基于蜜源優(yōu)化策略的頻率分配方法*

吳 麒

(中國(guó)西南電子技術(shù)研究所，成都 610036)

?

基于蜜源優(yōu)化策略的頻率分配方法*

吳 麒**

(中國(guó)西南電子技術(shù)研究所，成都 610036)

為解決頻率分配問(wèn)題，提出了一種基于蜜源優(yōu)化的頻率分配方法。首先提出了評(píng)估干擾程度的計(jì)算方法，對(duì)傳統(tǒng)人工蜂群算法的引領(lǐng)蜂搜索行為進(jìn)行改進(jìn)，并重新設(shè)計(jì)跟隨蜂搜索行為，增加選擇性變異操作，以達(dá)到增加蜜源多樣性以及降低陷入局部最優(yōu)解可能性的目的。仿真結(jié)果表明，所提算法在搜索效率和穩(wěn)定性上具有明顯優(yōu)勢(shì)，能夠在有效時(shí)間內(nèi)找到滿足頻率距離約束的頻率分配方案。

頻譜管理；頻率指配；人工蜂群算法；蜜源交叉；選擇性變異

1 引 言

現(xiàn)代戰(zhàn)爭(zhēng)中參與作戰(zhàn)的各種電子設(shè)備越來(lái)越多，而這些設(shè)備也將面臨著越來(lái)越復(fù)雜的戰(zhàn)場(chǎng)電磁環(huán)境，因此加強(qiáng)電磁頻譜管控在現(xiàn)代戰(zhàn)爭(zhēng)中至關(guān)重要。頻譜管理的目標(biāo)是從頻域、時(shí)域、空域和能域上實(shí)現(xiàn)戰(zhàn)場(chǎng)上所有設(shè)備都可兼容工作。合理高效的頻率分配可以減少設(shè)備之間的相互干擾，是確保電磁頻譜管控順利實(shí)施的重要手段之一。因此，如何采用更加高效準(zhǔn)確的方式來(lái)進(jìn)行頻率分配是當(dāng)今頻譜管理的一個(gè)重要研究課題。

頻率分配問(wèn)題本質(zhì)上是個(gè)約束條件下的組合優(yōu)化問(wèn)題。作為解決最優(yōu)化問(wèn)題的有效工具，遺傳算法[1-2]、模擬退火算法[3]、粒子群算法[4]已經(jīng)被成功應(yīng)用于頻率分配。然而，上述算法在尋優(yōu)過(guò)程中存在收斂時(shí)間過(guò)長(zhǎng)以及極易陷入局部最優(yōu)的缺點(diǎn)。有研究[5-6]結(jié)果表明，與上述算法相比，人工蜂群算法[7](Artificial Bee Colony Algorithm，ABC)不僅更擅長(zhǎng)于全局搜索，而且其收斂性能更加優(yōu)異。已有研究[8-9]利用改進(jìn)蜂群算法對(duì)信道分配問(wèn)題進(jìn)行了研究，但其蜜源設(shè)計(jì)并沒(méi)有很好地反映裝備可用頻率的特征，且其簡(jiǎn)單采用0或者1對(duì)設(shè)備間的干擾影響進(jìn)行表示也不能準(zhǔn)確量化頻率以及距離對(duì)干擾程度的影響。

針對(duì)頻率分配問(wèn)題的特點(diǎn)以及現(xiàn)有研究的缺陷，本文對(duì)頻率分配問(wèn)題準(zhǔn)確進(jìn)行了建模和描述，然后提出了基于蜜源優(yōu)化策略的人工蜂群算法(Artificial Bee Colony Algorithm based on Honey Source Optimization Strategy,ABCAHSOS)。該算法對(duì)引領(lǐng)蜂搜索機(jī)制進(jìn)行了改進(jìn)，以適應(yīng)頻率分配問(wèn)題的特點(diǎn)，并設(shè)計(jì)了準(zhǔn)確評(píng)估干擾程度影響的計(jì)算方法，然后利用交叉和選擇性變異操作對(duì)蜜源進(jìn)行優(yōu)化，達(dá)到提高搜索效率的目的。仿真結(jié)果表明，該算法在迭代效率、時(shí)間效率以及搜索穩(wěn)定性方面比傳統(tǒng)人工蜂群算法更優(yōu)，并能在有效時(shí)間內(nèi)找到滿足頻率距離約束的頻率分配方案。

