本發(fā)明涉及的是一種多目標(biāo)中繼選擇方法，具體是無(wú)線通信領(lǐng)域的多目標(biāo)中繼選擇方法。

背景技術(shù)：

在移動(dòng)通信系統(tǒng)中，中繼是兩個(gè)交換中心之間的一條傳輸通路。在協(xié)作多中繼網(wǎng)絡(luò)中，合理的中繼節(jié)點(diǎn)的選擇對(duì)于提高協(xié)作通信網(wǎng)絡(luò)的系統(tǒng)容量、網(wǎng)絡(luò)能量效率及用戶間公平性，節(jié)約通信系統(tǒng)能量，降低數(shù)據(jù)傳輸?shù)哪芎暮徒邮盏恼`比特率等都有重要的意義。因此，如何選擇合適的中繼節(jié)點(diǎn)對(duì)于協(xié)作通信是十分重要的。

在信號(hào)傳遞過(guò)程中，中繼協(xié)作通信技術(shù)由于具備靈活性和可實(shí)施性，其應(yīng)用范圍是十分廣泛的。中繼節(jié)點(diǎn)在adhoc網(wǎng)絡(luò)中，可以對(duì)傳輸中的信號(hào)進(jìn)行放大轉(zhuǎn)發(fā)，將放大后的信號(hào)再傳輸給用戶。在單用戶場(chǎng)景下，往往存在多個(gè)候選的中繼節(jié)點(diǎn)，其中的中繼選擇是np-hard問(wèn)題，運(yùn)算復(fù)雜度為指數(shù)級(jí)別，很難在短時(shí)間內(nèi)求出最優(yōu)解。因此，改進(jìn)經(jīng)典的人工智能演進(jìn)方法，設(shè)計(jì)新的中繼選擇方案，在保證性能接近窮盡搜索得到的解的同時(shí)降低運(yùn)算復(fù)雜度，具有較重要的意義。yindijing等在《ieeetransactionsonwirelesscommunications》上發(fā)表的“singleandmultiplerelayselectionschemesandtheirachievablediversityorders”提出了以接收端信噪比為優(yōu)化目標(biāo)的中繼選擇方案，利用最好最壞信道策略進(jìn)行求解，僅僅考慮了信道的信噪比沒(méi)有考慮網(wǎng)絡(luò)能量效率，實(shí)用使用性低。xiaohuali在《electronicsletters》上發(fā)表的“optimalmultiple-relayselectionindual-hopamplify-and-forwardcooperativenetworks”提出了以接收端信噪比為目標(biāo)函數(shù)的單目標(biāo)問(wèn)題，求出的解不是最優(yōu)解，且沒(méi)有綜合考慮接收端信噪比和網(wǎng)絡(luò)能量效率的中繼選擇多目標(biāo)問(wèn)題。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種可以廣泛的解決現(xiàn)實(shí)生活中的多目標(biāo)中繼選擇問(wèn)題的基于量子貓群搜索機(jī)制的多目標(biāo)中繼選擇方法。

本發(fā)明的目的是這樣實(shí)現(xiàn)的：

步驟一，建立中繼系統(tǒng)模型，發(fā)送端sn發(fā)送信息，接收端dn接收信息，同時(shí)有r個(gè)候選的中繼節(jié)點(diǎn)用于協(xié)作通信；

定義從發(fā)送端sn到第i個(gè)中繼節(jié)點(diǎn)的信道狀態(tài)信息為φi,i＝1,2,…,r，第i個(gè)中繼節(jié)點(diǎn)到接收端dn的信道狀態(tài)信息為gi，所有的信道狀態(tài)信息服從參數(shù)為1的瑞利分布，發(fā)送端sn的發(fā)送功率為p，第i個(gè)中繼的發(fā)送功率為pi，所有的中繼轉(zhuǎn)發(fā)方式為放大轉(zhuǎn)發(fā)方式，則第i個(gè)中繼的接收信號(hào)為

其中s是歸一化的發(fā)送信號(hào)，且e|s|²＝1，e為數(shù)學(xué)期望，σi是對(duì)于第i個(gè)中繼的均值為0，方差為1的高斯白噪聲，由于中繼的轉(zhuǎn)發(fā)方式為放大轉(zhuǎn)發(fā)方式，則接收到的信號(hào)為

