基于基因選擇性遺傳的認(rèn)知無線電頻譜分配算法

郭 霖，曾 鋒，陳志剛

（中南大學(xué)軟件學(xué)院，長沙 410075）

基于基因選擇性遺傳的認(rèn)知無線電頻譜分配算法

郭 霖，曾 鋒，陳志剛

（中南大學(xué)軟件學(xué)院，長沙 410075）

傳統(tǒng)認(rèn)知無線電頻譜分配遺傳算法面對認(rèn)知用戶之間的干擾，選擇在每次迭代之后進(jìn)行滿足干擾約束的處理，使得攜帶干擾基因的染色體參與整個遺傳優(yōu)化過程。針對該問題，以在遺傳過程中控制干擾為目標(biāo)，設(shè)計染色體中的基因表達(dá)規(guī)則，提出認(rèn)知無線電頻譜分配算法。依據(jù)基因表達(dá)規(guī)則標(biāo)記顯性基因與隱性基因，在下一代染色體中表達(dá)顯性基因，抑制隱性基因，從而保證染色體的健康，提高算法效率。仿真結(jié)果表明，與遺傳算法和量子遺傳算法相比，當(dāng)網(wǎng)絡(luò)中認(rèn)知用戶較多、頻譜資源較緊張時，該算法能獲得較高的系統(tǒng)總效益和系統(tǒng)接入率。

認(rèn)知無線網(wǎng)絡(luò)；頻譜分配；遺傳算法；系統(tǒng)效益；系統(tǒng)接入率

DO I：10.3969/j.issn.1000-3428.2015.10.052

1 概述

隨著無線通信與多媒體應(yīng)用的快速發(fā)展，無線頻譜資源已逐漸無法滿足人們的需求。而現(xiàn)有的無線通信系統(tǒng)采用低效率的固定頻譜分配方法，更是加劇了頻譜資源的匱乏與使用不均衡［1］。認(rèn)知無線電［2］是一種智能的無線通信系統(tǒng)，其認(rèn)知用戶通過感知周圍的頻譜環(huán)境，能夠在不影響授權(quán)用戶與其他認(rèn)知用戶的情況下動態(tài)接入空閑頻譜，從而提高了頻譜的利用率。因此，如何高效公平地分配可用頻譜資源至關(guān)重要。

目前已提出的頻譜分配模型主要包括博弈論模型［3］、拍賣模型［4］、干擾溫度模型［5］和圖論模型［6］。其中，圖論模型的泛化能力較強(qiáng)，可以根據(jù)不同的需求選擇不同的目標(biāo)函數(shù)，引起了廣泛的研究。文獻(xiàn)［6］提出了以最大效益為目標(biāo)的顏色敏感的圖著色算法，優(yōu)先將頻譜資源分配給效益大、干擾度小的認(rèn)知用戶，這樣做雖然提高了系統(tǒng)效益，但無法保證

認(rèn)知用戶之間的公平性。文獻(xiàn)［7］以最大化網(wǎng)絡(luò)接入量為目標(biāo)進(jìn)行分配頻譜資源，在一定程度上避免了某些頻譜資源沒有認(rèn)知用戶接入而產(chǎn)生饑餓現(xiàn)象。近年來學(xué)者們把頻譜分配問題轉(zhuǎn)化為智能優(yōu)化問題，提出了粒子群算法［8-9］、量子蜂群算法［10］，以及遺傳克隆算法［11-12］。

文獻(xiàn)［13］提出了一種基于遺傳算法（Genetic Algorithm，GA）的頻譜分配方法。文獻(xiàn)［14］在其基礎(chǔ)上提出了基于量子遺傳算法（Quantum Genetic Algorithm，QGA）的頻譜分配方法，但是在處理干擾的問題上采用了與文獻(xiàn)［13］相同的手法，都需要在最后進(jìn)行滿足干擾約束的處理，并且都沒有考慮系統(tǒng)的接入率以及用戶的公平性。針對這些問題，本文通過標(biāo)記顯隱性基因，抑制染色體中干擾基因的出現(xiàn)，并在變異階段優(yōu)先考慮分配率較低的用戶，提高系統(tǒng)接入率。