2 問(wèn)題描述

一般在解決頻率分配時(shí)，需要考慮以下3類(lèi)電磁兼容問(wèn)題：同信道干擾影響、鄰信道干擾影響、指定頻率距離下的干擾影響[10-11]。同信道頻率距離約束問(wèn)題是指如果要保證信道間隔為0的兩個(gè)無(wú)線設(shè)備同時(shí)兼容工作，那么其距離必須大于d0；鄰信道頻率距離約束問(wèn)題是指如果要保證信道間隔為1的兩個(gè)無(wú)線設(shè)備同時(shí)兼容工作，那么其距離必須大于d1；頻率距離約束問(wèn)題是指如果要保證信道間隔小于某些特定值st(st>1)的兩個(gè)無(wú)線設(shè)備同時(shí)兼容工作，那么其距離必須大于dt(dt

假設(shè)存在n個(gè)無(wú)線設(shè)備，表示為E=(e1,e2,…,en)，ei表示潛在干擾源，ej表示接收機(jī),dij表示設(shè)備i和j之間的距離，其中1≤i≤n，1≤j≤n，i≠j，當(dāng)前可用信道資源表示為F=(f1,f2,…,fm)，分配給設(shè)備ei和ej的信道分別表示為fl和fk，其中1≤l≤m，1≤k≤m，且m≥n，那么分配信道l的干擾源ei對(duì)分配信道k的接收機(jī)ej的干擾余量表示為

I(i,l,j,k)=Pi+Gi+Gj-Lb(dij)+R(Δflk)-Sj。

(1)

式中：Pi表示潛在干擾源的發(fā)射功率(dB)；Gi表示在接收機(jī)方向的天線增益(dBi)；Gj表示接收機(jī)在干擾源方向上的天線增益(dBi)；Lb(dij)表示設(shè)備ei與ej之間距離間隔為dij時(shí)的傳播損耗值(dB),dij表示設(shè)備ei與ej之間的距離(km)；Δflk表示設(shè)備ei與ej之間頻率差值，Δflk=fl-fk；Sj表示設(shè)備ej的接收靈敏度值；

(2)

式中：P(fl)表示干擾源ei在分配信道fl時(shí)，其等效中頻的功率譜密度；H(fk)表示接收機(jī)ej在分配頻率fk時(shí)的頻率響應(yīng)。

一般而言，我們更關(guān)注設(shè)備的用頻效能，即設(shè)備間的干擾程度，故應(yīng)該使用設(shè)備間干擾程度而不是干擾余量來(lái)評(píng)估頻率分配方案的好壞程度。此處，采用5級(jí)設(shè)定來(lái)對(duì)發(fā)射設(shè)備ei與接收設(shè)備ej之間干擾程度E(i,l,j,k)進(jìn)行描述：

(3)

式中：E0、E1、E2、E3表示每級(jí)干擾所對(duì)應(yīng)的閾值，E=0表示不存在干擾，E=1表示輕微干擾，E=10表示普通干擾，E=100表示較嚴(yán)重干擾，E=1 000表示嚴(yán)重干擾。對(duì)于閾值的具體取值，我們一般根據(jù)工程經(jīng)驗(yàn)或者外場(chǎng)試驗(yàn)來(lái)進(jìn)行確定。

頻率分配的目標(biāo)就是在一定的距離約束下，對(duì)n個(gè)無(wú)線設(shè)備(e1,e2,…,en)賦予一組信道，使得相互間的干擾影響最小化。形式化描述方法如下：

(4)

式中：E(i,k,j,l)由公式(3)根據(jù)無(wú)線設(shè)備ei和ej之間的頻率距離約束計(jì)算得知，且當(dāng)信道fk分配給設(shè)備ei時(shí)，a(i,k)的值取為1，否則其值取為0；a(j,l)的取值方式與a(i,k)相同。在公式(3)中，當(dāng)無(wú)線設(shè)備ei和ej同為發(fā)射機(jī)或接收機(jī)時(shí)，設(shè)備間不會(huì)互相影響，那么直接設(shè)定兩者間的干擾影響E(i,k,j,l)為0。對(duì)于頻率分配問(wèn)題而言，最佳頻率分配方案的干擾影響程度E應(yīng)等于0。