其中ai表示第i個(gè)中繼節(jié)點(diǎn)rni是否參與協(xié)作通信，ai＝1表示rni參與協(xié)作通信，ai＝0表示rni沒(méi)有參與協(xié)作通信，arg(.)為對(duì)復(fù)數(shù)取輻角的函數(shù)，w為接收端dn的均值為0；

接收端的信噪比為

定義網(wǎng)絡(luò)的能量效率為整個(gè)網(wǎng)絡(luò)的吞吐量與系統(tǒng)消耗的功率比值，網(wǎng)絡(luò)的能量效率為

其中c代表整個(gè)網(wǎng)絡(luò)系統(tǒng)的吞吐量，ptotal代表整個(gè)協(xié)作網(wǎng)絡(luò)消耗的能量，

提出以接收端信噪比為單目標(biāo)的中繼選擇問(wèn)題為

以網(wǎng)絡(luò)能量效率為單目標(biāo)的中繼選擇問(wèn)題為

同時(shí)考慮接收端信噪比和網(wǎng)絡(luò)能量效率的多目標(biāo)中繼選擇問(wèn)題為

步驟二，在r維空間中，初始化三個(gè)量子貓群，第1個(gè)量子貓群、第2個(gè)量子貓群和第3個(gè)量子貓群分別表示為s1，s2和s3；量子貓群s1和s2分別用于演化多目標(biāo)中繼選擇的兩個(gè)單目標(biāo)，量子貓群s1演化接收端信噪比，量子貓群s2演化網(wǎng)絡(luò)能量效率，量子貓群s3用于演化多目標(biāo)中繼選擇問(wèn)題；每只量子貓群有h只量子貓，第k,k＝1,2,3個(gè)量子貓群中第h只量子貓的第t代的量子位置表示為其中h＝1,2,…,h，第k個(gè)量子貓群中第h只量子貓的第t代的速度表示為其中r＝1,2,…,r，vr,max表示量子貓群第r維速度的最大邊界，對(duì)量子貓的量子位置進(jìn)行測(cè)量得到量子貓的位置，第k個(gè)種群第h只量子貓的位置表示為其中，測(cè)量方式如下：

其中為均勻分布在[0,1]之間的均勻隨機(jī)數(shù)；

對(duì)于量子貓群s1，將所有量子貓的位置帶入適應(yīng)度函數(shù)進(jìn)行計(jì)算，量子貓群s1中每只量子貓的適應(yīng)度通過(guò)接收端信噪比公式進(jìn)行計(jì)算，選出適應(yīng)度最大的量子貓，稱其為量子貓群s1的全局最優(yōu)量子貓，其位置為量子貓群s1的全局最優(yōu)位置，則第t代量子貓群s1的全局最優(yōu)位置為

對(duì)于量子貓群s2，將所有量子貓的位置帶入適應(yīng)度函數(shù)進(jìn)行計(jì)算，量子貓群s2中每只量子貓的適應(yīng)度通過(guò)網(wǎng)絡(luò)能量效率公式進(jìn)行計(jì)算，選出適應(yīng)度最大的量子貓，稱其為量子貓群s2的全局最優(yōu)量子貓，其位置為量子貓群s2的全局最優(yōu)位置，則第t代量子貓群s2的全局最優(yōu)位置為

對(duì)于量子貓群s3，將量子貓群中的所有量子貓進(jìn)行非支配解排序和擁擠度計(jì)算，將非支配等級(jí)為1的個(gè)體加入非支配解集se中。

步驟三，對(duì)量子貓群s1和s2中的每一只量子貓進(jìn)行更新，

量子貓群中的量子貓行為分為兩種模式，一種為追蹤模式，另外一種為搜尋模式，兩種行為方式通過(guò)結(jié)合律mr進(jìn)行交互操作，mr表示執(zhí)行跟蹤模式的量子貓的數(shù)量在整個(gè)量子貓群中所占的比例；對(duì)于量子貓的搜尋模式，定義三個(gè)基本要素，記憶池即smp、變化域即srd和變化數(shù)即cdc，記憶池的大小表明了在搜尋模式中，將每一只量子貓所復(fù)制的副本數(shù)目，在搜尋模式中，每一維的變化范圍由變化域決定，變化數(shù)表示了在搜尋模式中，每一只量子貓變化的維度數(shù)目，以下為量子貓的搜尋模式過(guò)程：