2 認(rèn)知無線電頻譜分配模型及矩陣

2.1 認(rèn)知無線電頻譜分配圖論模型

認(rèn)知無線網(wǎng)絡(luò)頻譜分配過程中需要考慮3個方面的問題：認(rèn)知用戶對授權(quán)用戶的干擾，認(rèn)知用戶之間的干擾，系統(tǒng)的總頻譜效益以及認(rèn)知用戶之間的公平性。本文利用圖著色模型來描述頻譜分配問題。

首先建立拓?fù)浣Y(jié)構(gòu)模型，假設(shè)在一個X×Y的區(qū)域中，有I個授權(quán)用戶P和N個認(rèn)知用戶S隨機(jī)分布，可以檢測到 M個完全正交的可用頻譜，認(rèn)知用戶在滿足頻譜分配的規(guī)則下可以同時使用多個頻譜資源。對于頻譜 m（m=1，2，…，M），授權(quán)用戶Pi（i=1，2，…，I）與認(rèn)知用戶Sn（n=1，2，…，N）的覆蓋區(qū)域分別是以自己為圓心，半徑為 dPi，m與 dsn，m的圓。當(dāng)各用戶在某一頻譜上的覆蓋區(qū)域相互重疊時即表明存在干擾。

根據(jù)上述假設(shè)及定義，可以將認(rèn)知無線網(wǎng)絡(luò)抽象成一個無向加權(quán)圖G=（V，E，B）。V是頂點(diǎn)的集合，一個頂點(diǎn)代表一個認(rèn)知用戶；E是邊的集合，表示2個認(rèn)知用戶之間的干擾關(guān)系，對一個頻譜，如果認(rèn)知用戶i與j的覆蓋區(qū)域相互重疊，則ei，j=1；否則，ei，j=0，表示i與j之間不相連。B代表每個頂點(diǎn)的顏色（可用頻譜）集合以及其對應(yīng)的權(quán)重（頻譜效益）。

2.2 認(rèn)知無線電網(wǎng)絡(luò)頻譜分配矩陣

根據(jù)以上分析，可將認(rèn)知無線電網(wǎng)絡(luò)頻譜分配模型用定義1～定義4的矩陣［6］表示，并用定義9［6］的系統(tǒng)總效益作為認(rèn)知無線電網(wǎng)絡(luò)頻譜分配的目標(biāo)。同時，在以總效益為目標(biāo)的基礎(chǔ)上考慮了認(rèn)知

定義3 干擾矩陣 C=｛cn，k，m|cn，k，m∈｛0，1｝｝N×N×M，用來表示網(wǎng)絡(luò)中存在的干擾。當(dāng)n=k時，cn，k，m用來表示授權(quán)用戶與認(rèn)知用戶之間的干擾，若cn，k，m=1，表示認(rèn)知用戶n使用頻譜m會對同時使用該頻譜的授權(quán)用戶產(chǎn)生干擾；若cn，k，m=0則表示無干擾。當(dāng)n≠k時，cn，k，m用來表示認(rèn)知用戶之間的干擾情況，若認(rèn)知用戶 n與 k同時使用頻譜 m會產(chǎn)生干擾，則cn，k，m=1，無干擾則cn，k，m=0。

定義4 無干擾分配矩陣 A用來表示最終的頻譜分配方案，A=｛an，m|an，m∈｛0，1｝，an，m≤ln，m｝N×M。當(dāng) an，m=1時表示把頻譜 m分配給了認(rèn)知用戶n，反之如果沒有給認(rèn)知用戶n分配頻譜m，則an，m=0。同時，矩陣 A必須滿足干擾矩陣 C的約束：an，m+an，m≤1，if cn，k，m=1，?1≤m≤M，1≤n，k≤N，n≠k。