3 基于蜜源優(yōu)化的頻率分配方法

3.1 傳統(tǒng)人工蜂群算法

傳統(tǒng)人工蜂群算法[12]是一種模擬蜜蜂群通過(guò)協(xié)作行為尋找蜜源的過(guò)程來(lái)實(shí)現(xiàn)搜尋最優(yōu)解的算法。該算法主要由引領(lǐng)蜂、跟隨蜂、偵察蜂等3個(gè)基本角色組成。其基本原理如下：初始時(shí)刻，隨機(jī)生成一定數(shù)量蜜源，而種群由與蜜源數(shù)量相等的引領(lǐng)蜂和跟隨蜂組成。引領(lǐng)蜂在蜜源周邊進(jìn)行隨機(jī)搜索并根據(jù)貪婪原則對(duì)優(yōu)秀蜜源進(jìn)行選擇。待引領(lǐng)蜂回到蜂巢后，跟隨蜂將根據(jù)引領(lǐng)蜂的跳舞行為獲取蜜源信息，并通過(guò)在優(yōu)秀食物源的周邊進(jìn)行領(lǐng)域搜索，獲取優(yōu)秀食物源。如果跟隨蜂搜尋的新蜜源比之前引領(lǐng)蜂尋找的蜜源更好，那么舊蜜源將被新蜜源替代，同時(shí)跟隨蜂將取代引領(lǐng)蜂；反之，則保持不變。當(dāng)某個(gè)蜜源的優(yōu)秀程度在指定次數(shù)內(nèi)未被更新，那么該蜜源將被放棄，且相應(yīng)的引領(lǐng)蜂將轉(zhuǎn)變?yōu)閭刹旆?，并開(kāi)始隨機(jī)搜尋新蜜源，待找到新蜜源后，該偵察蜂將轉(zhuǎn)變?yōu)橐I(lǐng)蜂，因此充當(dāng)臨時(shí)角色的偵察蜂的數(shù)量始終為1。整個(gè)算法的運(yùn)行流程如圖1所示。

圖1 人工蜂群算法的基本流程Fig.1 The basic flow of artificial bee colony algorithm

3.2 算法設(shè)計(jì)

針對(duì)傳統(tǒng)人工蜂群算法搜索機(jī)制簡(jiǎn)單、搜索易陷入局部最優(yōu)解且其引領(lǐng)蜂行為不適應(yīng)戰(zhàn)場(chǎng)頻率分配求解的問(wèn)題，采用蜜源交叉和選擇性變異機(jī)制實(shí)現(xiàn)蜜源優(yōu)化，從而達(dá)到對(duì)傳統(tǒng)人工蜂群算法進(jìn)行改進(jìn)的目的?；诿墼磧?yōu)化策略的人工蜂群算法的流程與傳統(tǒng)人工蜂群算法基本保持一致，僅在偵察蜂執(zhí)行搜索后增加選擇性變異操作。

3.2.1 編碼以及初始化

3.2.2 蜜源質(zhì)量評(píng)估

在評(píng)估一個(gè)蜜源(分配方案)質(zhì)量時(shí)，需要根據(jù)發(fā)射機(jī)、接收機(jī)屬性對(duì)編碼進(jìn)行解碼操作，并計(jì)算蜜源中發(fā)射機(jī)與接收機(jī)兩兩之間的干擾程度，從而獲取整個(gè)蜜源的干擾程度，即整個(gè)頻率分配方案的干擾程度。

根據(jù)一般人工蜂群算法設(shè)定，用于某個(gè)蜜源質(zhì)量評(píng)估的適應(yīng)函數(shù)如下：

(5)

式中：E(Xi)表示蜜源Xi的優(yōu)秀程度，可通過(guò)公式(3)對(duì)Xi中的兩兩設(shè)備進(jìn)行適應(yīng)度值計(jì)算得知。某個(gè)蜜源的適應(yīng)度值越大，則該頻率分配方案的干擾程度越小，即該蜜源的質(zhì)量也就越優(yōu)秀。

3.3.3 引領(lǐng)蜂行為

(6)

式中：q為整數(shù)，在[1,M]范圍隨機(jī)生成，且q≠i；jrand為整數(shù)，在[1,N]范圍隨機(jī)生成；rij為[-1,1]范圍內(nèi)的隨機(jī)數(shù)。

(7)

3.3.4 跟隨蜂行為

本文采用與普通人工蜂群算法同樣的輪盤(pán)賭策略選擇蜜源，但對(duì)跟隨蜂搜索行為進(jìn)行重新設(shè)計(jì)，通過(guò)蜜源交叉操作加強(qiáng)蜜源區(qū)域的搜索能力。此外，在進(jìn)行選擇操作之前，利用上代選擇性變異蜜源對(duì)本代中的最差蜜源進(jìn)行替換操作。

