论文部分内容阅读
人工蜂群算法是一种模仿蜂群智能采蜜行为的新型群智能优化算法,它通过不同角色蜜蜂间的交流、转换和协作实现群体智能,由于其控制参数少、易于实现、计算简洁、鲁棒性强等特点,已被越来越多的学者所关注并成功应用于函数优化、滤波器设计、图像处理和无线通信等领域。最优多用户检测技术可以提供最小的误码率、最高的渐近有效性和最佳的抗远近效应能力,但已证明它是一个非确定多项式(Non-Deterministic Polynomial,NP)问题。人工蜂群算法作为一种简单有效的新型优化算法可以有效求解此类问题。因此,采用人工蜂群算法优化最优多用户检测技术,对于提高系统容量、增强系统性能具有重要的理论意义和实用价值。本文所做的主要工作如下:(1)提出了一种差分演化二进制人工蜂群算法。采用多维邻域搜索方式,利用逻辑运算代替代数运算,设计了直接针对离散域的邻域搜索公式,分析了算法的收敛性能,通过0-1背包问题的仿真验证了算法有效性。并与多用户检测结合,提出了一种基于差分演化二进制人工蜂群的多用户检测算法,仿真结果表明,改进算法在收敛性能、抗多址干扰和抗远近效应能力方面与传统检测算法相比,均有显著提高。(2)提出了一种粒子群二进制人工蜂群算法。利用全局最优解信息引导候选解的生成,得到了改进的邻域搜索公式,分析了算法的收敛性能,测试函数仿真验证了算法性能的优越性。并将改进算法应用于优化多用户检测的目标函数,提出了一种基于粒子群二进制人工蜂群的多用户检测算法,设计了目标函数,进行了计算机仿真。(3)提出了一种分布估计二进制人工蜂群算法。利用分布估计算法可获得全局优质解统计信息的特点,设计了全局群体信息和局部个体信息相结合的食物源更新公式,进行了算法收敛性能的分析和算法仿真。并应用于优化多用户检测的目标函数,提出了一种基于分布估计二进制人工蜂群的多用户检测算法,通过仿真实验对算法的收敛性能、抗多址干扰和抗远近效应能力进行了验证。