定義5 認(rèn)知用戶可感知頻譜個數(shù)矩陣K，用來表示認(rèn)知用戶可感知到的頻譜個數(shù)：K=｛kn|kn=用戶之間的公平性問題，期望認(rèn)知用戶最終分配到的頻譜個數(shù)與自身所能感受到的頻譜個數(shù)相關(guān)，并由此期望定義了認(rèn)知用戶的分配率，如定義7所示。不同于單一以系統(tǒng)總效益為目標(biāo)的分配方法，在算法的變異階段讓頻譜分配率較低的認(rèn)知用戶優(yōu)先分配到頻譜資源，避免了少數(shù)頻譜收益較高的認(rèn)知用戶占用絕大部分頻譜的情況，并與此同時讓更多的認(rèn)知用戶接入到系統(tǒng)中，提高了系統(tǒng)的接入率。相關(guān)定義如下：

定義1 可用矩陣 L=｛ln，m|ln，m∈｛0，1｝｝N×M，用來表示認(rèn)知用戶n（1≤n≤N）是否可以使用頻譜m（1≤m≤M）。若 ln，m=1，則表示可以使用；若ln，m=0，則不可以使用。

定義6 認(rèn)知用戶已分配頻譜個數(shù)矩陣H，用來表示認(rèn)知用戶已分配頻譜個數(shù)，如下所示，其中，系統(tǒng)中認(rèn)知用戶n最多被分配kn個頻譜：H=｛hn|hn=

定義7 認(rèn)知用戶頻譜分配率矩陣E，用來表示認(rèn)知用戶n已分配到的頻譜個數(shù)占自己可以感知到的頻譜個數(shù)的比率，E=｛en|en=hn/kn｝N×1。

定義8 系統(tǒng)接入率F用來衡量接入到系統(tǒng)中的認(rèn)知用戶數(shù)量占系統(tǒng)中認(rèn)知用戶總數(shù)的比例，計算公式如下：

定義9 頻譜m實(shí)現(xiàn)的效益R。對于無干擾頻譜矩陣A，它的每一列表示頻譜m對所有用戶的分配情況，那么定義頻譜m實(shí)現(xiàn)的效益為 R，由式（2）計算，并將其定義為染色體的適應(yīng)度函數(shù)：

2.3 染色體編碼

由于與矩陣L中值為0的元素位置相對應(yīng)的頻譜分配矩陣A中的元素必定為0，因此僅對ln，m=1的位置進(jìn)行染色體編碼。并將矩陣L的每一列編碼為一條原始染色體GAm=｛gam，i|gam，i=1，i=1，2，…，Sm｝，其中，i為基因gam，i在染色體GAm中的位置，對應(yīng)于矩陣L中m列的第n行位置，且染色體為一行向量；Sm為染色體 m的長度，其值等于矩陣 L對應(yīng)頻譜m中的1元素的個數(shù)。最后，把經(jīng)過遺傳進(jìn)化的變異染色體GDm映射到矩陣A中對應(yīng)的m列，如圖1所示。

認(rèn)知無線網(wǎng)絡(luò)頻譜分配的目標(biāo)就是在滿足干擾約束的條件下使系統(tǒng)總效益U（R）最大，則可將問題描述為：

圖1 染色體編碼方式

在頻譜m編碼的染色體Gm=｛gm，i|gm，i∈（0，1），i=1，2，…，Sm｝中，定義gm，i=1的位置為顯性基因，定義gm，i=0的位置為隱性基因。

3 基因選擇性遺傳的頻譜分配算法

3.1 算法設(shè)計

本文算法的核心是對遺傳、交叉、變異3個步驟進(jìn)行控制，方法如下：

傳統(tǒng)的遺傳算法是對適應(yīng)度較高的染色體進(jìn)行遺傳復(fù)制，體現(xiàn)了不同染色體之間的差異性，但卻忽略了染色體中每個基因的特性——基因之間的干擾性，即忽略了認(rèn)知網(wǎng)絡(luò)中存在不同的認(rèn)知用戶可以分別使用但卻不能同時使用某一頻譜的情況。相干擾的基因同時表達(dá)會產(chǎn)生致病基因組，如果不在遺傳變異過程中進(jìn)行控制，會將攜帶致病基因組的病態(tài)染色體參與整個遺傳變異過程，降低了算法的有效性，增加了無效的計算量。所以本文提出的遺傳算法是通過標(biāo)記染色體中優(yōu)秀基因為顯性基因，在遺傳變異過程中將顯性基因進(jìn)行表達(dá)，同時將會產(chǎn)生干擾的基因標(biāo)記為隱性基因，使得在進(jìn)化過程中，遺傳、交叉、變異操作都是針對健康的染色體。

