多用户场景下SWIPT-NOMA网络中的保密能量效率优化

来源 :计算机应用研究 | 被引量 : 0次 | 上传用户:qwedddessf
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在采用非正交多址接入技术的无线携能通信网络中,窃听者的存在和不同用户配对方式将影响网络的保密能量效率。为寻求保密能量效率最大化支配下的网络资源配置方案,提出了一种改进的群智能搜索算法用于解决此非凸优化问题。改进的群智能搜索算法采用共生生物搜索技术,增强了对可行域的局部搜索能力。仿真结果表明,不同的用户配对方式在单时隙或多时隙场景下具有相异特征,改进后的群智能搜索算法比其他基线算法具有更佳的网络性能,为多输入多输出非正交多址接入无线携能通信网络中通信安全及能量效率的研究提供了依据。
其他文献
推荐系统帮助用户主动找到满足其偏好的个性化物品并推荐给用户。协同过滤算法是推荐系统中较为经典的算法,但是其会受到数据冷启动和稀疏性的限制,具有可解释性差和模型泛化能力差等缺点。针对其缺点进行研究,通过将原始的评分矩阵以用户—项目二部图的形式作为输入,将图卷积神经网络设计为一种图自编码器的变体,通过迭代的聚合邻居节点信息得到用户和项目的潜在向量表示,并在其基础上结合卷积神经网络,提出了一种基于卷积矩
针对不相关并行机调度问题,面向降低能源消耗和减少完工时间的目标,提出一种更高效的基于十进制整数编码的多目标灰狼算法。求解时,采用将资源配置与作业排序相结合的十进制整数编码方式,设计了针对多目标离散调度问题的两阶段位置更新机制。同时引入了NSGA-Ⅱ的精英保留策略,提高了算法的寻优能力,应用最大迭代次数停止准则结束循环并保留最优解。最后,通过数值实验与有代表性的前沿算法进行仿真对比,以验证所提算法的
针对元启发算法中蜉蝣优化算法(MOA)的求解精度不高、收敛速度慢、稳定性不强等缺点进行研究,提出一种黄金正弦与自适应融合的蜉蝣优化算法。引入自适应惯性权重因子增强算法的搜索和开发能力达到更好的平衡;引入融合Lévy飞行策略和黄金正弦因子进一步改善易陷入局部最优的缺点,增强种群多样性,跳出局部最优。仿真结果表明,改进算法对于测试函数在求解精度、收敛速度和寻优能力上有显著提升。同时,为验证结果的可靠性
针对标准鲸鱼算法(WOA)及部分衍生算法求解某些算例效果不佳的问题进行了研究与实验,证明了WOA"包围"过程存在零点搜索偏好陷阱;而混沌优化算法(COA)不均衡的搜索特性使得部分衍生WOA融合的混沌初始种群与群智能优化过程难以调和。为了改善上述缺陷,选用了两种混沌系统和气泡网捕猎策略,设计了一套融合式优化算法。算法采用基于适应度的基线式自适应振荡群粒划分策略指导群体行为模式,充分发挥混沌系统作用,
针对单段及多段连续体机器人运动学问题,提出分段常曲率与粒子群算法相结合的完整正逆运动学分析方法。以双段丝驱动连续体机器人为研究对象,首先设计含平移段的机器人样机;然后利用分段常曲率方法建立驱动空间与关节空间的相互映射,根据齐次变换得到关节空间至工作空间的正映射关系;最后利用线性递减权重粒子群算法实现工作空间至关节空间的逆映射。对双段连续体机器人的运动学进行仿真及逆运动学求解耗时测试,并在研制样机上
针对单一智能优化算法求解机器人路径规划时易陷入局部误区的问题,提出改进粒子群优化算法(GB_PSO)用于机器人路径规划。该算法以粒子群优化算法(particle swarm optimization,PSO)为主体,由于遗传算法(genetic algorithm,GA)和细菌觅食算法(bacterial foraging optimization algorithm,BFO)更新策略所受环境影响
为保证设备正常运行并准确预测轴承剩余寿命,提出二维卷积神经网络与改进WaveNet组合的寿命预测模型。为克服未优化的递归网络在预测训练过程中易出现梯度消失问题,该模型引入了WaveNet时序网络结构。针对原始WaveNet结构不适用滚动轴承振动数据情况,将WaveNet结构改进与二维卷积神经网络结合应用于滚动轴承寿命预测。模型利用二维卷积网络提取一维振动序列的特征,随后特征输入WaveNet并进行
绳驱超冗余机械臂具有灵活性强、工作空间大等特点,在航天活动中可替代宇航员进行各种航空作业。以空间飞行器在轨维修为研究背景,模拟其实验环境,设计了一套基于RGB-D的可移动绳驱超冗余机械臂定位抓取系统。首先改进了Mask R-CNN算法,在保证检测精度的同时降低模型尺寸,通过Intel RealSense D435i采集图像输入到目标检测模型得到目标的类别和位置信息,进一步利用自适应末端位置更新算法
为了在公交车辆调度中减少车辆的空驶时间和在人车固定搭配模式下实现乘务组工作时间的公平性,建立了基于超级时空网络的车辆调度模型,并设计了求解模型的改进和声搜索算法。首先,将调度中涉及的车场、车次、接续、出场弧、入场弧和空驶车次转换为超级时空网络中的点或弧段;然后,基于构建的时空网络建立相应的公交车辆调度优化模型;接着,设计了综合利用和声记忆库和可行解空间信息来生成新和声的混生算子;同时,在时空网络中
基于SDN(software defined networking)体系结构的迭代式负载均衡与节能的流调度算法(load balancing and energy saving flow scheduling with iteration,LoadbE-it)在实现负载均衡的同时最高可节约25%左右的能耗,但其时间复杂度为O(n~4),不利于在大规模网络中部署。LoadbE-it-M算法(load