y個基因保持不變，剩余的基因中，適應度值為=/(X/y/ = l，2，...，Ai)的基因 X/被 選擇參與變異的概率為
，其中/7./ /7./ Fi \
14. 根據(jù)權(quán)利要求2所述的基于改進的遺傳-粒子群混合算法的協(xié)作中繼選擇方法，其 特征在于，步驟11中，所述的隨機產(chǎn)生％個迭代過程中不曾出現(xiàn)的粒子，產(chǎn)生方法如下： 步驟11. 1，利用步驟2所述的方法產(chǎn)生m4 (m4>m3)個粒子數(shù)組Particlek= (X k, Vk)，并 計算Xk的經(jīng)過二-十進制轉(zhuǎn)換后的編碼X k_d; 步驟11. 2,用新的位置值Xk d對比迭代過程中出現(xiàn)的各個粒子的位置值Xk d，若出現(xiàn)值 相等的則刪去該粒子數(shù)組； 步驟11. 3,刪去后的粒子數(shù)組若小于叫個，則重復上述步驟直到產(chǎn)生m 3個在迭代過程 中不曾出現(xiàn)的粒子數(shù)組，若產(chǎn)生的數(shù)組大于％個，則計算每個數(shù)組的適應度值，選擇較大的 Hl3個加入種群中。
【專利摘要】本發(fā)明公開了基于改進的遺傳-粒子群混合算法的協(xié)作中繼選擇方法，包含以下步驟：發(fā)射端檢測N個可接入的中繼節(jié)點，獲取各節(jié)點間信道狀態(tài)信息；初始化表示中繼選擇方案的粒子種群；更新各粒子的速度和位置，并計算各粒子適應度值；更新粒子的個體極值和全局極值；粒子位置數(shù)組作為基因，選取基因進行重組并加入種群；選擇基因進行突變并替換原基因；隨機產(chǎn)生迭代過程中不曾出現(xiàn)的新粒子加入種群中；在種群中選取適應度值最高的M個粒子構(gòu)成新一代粒子種群；判斷是否符合終止條件：若符合，則選擇適應度值最高的粒子作為最優(yōu)中繼選擇方案；否則繼續(xù)更新各粒子的速度和位置。本發(fā)明的方法，在盡可能提高發(fā)射端的傳輸速率的同時能盡可能降低功耗。
【IPC分類】H04W40-22
【公開號】CN104853399
【申請?zhí)枴緾N201510104127
【發(fā)明人】馮義志, 廖杰源, 林炳輝, 張軍, 寧更新
【申請人】華南理工大學
【公開日】2015年8月19日
【申請日】2015年3月10日