由矩陣 L按編碼規(guī)則生成原始染色體 GAm（m=1，2，…，M），并將GAm克隆遺傳生成S個相同的染色體GBm，s（s=1，2，…，S），組成初始種群，并定義GBm，s為遺傳染色體。

3.1.1 遺傳控制

首先由圖1的編碼規(guī)則，可將染色體GBm，s中的基因gbm，s，i對應(yīng)到矩陣L中的 ln，m位置，并由此可以得到gbm，s，i對應(yīng)于矩陣B中的效益值，然后由式（4）可以得到 GBm，s中每個基因 gbm，s，i的遺傳概率 Pm，i。為了保證種群的多樣性，依據(jù)每個基因的遺傳概率由輪盤賭選擇的方法隨機(jī)選取GBm，s中的一個基因，那么Pm，i高的基因?qū)懈叩膬?yōu)先級被遺傳到下一代，即對于某一頻譜，效益高的認(rèn)知用戶會有更高的優(yōu)先級被分配到該頻譜。最后將該基因標(biāo)記為顯性基因，并將GBm，s中其余的基因標(biāo)記為隱性基因。

3.1.2 交叉控制

至此，種群中所有的染色體GBm，s只有一個位置為顯性基因，及gbm，s，i=1（1≤i≤Sm），而交叉控制的目的就是通過判斷2條遺傳染色體GBm，s與GBm，t中的顯性基因 gbm，s，i，gbm，t，j是否存在干擾，如果沒有干擾，則將遺傳染色體GBm，s與GBm，t相互交叉合并生成新的染色體，減少重復(fù)計算。

記新生成的染色體個數(shù)為 U，定義新生成的染色體為交叉染色體 GCm，u（u=1，2，…，U）。交叉合并的操作為將2條遺傳染色體GBm，s與GBm，t對應(yīng)基

因位置相加，可知交叉后的染色體GCm，u中顯性遺傳基因為gcm，u，i，gcm，u，j。其中，i，j分別為 gbm，s，i，gbm，t，j在GBm，s，GBm，t中對應(yīng)的顯性基因位置。最后，如果GBm，s不能與其他任何遺傳染色體交叉合并，則將GBm，s也標(biāo)記為交叉染色體GCm，u。同時為了控制種群數(shù)量，由式（2）計算每條染色體的適應(yīng)度，選取適應(yīng)度最大的前s條染色體進(jìn)行下一步的變異操作。

3.1.3 變異控制

變異控制是將上一步所產(chǎn)生的交叉染色體GCm，s中還沒有表達(dá)的基因依據(jù)變異規(guī)則依次變異，由隱性基因變異為顯性基因。

變異規(guī)則如下，將交叉染色體GCm，s中隱性基因gcm，s，i（1≤i≤Sm）的位置i由圖1的方式對應(yīng)到頻譜m中的位置n，從而可以由分配率矩陣E=｛en｝N×1得到隱性基因gcm，s，i對應(yīng)的認(rèn)知用戶n當(dāng)前的分配率情況，并將所有隱性基因?qū)?yīng)的en組成集合Em，s。然后從小到大依次判斷集合Em，s中元素en對應(yīng)的隱性基因與GCm，s所有顯性基因的干擾性，如果沒有干擾，則將隱性基因變異為顯性基因，并將 en從集合Em，s中去除；如果有干擾，則直接將en從集合Em，s中去除。這樣，分配率低的認(rèn)知用戶就會有更高的優(yōu)先級被分配到該頻譜。最后將完成變異的交叉染色體GCm，s標(biāo)記為變異染色體GDm，s。