3.3.5 偵察蜂行為

假設(shè)存在引領(lǐng)蜂搜尋蜜源的優(yōu)秀程度在l次循環(huán)后仍然沒(méi)有更新，則可以認(rèn)為該蜜源已經(jīng)陷入局部最優(yōu)，應(yīng)該被放棄。此時(shí)，該引領(lǐng)蜂將轉(zhuǎn)變角色為偵察蜂，并隨機(jī)生成新蜜源，偵察蜂也將隨之變?yōu)橐I(lǐng)蜂。

3.3.6 選擇性變異

對(duì)引領(lǐng)蜂對(duì)應(yīng)的蜜源進(jìn)行適應(yīng)度評(píng)估，從中挑選適應(yīng)度值最高的優(yōu)秀蜜源并進(jìn)行拷貝操作得到h。然后，執(zhí)行以下搜索行為：

Step 1 利用公式(1)選出蜜源h中對(duì)其他設(shè)備干擾影響最大的設(shè)備d。

Step 2 從可用頻率資源FN中隨機(jī)選擇一個(gè)信道分配給設(shè)備d，得到新蜜源h′。

Step 3 利用公式(4)評(píng)估新蜜源h′的優(yōu)秀程度，如果新蜜源h′的優(yōu)秀程度大于拷貝蜜源h，則執(zhí)行替換操作，并結(jié)束選擇性變異操作；否則，進(jìn)入下一步。

Step 4 對(duì)Step 2是否執(zhí)行10次以上進(jìn)行判斷，如果是，則不做任何操作并結(jié)束選擇性變異操作；否則，返回Step 2。

3.3.7 終止條件

對(duì)目前已經(jīng)搜索到的全局最優(yōu)蜜源進(jìn)行記錄，并對(duì)該蜜源的優(yōu)秀程度是否滿足結(jié)束條件進(jìn)行判斷。如果滿足，則結(jié)束循環(huán)并輸出結(jié)果；否則,繼續(xù)執(zhí)行引領(lǐng)蜂、跟隨蜂、偵察蜂、選擇性搜索行為，直到到達(dá)最大迭代次數(shù)tm。

4 仿真實(shí)驗(yàn)

4.1 仿真場(chǎng)景與參數(shù)設(shè)置

測(cè)試時(shí)，設(shè)當(dāng)前可用頻率資源帶寬為5 MHz，其中最小頻率間隔為25 kHz。地面站點(diǎn)數(shù)量為100個(gè)，隨機(jī)分布在300 km×300 km的區(qū)域內(nèi)，且每個(gè)地面站點(diǎn)僅有一部無(wú)線設(shè)備，功率值在40～60 W之間隨機(jī)選擇。圖2為100個(gè)設(shè)備位置隨機(jī)分布圖。

圖2 設(shè)備位置分布Fig.2 The position of equipment

算法采用C++編碼實(shí)現(xiàn)，開(kāi)發(fā)環(huán)境為Microsoft Visual Studio 2010，平臺(tái)環(huán)境為Windows XP Professional SP 3操作系統(tǒng)，Intel CoreTM2 Quad CPUQ8400 @2.66 GHz的CPU，內(nèi)存為2 GB。

本文算法(ABCAHSOS)的參數(shù)為，蜜源數(shù)量M=30，迭代最大次數(shù)tm=500，偵察蜂轉(zhuǎn)變?yōu)橐I(lǐng)蜂的限制條件l=10，蜜源交叉概率Pc=0.2；對(duì)比測(cè)試算法為傳統(tǒng)人工蜂群算法(ABC)，除不使用交叉概率外，其余參數(shù)與本文算法(ABCAHSOS)相同。為了測(cè)試方便，上述的參數(shù)主要根據(jù)已有研究成果進(jìn)行設(shè)置。在實(shí)際應(yīng)用過(guò)程中，可以針對(duì)蜜源數(shù)量M、限制條件l、交叉概率Pc不同取值對(duì)算法性能影響效果進(jìn)行研究，并根據(jù)實(shí)際問(wèn)題的規(guī)模、應(yīng)用限制等進(jìn)行參數(shù)最優(yōu)設(shè)置，對(duì)于參數(shù)優(yōu)化問(wèn)題，將留到后續(xù)工作中進(jìn)行。

