基于改进乌鸦算法的车载网络频谱分配方案

摘要：

车载网络(Vehicle Ad Hoc Networks)是一种新型的智能网络,它通过智能地接入网络,实现人与车、车与车、车与路边基础设施之间的互联通信,增强车辆行驶过程中的安全预测报警功能,满足用户对车辆多媒体接入的需求,提升车辆用户体验.针对认知车载网络(Cognitive Vehicular Ad Hoc Networks,CR-VANET)频谱分配效率低的问题,文中提出一种基于改进乌鸦算法的频谱分配方案.首先,对乌鸦算法的两个位置更新参数引用曲线自适应参数进行改进,以更好地平衡集约化与多元化;其次,采用收敛因子策略,解决乌鸦算法收敛速度慢和不稳定的问题;然后,对随机数混沌化,以提高搜索的遍历性和收敛速度;最后,以车载网络吞吐量和认知车载用户之间的接入公平性作为参考评价指标,将改进后的乌鸦算法应用于认知车载网络的频谱分配中.实验采用改进的方案、遗传算法(Genetic Algorithm,GA)、粒子群算法(Particle Swarm Optimization Algorithm, PSO)分配方案进行比较.仿真结果表明,改进的分配方案具有较好的性能.

关键词：频谱分配、认知车载网络、二进制乌鸦算法、混沌映射、自适应曲线、收敛因子

所属期刊栏目：47

分类号：TP393(计算技术、计算机技术)

资助基金：贵州省自然科学基金黔科合基础[2017]1047号

在线出版日期：2020-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：273-278