3.2 算法流程

綜上所述，本文算法的頻譜分配過程如下：

Step1 初始化參數(shù)：隨機(jī)生成可用矩陣L，效益矩陣B，干擾矩陣C，以及可感知頻譜個數(shù)矩陣C。

Step2 染色體編碼：將矩陣L的每列按染色體編碼規(guī)則生成原始染色體GAm，初始化種群數(shù)s，設(shè)進(jìn)化代數(shù)g=0。

Step3 止條件判斷：如果達(dá)到最大進(jìn)化代數(shù)gmax，則選擇分配方案集合Y中頻譜效益最大的矩陣A作為最終的頻譜分配方案，轉(zhuǎn)Step9；否則，轉(zhuǎn)Step4。

Step4 遺傳控制：由輪盤賭選擇方法將初始種群中的每個染色體隨機(jī)保留一個基因為顯性基因，其余的基因標(biāo)記為隱性基因，生成新的染色體GBm。

Step5 交叉控制：將2條遺傳染色體GBm，s與GBm，t合并生成新的染色體GCm，s，最后將無法與任何遺傳染色體交叉合并的染色體 GBm，s同樣標(biāo)記為GCm，s。

Step6 判斷：若m=1，則將矩陣K賦值給矩陣E；否則，轉(zhuǎn)Step7。

Step7 變異控制：依據(jù)變異規(guī)則將GCm，s中的隱性基因變異成顯性基因，生成變異染色體GDm，s。

Step8 映射矩陣：將適應(yīng)度最大的染色體GDm，s映射到矩陣A中的第m列。更新矩陣K與矩陣E，若此時m=M，則將A加入分配方案集合Y，g=g+1，轉(zhuǎn)Step3；否則m=m+1，轉(zhuǎn)Step4。

Step9 輸出頻譜方案。

4 仿真及結(jié)果分析

本文在Matlab 2012平臺進(jìn)行了仿真測試，實(shí)驗中網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)由文獻(xiàn)［6］產(chǎn)生。為了驗證基因選擇遺傳算法（GIS）的性能，分別以系統(tǒng)的總頻譜效益U（R）和系統(tǒng)接入率F兩方面作為衡量指標(biāo)，同時與遺傳 算 法 （GA）［13］和量子 遺 傳算法（QGA）［14］作了比較。3種算法的進(jìn)化代數(shù)都設(shè)定為200，種群大小為30，每次實(shí)驗中3個算法使用相同的拓?fù)浣Y(jié)構(gòu)，每組實(shí)驗運(yùn)行50次，取平均值。為了體現(xiàn)GIS算法在染色體變異過程中對認(rèn)知用戶頻譜分配公平性的控制，在最后展示了3種算法在隨機(jī)一次頻譜分配中每個認(rèn)知用戶的頻譜分配率。

圖2和圖3分別給出了3種算法在頻譜數(shù)量M=10時不同認(rèn)知用戶數(shù)量的系統(tǒng)總頻譜效益與其對應(yīng)的系統(tǒng)接入率。

圖2 M=10的系統(tǒng)總效益U（R）

圖3 M=10的系統(tǒng)接入率F

從圖2中可以看到，GA與QGA的上升速度在認(rèn)知用戶數(shù)N=M=10之后有很明顯的減緩，從N= 10～N=20所獲得平均系統(tǒng)總收益僅為本文算法的64.31%與75.26%。從圖3中可以看到，隨著認(rèn)知用戶的增加，GIS系統(tǒng)接入率下降的速度在N=M= 10之后有很明顯的減緩，從N=10～N=20，GIS算

法的系統(tǒng)接入率只降低了7.89%，而GA與QGA則分別降低了32.43%與41.67%。

這是由于隨著區(qū)域中認(rèn)知用戶數(shù)量不斷地增加，而頻譜數(shù)量不變，導(dǎo)致認(rèn)知用戶之間對頻譜的爭奪和干擾更加劇烈。傳統(tǒng)的遺傳算法選擇在最后進(jìn)行干擾約束的處理，受干擾影響較大，而本文算法在過程中控制干擾，降低了干擾的影響。