1.根據(jù)記憶池的大小，將當(dāng)前第k,k＝1,2個(gè)量子貓群第h只量子貓復(fù)制j個(gè)副本放在記憶池中；

2.對(duì)于記憶池中的第1個(gè)副本，保持原來(lái)的量子位置和位置，對(duì)于記憶池中其他的j-1個(gè)副本，根據(jù)變化數(shù)的大小，對(duì)復(fù)制的第j個(gè)量子貓副本的第r維進(jìn)行更新，更新方程如下：

其中，j＝2,3,…,j，r∈{1,2,…,r}，abs(.)表示絕對(duì)值函數(shù)，為均勻分布在[-1,1]之間的均勻隨機(jī)數(shù)，為均勻分布在[0,1]之間的均勻隨機(jī)數(shù)；

3.計(jì)算在記憶池中的j個(gè)副本的適應(yīng)度值；

4.從j個(gè)副本中選擇適應(yīng)度最大的副本作為第k個(gè)量子貓群新的第h只量子貓；

以下為量子貓的搜尋模式過(guò)程：

1.對(duì)追蹤模式的第k個(gè)量子貓群第h只量子貓的速度進(jìn)行更新，更新方程如下：

其中，c為速度變化范圍權(quán)系數(shù)，為均勻分布在[0,1]之間的均勻隨機(jī)數(shù)；

2.判斷第k個(gè)量子貓群第h只量子貓每一維的速度是否超過(guò)了邊界范圍，如果超過(guò)了邊界范圍，進(jìn)行如下處理：

其中，vr,max表示第r維速度的最大邊界。

3.對(duì)第k個(gè)量子貓群第h只量子貓的量子位置和位置進(jìn)行更新，更新方程如下：

其中，為均勻分布在[0,1]之間的均勻隨機(jī)數(shù)；

計(jì)算更新后的量子貓群s1中所有量子貓的適應(yīng)度，適應(yīng)度通過(guò)接收端信噪比公式進(jìn)行計(jì)算，從更新后的量子貓群s1中找到適應(yīng)度最大的量子貓的位置，將其位置的適應(yīng)度與上一代量子貓群s1的全局最優(yōu)位置的適應(yīng)度進(jìn)行比較，將適應(yīng)度較優(yōu)的位置選作量子貓群s1新的全局最優(yōu)位置

計(jì)算更新后的量子貓群s2中所有量子貓的適應(yīng)度，適應(yīng)度通過(guò)網(wǎng)絡(luò)能量效率公式進(jìn)行計(jì)算，從更新后的量子貓群s2中找到適應(yīng)度最大的量子貓的位置，將其位置的適應(yīng)度與上一代量子貓群s2的全局最優(yōu)位置的適應(yīng)度進(jìn)行比較，將適應(yīng)度較優(yōu)的位置選作量子貓群s2新的全局最優(yōu)位置

步驟四：對(duì)于量子貓群s3中的每一量子貓進(jìn)行更新；

以下為s3中處于搜尋模式的量子貓的更新過(guò)程：

1.根據(jù)記憶池的大小，將s3中第h只量子貓復(fù)制j個(gè)副本放在記憶池中；

2.對(duì)于記憶池中的j個(gè)副本，根據(jù)變化數(shù)的大小，對(duì)復(fù)制的第j個(gè)量子貓副本的第r維進(jìn)行更新，更新方程如下：

其中，j＝1,2,…,j，r∈{1,2,…,r}。abs(.)表示絕對(duì)值函數(shù)，為均勻分布在[-1,1]之間的均勻隨機(jī)數(shù)，為均勻分布在[0,1]之間的均勻隨機(jī)數(shù)；

3.對(duì)在記憶池中的j個(gè)副本進(jìn)行非支配解排序和擁擠度計(jì)算，選出支配等級(jí)最高、擁擠度最大的副本作為種群s3的新的第h只量子貓；

以下為量子貓的搜尋模式過(guò)程：在這種模式下，量子貓通過(guò)各自的速度更新其量子位置和位置；以下為s3中處于追蹤模式的量子貓的更新過(guò)程：

1.對(duì)s3中處于追蹤模式的第h只量子貓的速度進(jìn)行更新，為在非支配解集se中非支配等級(jí)排在前10％的位置中隨機(jī)選擇的一個(gè)的位置，更新方程如下：

