基于带疫苗注入VAMIGA的认知无线电波形优化

摘要：

典型基于遗传算法的认知无线电(CR)引擎多采用加权法将多个优化目标转换为单目标进行处理，这容易漏掉最优解且引擎效率较低。针对该问题提出了一种带疫苗注入的自适应多目标免疫遗传算法(VAMIGA)。通过在CR问题中与强度Pareto进化算法(SPEA2)仿真对比，VAMIGA决策结果降低了2%～15%的发射功率，提高了6%～8%的调制指数，降低了6%～36%的误比特率。由此可见该算法能更有效地解决多目标优化和不同环境下的CR波形设计问题。

关键词：认知无线电、环境稳定度、免疫遗传算法、基因注入、波形优化

分类号：TN014(一般性问题)

资助基金：国家自然科学基金61379005，61072138

在线出版日期：2015-04-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：183-189