圖4和圖5分別給出了3種算法在認(rèn)知用戶數(shù)量N=20時不同頻譜數(shù)量的系統(tǒng)總頻譜效益與其對應(yīng)的系統(tǒng)接入率。從圖 4中可以看到，與 GA和QGA相比，GIS從M=10～M=30的平均系統(tǒng)總效益分別提高了83%與64%。從圖5中可以看到，與GA和QGA相比，本文算法從M=10～M=30的系統(tǒng)接入率分別提高了19%與53%。

圖4 N=20的系統(tǒng)總效益U（R）

圖5 N=20的系統(tǒng)接入率F

這其中的原因除了上文所提到的本文算法在進(jìn)化過程中對干擾的控制，另一個因素是在染色體變異階段選擇變異基因的位置時優(yōu)先考慮了頻譜分配率en較低的認(rèn)知用戶，弱化了最大頻譜效益在此階段的影響，強(qiáng)化了每個認(rèn)知用戶所能感知到的頻譜數(shù)量和已分配到的頻譜數(shù)量的重要性。

圖6展示了3種算法在認(rèn)知用戶數(shù)量N=10，頻譜數(shù)量M=10時隨機(jī)一次頻譜分配中認(rèn)知用戶的頻譜分配率。3種算法對應(yīng)頻譜分配率的標(biāo)準(zhǔn)差，從上至下依次為0.158 1，0.182 4，0.231 7，本文算法對應(yīng)的頻譜分配率的方差最小，從圖中也可以看出本文算法相比于其他2種算法更為均勻。

圖6 N=10，M=10時的認(rèn)知用戶頻譜分配率

5 結(jié)束語

本文在綜合分析了傳統(tǒng)遺傳算法在染色體編碼以及干擾性的問題后，提出了基因選擇性遺傳的認(rèn)知無線電頻譜分配算法。算法在以最大效益為目標(biāo)的基礎(chǔ)上考慮了用戶的公平性問題，首先在遺傳、交叉階段以最大效益為目標(biāo)，使用輪盤賭的方法選擇遺傳基因，然后在變異階段則優(yōu)先將分配率最低的認(rèn)知用戶對應(yīng)的基因進(jìn)行變異，并于此同時提高了系統(tǒng)的接入率。仿真結(jié)果表明，當(dāng)區(qū)域中認(rèn)知用戶數(shù)量較大、干擾越激烈時，本文算法在實(shí)現(xiàn)系統(tǒng)最大效益以及接入率方面有明顯的優(yōu)勢。

［1］ Haykin S.Cognitive Radio：Brain-em powered Wireless Communications［J］.IEEE Journal on Selected Areas in Communications，2005，23（2）：201-220.

［2］ Quan Zhi，Cui Shuguang，Sayed A H.Optimal Linear Cooperation for Spectrum Sensing in Cognitive Radio Networks［J］.IEEE Journal of Selected Topics in Signal Processing，2008，2（1）：28-40.

［3］ Wang Beibei，Wu Yongle，Liu K J R.Game Theory for Cognitive Radio Networks：An Overview［J］.Computer Networks，2010，54（14）：2537-2561.

［4］ Wang Xinbing，Li Zheng，Xu Pengchao，et al.Spectrum Sharing in Cognitive Radio Networks——An Auctionbased Approach［J］.IEEE Transactions on System s，Man，and Cybernetics，Part B：Cybernetics，2010，40（3）：587-596.

［5］ G?züpek D，Alag?z F.Genetic Algorithm-based Scheduling in Cognitive Radio Networks Under Interference Temperature Constraints［J］.International Journal of Communication System s，2011，24（2）：239-257.［6］ Peng Chunyi，Zheng Haitao，Zhao Ben.Utilization and Fairness in Spectrum Assignment for Opportunistic Spectrum Access［J］.Mobile Networks and Applications，2006，11（4）：555-576.