其中，c為速度變化范圍權(quán)系數(shù)，為均勻分布在[0,1]之間的均勻隨機(jī)數(shù)；

2.判斷s3第h只量子貓每一維的速度是否超過(guò)了邊界范圍，如果超過(guò)了邊界范圍，進(jìn)行如下處理：

其中，vr,max表示s3第r維速度的最大邊界；

3.對(duì)s3第h只量子貓的量子位置和位置進(jìn)行更新，更新方程如下：

步驟五：將s3更新產(chǎn)生的h只量子貓放入非支配解集se中；

對(duì)非支配解集se中的量子貓進(jìn)行非支配解排序和擁擠度計(jì)算，保留前h只量子貓作為非支配解，然后令s3＝se，s3中的量子貓將參加下一次演進(jìn)。

步驟六：在迭代過(guò)程中，每隔f/10代進(jìn)行以下操作，f為最大迭代次數(shù)：根據(jù)第一個(gè)目標(biāo)函數(shù)計(jì)算se的某一量子貓和s1中全局最優(yōu)量子貓的適應(yīng)度值，第一個(gè)目標(biāo)函數(shù)為接收端信噪比，如果在se中該量子貓的適應(yīng)度值大于s1中全局最優(yōu)量子貓的適應(yīng)度值，則將s1中全局最優(yōu)量子貓?zhí)鎿Q為se中該量子貓，如果se中該量子貓的適應(yīng)度值小于等于s1中全局最優(yōu)量子貓的適應(yīng)度值，則將se中該量子貓?zhí)鎿Q為s1中全局最優(yōu)量子貓，根據(jù)第二個(gè)目標(biāo)函數(shù)計(jì)算se的某一量子貓和s2中全局最優(yōu)量子貓的適應(yīng)度值，第二個(gè)目標(biāo)函數(shù)為網(wǎng)絡(luò)能量效率，如果在se中該量子貓的適應(yīng)度值大于在s2中全局最優(yōu)量子貓的適應(yīng)度值，則將s2中全局最優(yōu)量子貓?zhí)鎿Q為se中該量子貓，如果se中該量子貓的適應(yīng)度值小于等于在s2中全局最優(yōu)量子貓的適應(yīng)度值，則將se中該量子貓?zhí)鎿Q為s2中全局最優(yōu)量子貓；

步驟七：如果進(jìn)化沒(méi)有終止，返回步驟三，否則，終止迭代，輸出se中的非支配解，得到中繼選擇方案。

本發(fā)明針對(duì)現(xiàn)有中繼選擇方法的不足，提出了一種基于量子貓群搜索機(jī)制的多目標(biāo)中繼選擇方法，可以廣泛的解決現(xiàn)實(shí)生活中的多目標(biāo)中繼選擇問(wèn)題。所設(shè)計(jì)的方案同時(shí)考慮接收端信噪比和網(wǎng)絡(luò)能量效率，在滿足接收端信噪比的同時(shí)又能使網(wǎng)絡(luò)能量效率得到保證，節(jié)能環(huán)保，滿足實(shí)際需求。

本發(fā)明充分考慮到中繼協(xié)作網(wǎng)絡(luò)中繼選擇過(guò)程中的多目標(biāo)問(wèn)題，設(shè)計(jì)基于量子貓群搜索機(jī)制的多目標(biāo)中繼選擇方法，得到pareto解集。與現(xiàn)有技術(shù)相比，本發(fā)明充分考慮了中繼選擇過(guò)程中的多目標(biāo)難題，具有以下優(yōu)點(diǎn)：

(1)本發(fā)明解決了離散優(yōu)化的中繼選擇問(wèn)題，針對(duì)現(xiàn)有中繼選擇方法不能解決多目標(biāo)問(wèn)題的狀況，設(shè)計(jì)了新穎的量子貓群搜索機(jī)制的多目標(biāo)中繼選擇方法作為演進(jìn)策略，可以解決實(shí)際生活中的多目標(biāo)中繼選擇問(wèn)題，所設(shè)計(jì)的方法性能穩(wěn)定，可以短時(shí)間內(nèi)求出最優(yōu)中繼選擇方案。

