基于适应值预测的DABC算法：一种高效认知无线频谱分配方案

本篇论文研究主要关注于解决认知无线网络频谱分配过程中存在的挑战。针对频谱资源供需矛盾加剧的问题，研究者提出了一个新颖的算法——基于适应值预测的双人工蜂群算法（FP-DABC）。适应值预测策略的应用使得算法在频谱分配效率上有显著提升，通过设计合理的干扰门限阈值，算法能够接纳更多用户接入，从而改善系统的整体性能。 传统的方法，如图论着色模型虽然经典，但由于其求解难度属于NP难题，实际应用时可能存在效率低下的问题。为了克服这些问题，文中提到的智能计算方法如遗传算法、粒子群算法等在解决频谱分配问题上发挥了作用，但它们尚未充分考虑用户满意度、分配公平性和系统实时性等多方面因素，特别是对于多个用户共享同一频谱的情况，没有找到最优的解决方案。 FP-DABC算法创新性地结合了适应值预测技术，这使得算法能够动态调整分配策略，更好地平衡用户需求和系统性能。在实验仿真中，结果显示FP-DABC算法相较于颜色敏感图着色算法（CSGC）和人工蜂群算法（ABC），在用户满意度、频谱分配率、平均分配时间、用户公平性以及整体系统性能上表现出优势。尽管该算法牺牲了一部分网络效益，但整体性能的提升表明它在实际应用中具有更高的价值。 因此，这篇论文的主要贡献在于提出了一种新的认知无线电频谱分配策略，通过适应值预测和双人工蜂群优化，实现了更高效、公平的频谱分配，有助于解决移动互联网时代频谱资源紧张的问题。这项研究对于理解和优化认知无线网络的运营管理具有重要的理论和实践意义。