［7］ Jia Jie.A Spectrum Allocation Algorithm to Maximize the System Access Amount in Cognitive Radio System［C］//Pro-ceedings of the 3rd International Conference on Com-munication Software and Networks. Washington D.C.，USA：IEEE Press，2011：251-255.

［8］ 鄺祝芳，陳志剛.認(rèn)知無線Mesh網(wǎng)絡(luò)中一種有效的多目標(biāo)優(yōu)化頻譜分配算法［J］.中南大學(xué)學(xué)報：自然科學(xué)版，2013，44（6）：73-75.

［9］ 張麗影，曾志文，陳志剛，等.認(rèn)知無線網(wǎng)絡(luò)中基于約束算子的二進(jìn)制粒子群頻譜分配算法［J］.小型微型計算機(jī)系統(tǒng)，2013，34（6）：1226-1229.

［10］ 高洪元，曹金龍.量子蜂群算法及其在認(rèn)知頻譜分配中的應(yīng)用［J］.中南大學(xué)學(xué)報：自然科學(xué)版，2012，43（12）：4743-4749.

［11］ 王曉飛.基于免疫克隆選擇的認(rèn)知無線網(wǎng)絡(luò)頻譜分配研究［J］.電子與信息學(xué)報，2011，33（7）：1561-1567.

［12］ 劉 升，陳志剛，鄺祝芳.認(rèn)知無線電中結(jié)合差異性的免疫克隆優(yōu)化頻譜分配算法［J］.計算機(jī)工程與科學(xué)，2014，36（9）：1672-1677.

［13］ El-Nainay，Mustafa Y.Island Genetic Algorithm-based Cognitive Networks［D］.Blacksburg，USA：Virginia Polytechnic Institute and State University，2009.

［14］ 趙知勁.基于量子遺傳算法的認(rèn)知無線電頻譜分配［J］.物理學(xué)報，2009，58（2）：1358-1363.

編輯 顧逸斐

Cognitive Radio Spectrum Allocation Algorithm Based on Gene Selective Inheriting

GUO Lin，ZENG Feng，CHEN Zhigang
（School of Software，Central South University，Changsha 410075，China）

Traditional genetic algorithm is used in cognitive radio spectrum allocation chosen in the last step to solve the interference issue in the face of interference between cognitive users，resulting in the problem that the chromosome of carrying interference gene takes part in the whole genetic process.According to this problem，this paper targets the control of interference in the genetic process，designs rules of gene expression in the chromosome，proposes cognitive radio spectrum allocation algorithm of gene selective inheriting.It marks the dominant and recessive genes by the regulation of gene expression，and expresses the dominant genes and inhibits the recessive gene in the next generation of chromosomes，thereby ensuring the health of the chromosome，improving the efficiency of the algorithm.Simulation results show that the algorithm has better total benefit and higher access ratio com pared with Genetic Algorithm（GA）and Quantum Genetic Algorithm（QGA）when more cognitive users and fewer spectrum resources are in the system.

cognitive radio network；spectrum allocation；Genetic Algorithm（GA）；system benefit；system access ratio

郭 霖，曾 鋒，陳志剛.基因選擇性遺傳的認(rèn)知無線電頻譜分配算法［J］.計算機(jī)工程，2015，41（10）：275-279，285.

英文引用格式：Guo Lin，Zeng Feng，Chen Zhigang.Cognitive Radio Spectrum Allocation Algorithm Based on Gene Selective Inheriting［J］.Computer Engineering，2015，41（10）：275-279，285.

1000-3428（2015）10-0275-05

A

TP301.6

國家自然科學(xué)基金資助項目（61103202）；高等學(xué)校博士學(xué)科點(diǎn)專項科研基金資助項目（20110162120046）；中南大學(xué)中央高校基本科研業(yè)務(wù)費(fèi)專項基金資助項目（2015zzts232）。

郭 霖（1990-），男，碩士研究生，主研方向：認(rèn)知無線網(wǎng)絡(luò)；曾 鋒，副教授、博士；陳志剛，教授、博士。

2014-10-30

2014-11-29E-mail：guolincsu@163.com