(2)對(duì)于現(xiàn)有的中繼選擇方法往往保證信噪比的同時(shí)不能保證能量效率的問(wèn)題，本發(fā)明提出的量子貓群搜索機(jī)制的中繼選擇方法可以解決多目標(biāo)的優(yōu)化問(wèn)題，在保證信噪比的同時(shí)又能保證最大的網(wǎng)絡(luò)能量效率，實(shí)現(xiàn)綠色通信，節(jié)省硬件資源，避免造成資源浪費(fèi)。

(3)本發(fā)明設(shè)計(jì)的量子貓群搜索機(jī)制的多目標(biāo)中繼選擇方法在求解多目標(biāo)問(wèn)題時(shí)，將單目標(biāo)種群演化出的解與多目標(biāo)種群的非支配解集進(jìn)行信息交流，提高了收斂性，加快了多目標(biāo)中繼選擇問(wèn)題的求解速度。

(4)本發(fā)明將量子演化、貓群算法、多種群共生進(jìn)化等思想進(jìn)行結(jié)合，設(shè)計(jì)了可以求解多目標(biāo)問(wèn)題的基于量子貓群搜索機(jī)制的多目標(biāo)中繼選擇方法，為其他工程問(wèn)題的解決提供了新思路。

附圖說(shuō)明

圖1量子貓群搜索機(jī)制的多目標(biāo)中繼選擇方法示意圖。

圖2同時(shí)考慮信噪比和網(wǎng)絡(luò)能量效率的窮盡搜索所有解與量子貓群搜索機(jī)制搜索出的非支配解(中繼數(shù)目為14時(shí))。

圖3同時(shí)考慮信噪比和網(wǎng)絡(luò)能量效率的量子貓群搜索機(jī)制搜索出的非支配解(中繼數(shù)目為20時(shí))。

圖4同時(shí)考慮信噪比和網(wǎng)絡(luò)能量效率的量子貓群搜索機(jī)制搜索出的非支配解與人工蜂群方法的單目標(biāo)解(中繼數(shù)目為30時(shí))。

具體實(shí)施方式

下面舉例對(duì)本發(fā)明做更詳細(xì)的描述。

(1)建立中繼系統(tǒng)模型，發(fā)送端sn發(fā)送信息，接收端dn接收信息，同時(shí)有r個(gè)候選的中繼節(jié)點(diǎn)用于協(xié)作通信。

提出以接收端信噪比為單目標(biāo)的中繼選擇問(wèn)題

提出以網(wǎng)絡(luò)能量效率為單目標(biāo)的中繼選擇問(wèn)題

同時(shí)考慮接收端信噪比和網(wǎng)絡(luò)能量效率的多目標(biāo)中繼選擇問(wèn)題為

(2)在r維空間中，初始化三個(gè)量子貓群，第1個(gè)量子貓群、第2個(gè)量子貓群和第3個(gè)量子貓群分別表示為s1，s2和s3。量子貓群s1和s2分別用于演化多目標(biāo)中繼選擇的兩個(gè)單目標(biāo)，量子貓群s1演化接收端信噪比，量子貓群s2演化網(wǎng)絡(luò)能量效率，量子貓群s3用于演化多目標(biāo)中繼選擇問(wèn)題。每只量子貓群有h只量子貓，第k(k＝1,2,3)個(gè)量子貓群中第h只量子貓的第t代的量子位置可以表示為其中h＝1,2,…,h，第k(k＝1,2,3)個(gè)量子貓群中第h只量子貓的第t代的速度可以表示為其中r＝1,2,…,r，vr,max表示量子貓群第r維速度的最大邊界。對(duì)量子貓的量子位置進(jìn)行測(cè)量得到量子貓的位置，第k個(gè)種群第h只量子貓的位置可以表示為其中h＝1,2,…,h，r＝1,2,…,r。測(cè)量方式如下：

其中為均勻分布在[0,1]之間的均勻隨機(jī)數(shù)。

對(duì)于量子貓群s1，將所有量子貓的位置帶入適應(yīng)度函數(shù)進(jìn)行計(jì)算，量子貓群s1中每只量子貓的適應(yīng)度通過(guò)接收端信噪比公式進(jìn)行計(jì)算，選出適應(yīng)度最大的量子貓，稱其為量子貓群s1的全局最優(yōu)量子貓，其位置為量子貓群s1的全局最優(yōu)位置，則第t代量子貓群s1的全局最優(yōu)位置為

對(duì)于量子貓群s2，將所有量子貓的位置帶入適應(yīng)度函數(shù)進(jìn)行計(jì)算，量子貓群s2中每只量子貓的適應(yīng)度通過(guò)網(wǎng)絡(luò)能量效率公式進(jìn)行計(jì)算，選出適應(yīng)度最大的量子貓，稱其為量子貓群s2的全局最優(yōu)量子貓，其位置為量子貓群s2的全局最優(yōu)位置，則第t代量子貓群s2的全局最優(yōu)位置為

對(duì)于量子貓群s3，將量子貓群中的所有量子貓進(jìn)行非支配解排序和擁擠度計(jì)算。將非支配等級(jí)為1的個(gè)體加入非支配解集se中。

(3)對(duì)量子貓群s1和s2中的每一只量子貓進(jìn)行更新。量子貓群中的量子貓行為分為兩種模式，一種為追蹤模式，另外一種為搜尋模式。兩種行為方式通過(guò)結(jié)合律mr進(jìn)行交互操作。mr表示執(zhí)行跟蹤模式的量子貓的數(shù)量在整個(gè)量子貓群中所占的比例。對(duì)于量子貓的搜尋模式，定義三個(gè)基本要素，記憶池(smp)、變化域(srd)和變化數(shù)(cdc)。記憶池的大小表明了在搜尋模式中，將每一只量子貓所復(fù)制的副本數(shù)目。在搜尋模式中，每一維的變化范圍由變化域(srd)決定。變化數(shù)(cdc)表示了在搜尋模式中，每一只量子貓變化的維度數(shù)目。以下為量子貓的搜尋模式過(guò)程：

1.根據(jù)記憶池的大小，將當(dāng)前第k(k＝1,2)個(gè)量子貓群第h只量子貓復(fù)制j個(gè)副本放在記憶池中。

2.對(duì)于記憶池中的第1個(gè)副本，保持原來(lái)的量子位置和位置。對(duì)于記憶池中其他的(j-1)個(gè)副本，根據(jù)變化數(shù)(cdc)的大小，對(duì)復(fù)制的第j個(gè)量子貓副本的第r維進(jìn)行更新，更新方程如下：

其中，j＝2,3,…,j，r∈{1,2,…,r}。abs(.)表示絕對(duì)值函數(shù)，為均勻分布在[-1,1]之間的均勻隨機(jī)數(shù)，為均勻分布在[0,1]之間的均勻隨機(jī)數(shù)。

3.計(jì)算在記憶池中的j個(gè)副本的適應(yīng)度值。

4.從j個(gè)副本中選擇適應(yīng)度最大的副本作為第k個(gè)量子貓群新的第h只量子貓。

以下為量子貓的搜尋模式過(guò)程：在這種模式下，量子貓通過(guò)各自的速度更新其量子位置和位置。以下為量子貓的追蹤模式過(guò)程：

1.對(duì)追蹤模式的第k(k＝1,2)個(gè)量子貓群第h只量子貓的速度進(jìn)行更新。更新方程如下：

其中，c為速度變化范圍權(quán)系數(shù)。為均勻分布在[0,1]之間的均勻隨機(jī)數(shù)。

2.判斷第k(k＝1,2)個(gè)量子貓群第h只量子貓每一維的速度是否超過(guò)了邊界范圍，如果超過(guò)了邊界范圍，進(jìn)行如下處理：

其中，vr,max表示第r維速度的最大邊界。

3.對(duì)第k(k＝1,2)個(gè)量子貓群第h只量子貓的量子位置和位置進(jìn)行更新，更新方程如下：

其中，為均勻分布在[0,1]之間的均勻隨機(jī)數(shù)。

計(jì)算更新后的量子貓群s1中所有量子貓的適應(yīng)度，適應(yīng)度通過(guò)接收端信噪比公式進(jìn)行計(jì)算，從更新后的量子貓群s1中找到適應(yīng)度最大的量子貓的位置，將其位置的適應(yīng)度與上一代量子貓群s1的全局最優(yōu)位置的適應(yīng)度進(jìn)行比較，將適應(yīng)度較優(yōu)的位置選作量子貓群s1新的全局最優(yōu)位置

計(jì)算更新后的量子貓群s2中所有量子貓的適應(yīng)度，適應(yīng)度通過(guò)網(wǎng)絡(luò)能量效率公式進(jìn)行計(jì)算，從更新后的量子貓群s2中找到適應(yīng)度最大的量子貓的位置，將其位置的適應(yīng)度與上一代量子貓群s2的全局最優(yōu)位置的適應(yīng)度進(jìn)行比較，將適應(yīng)度較優(yōu)的位置選作量子貓群s2新的全局最優(yōu)位置

(4)對(duì)于量子貓群s3中的每一量子貓進(jìn)行更新。以下為s3中處于搜尋模式的量子貓的更新過(guò)程：

1.根據(jù)記憶池的大小，將s3中第h只量子貓復(fù)制j個(gè)副本放在記憶池中。

2.對(duì)于記憶池中的j個(gè)副本，根據(jù)變化數(shù)(cdc)的大小，對(duì)復(fù)制的第j個(gè)量子貓副本的第r維進(jìn)行更新，更新方程如下：

其中，j＝1,2,…,j，r∈{1,2,…,r}。abs(.)表示絕對(duì)值函數(shù)，為均勻分布在[-1,1]之間的均勻隨機(jī)數(shù)，為均勻分布在[0,1]之間的均勻隨機(jī)數(shù)。

3.對(duì)在記憶池中的j個(gè)副本進(jìn)行非支配解排序和擁擠度計(jì)算，選出支配等級(jí)最高、擁擠度最大的副本作為種群s3的新的第h只量子貓。

以下為量子貓的搜尋模式過(guò)程：在這種模式下，量子貓通過(guò)各自的速度更新其量子位置和位置。以下為s3中處于追蹤模式的量子貓的更新過(guò)程：

1.對(duì)s3中處于追蹤模式的第h只量子貓的速度進(jìn)行更新。為在非支配解集se中非支配等級(jí)排在前10％的位置中隨機(jī)選擇的一個(gè)的位置。更新方程如下：

其中，c為速度變化范圍權(quán)系數(shù)。為均勻分布在[0,1]之間的均勻隨機(jī)數(shù)。

2.判斷s3第h只量子貓每一維的速度是否超過(guò)了邊界范圍，如果超過(guò)了邊界范圍，進(jìn)行如下處理：

其中，vr,max表示s3第r維速度的最大邊界。

3.對(duì)s3第h只量子貓的量子位置和位置進(jìn)行更新，更新方程如下：

(5)將s3更新產(chǎn)生的h只量子貓放入非支配解集se中。對(duì)非支配解集se中的量子貓進(jìn)行非支配解排序和擁擠度計(jì)算，保留前h只量子貓作為非支配解。然后令s3＝se。s3中的量子貓將參加下一次演進(jìn)。

(6)在迭代過(guò)程中，每隔f/10代(f為最大迭代次數(shù))進(jìn)行以下操作：根據(jù)第一個(gè)目標(biāo)函數(shù)計(jì)算se的某一量子貓和s1中全局最優(yōu)量子貓的適應(yīng)度值，第一個(gè)目標(biāo)函數(shù)為接收端信噪比。如果在se中該量子貓的適應(yīng)度值大于s1中全局最優(yōu)量子貓的適應(yīng)度值，則將s1中全局最優(yōu)量子貓?zhí)鎿Q為se中該量子貓，如果se中該量子貓的適應(yīng)度值小于等于s1中全局最優(yōu)量子貓的適應(yīng)度值，則將se中該量子貓?zhí)鎿Q為s1中全局最優(yōu)量子貓。根據(jù)第二個(gè)目標(biāo)函數(shù)計(jì)算se的某一量子貓和s2中全局最優(yōu)量子貓的適應(yīng)度值，第二個(gè)目標(biāo)函數(shù)為網(wǎng)絡(luò)能量效率。如果在se中該量子貓的適應(yīng)度值大于在s2中全局最優(yōu)量子貓的適應(yīng)度值，則將s2中全局最優(yōu)量子貓?zhí)鎿Q為se中該量子貓，如果se中該量子貓的適應(yīng)度值小于等于在s2中全局最優(yōu)量子貓的適應(yīng)度值，則將se中該量子貓?zhí)鎿Q為s2中全局最優(yōu)量子貓。

(7)如果進(jìn)化沒(méi)有終止(通常由預(yù)先設(shè)定的最大迭代次數(shù)f決定)，返回(3)，否則，終止迭代，輸出se中的非支配解，得到中繼選擇方案。

仿真中假設(shè)中繼協(xié)作網(wǎng)絡(luò)所有信道狀態(tài)信息服從參數(shù)為1的瑞利分布，中繼節(jié)點(diǎn)的發(fā)送功率pi＝0.1p。所有信道噪聲均為均值為0，方差為1的高斯白噪聲功率。量子貓群多目標(biāo)搜索機(jī)制中每個(gè)量子貓群規(guī)模h＝100，最大迭代次數(shù)f＝500。結(jié)合律mr＝0.2，速度變化常量c＝2，記憶池中個(gè)體數(shù)目j＝6，變化域srd＝1，變化數(shù)cdc＝0.5r，vr,max＝0.2。為了便于比較所提出的量子貓群搜索機(jī)制的多目標(biāo)中繼選擇方法與已有單目標(biāo)人工蜂群方法的支配關(guān)系，將人工蜂群方法應(yīng)用到單目標(biāo)中繼選擇問(wèn)題中，圖4對(duì)兩種方法進(jìn)行了比較，人工蜂群方法的群體規(guī)模和終止迭代次數(shù)均與量子貓群搜索機(jī)制的多目標(biāo)中繼選擇方法相同。人工蜂群方法中的其他參數(shù)設(shè)置參考文獻(xiàn)“multiplerelayselectionschemebasedonartificialbeecolonyalgorithm”。

圖2為同時(shí)考慮接收端信噪比和網(wǎng)絡(luò)能量效率的窮盡搜索所有解與量子貓群搜索機(jī)制搜索出的非支配解。候選的中繼節(jié)點(diǎn)數(shù)目為14，發(fā)送端sn的發(fā)送功率為10w，中繼節(jié)點(diǎn)的發(fā)送功率為1w。從仿真結(jié)果中可以看出，量子貓群搜索機(jī)制搜出的解與窮盡搜索搜出的非支配解完全一致，但是計(jì)算復(fù)雜度遠(yuǎn)遠(yuǎn)小于窮盡搜索，說(shuō)明了所提出的量子貓群搜索機(jī)制的中繼選擇方法的有效性，在保證接收端信噪比的同時(shí)又能保證最大的能量效率，實(shí)現(xiàn)綠色通信，節(jié)能環(huán)保。

圖3為同時(shí)考慮接收端信噪比和網(wǎng)絡(luò)能量效率的基于量子貓群搜索機(jī)制搜索出的非支配解。發(fā)送端sn的發(fā)送功率為10w，中繼節(jié)點(diǎn)的發(fā)送功率為1w。圖3候選的中繼節(jié)點(diǎn)數(shù)目為20。從仿真圖中可以看出，所求出的非支配解是均勻分布。

圖4為同時(shí)考慮接收端信噪比和網(wǎng)絡(luò)能量效率的基于量子貓群搜索機(jī)制搜索出的非支配解。發(fā)送端sn的發(fā)送功率為10w，中繼節(jié)點(diǎn)的發(fā)送功率為1w。圖4候選的中繼節(jié)點(diǎn)數(shù)目為30。從仿真圖中可以看出，所提出的中繼選擇方法支配單目標(biāo)的人工蜂群方法。此外，從仿真圖中也可以看出，所求出的非支配解是均勻分布的，量子貓群搜索機(jī)制對(duì)應(yīng)于不同的候選中繼節(jié)點(diǎn)數(shù)目的都是有效的，說(shuō)明了所提出的方法適用的廣泛性。

以上內(nèi)容是結(jié)合具體的實(shí)施方式對(duì)本發(fā)明所作的進(jìn)一步詳細(xì)說(shuō)明，不能認(rèn)定本發(fā)明的具體實(shí)施只局限于這些說(shuō)明。對(duì)于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明構(gòu)思的前提下，還可以做出若干簡(jiǎn)單推演或替換，都應(yīng)當(dāng)視為屬于本發(fā)明的保護(hù)范圍。