在進(jìn)行搜索穩(wěn)定性以及時(shí)間消耗測(cè)試時(shí)，除無(wú)線設(shè)備位置、屬性等參數(shù)隨機(jī)設(shè)置外，其余算法參數(shù)設(shè)置與上述條件相同，以排除實(shí)驗(yàn)隨機(jī)性對(duì)結(jié)果的影響。

4.2 實(shí)驗(yàn)結(jié)果

圖3描述了在上述仿真場(chǎng)景下，100個(gè)設(shè)備的當(dāng)前最優(yōu)分配方案干擾程度值與迭代次數(shù)的關(guān)系。從圖中可以看出，利用ABC算法開(kāi)始進(jìn)行頻率分配時(shí)，當(dāng)前最優(yōu)方案干擾程度值隨著迭代次數(shù)的增加快速下降。在迭代次數(shù)為82時(shí)，當(dāng)前干擾程度值已經(jīng)從最高7 150下降到241。此后，當(dāng)前干擾程度值隨著迭代次數(shù)的增加緩慢下降，直到迭代次數(shù)為207時(shí)，該值等于0，此時(shí)算法取得最優(yōu)頻率分配方案。對(duì)于ABCAHSOS算法而言，其當(dāng)前干擾程度值在整個(gè)運(yùn)行過(guò)程中都隨著迭代次數(shù)的增加快速下降。當(dāng)?shù)螖?shù)為19時(shí)，當(dāng)前干擾程度值已經(jīng)從最高7 150快速下降到50；當(dāng)?shù)螖?shù)為31時(shí)，當(dāng)前干擾程度值等于0，此時(shí)算法取得最優(yōu)頻率分配方案。從以上對(duì)比可以看出，ABCAHSOS比ABC算法有更高的迭代效率。

圖3 干擾程度演化對(duì)比Fig.3 The evolutionary contrast of interference degree between two algorithms

為了對(duì)搜索最優(yōu)方案的迭代次數(shù)穩(wěn)定性以及時(shí)間效率進(jìn)行分析，利用同樣的參數(shù)設(shè)置重復(fù)實(shí)驗(yàn)100次，并對(duì)搜索最優(yōu)方案的迭代次數(shù)和消耗時(shí)間進(jìn)行記錄。圖4描述了在100次測(cè)試中兩種算法搜索最優(yōu)方案的收斂性對(duì)比情況。從圖中可以看出，ABC算法找到最優(yōu)分配方案的最小迭代次數(shù)為121，最大迭代次數(shù)為501，平均迭代次數(shù)為280.04，標(biāo)準(zhǔn)差為80.77；ABCAHSOS算法找到最優(yōu)分配方案的最小迭代次數(shù)為31，最大迭代次數(shù)為65，平均迭代次數(shù)為47.49，標(biāo)準(zhǔn)差為7.97。

從以上數(shù)據(jù)可以看出，ABCAHSOS算法的平均迭代次數(shù)遠(yuǎn)遠(yuǎn)少于ABC算法，且標(biāo)準(zhǔn)差也遠(yuǎn)遠(yuǎn)低于ABC算法。綜上所述，與ABC算法相比，ABCAHSOS算法在解決頻率分配問(wèn)題時(shí)不僅迭代效率更高，而且其搜索過(guò)程穩(wěn)定性更好。

圖4 算法收斂性對(duì)比Fig.4 The contrast of astringency between two algorithms

圖5描述了在100次測(cè)試中兩種算法搜索最優(yōu)方案所消耗時(shí)間的對(duì)比情況。從圖中可以看出，傳統(tǒng)人工蜂群算法(ABC)找到最優(yōu)分配方案的最短時(shí)間為13 s，最大時(shí)間為45 s，平均消耗時(shí)間為24.91 s，標(biāo)準(zhǔn)差為7.22；ABCAHSOS找到最優(yōu)分配方案的最短時(shí)間為6 s，最大時(shí)間為14 s，平均消耗時(shí)間為10.39 s，標(biāo)準(zhǔn)差為1.75。

從以上數(shù)據(jù)可以看出，ABCAHSOS算法的平均消耗時(shí)間低于ABC算法的一半，其標(biāo)準(zhǔn)差更是遠(yuǎn)遠(yuǎn)低于ABC算法。綜上所述，與ABC算法相比，ABCAHSOS算法在解決頻率分配問(wèn)題時(shí)不僅平均消耗時(shí)間更短，而且其所消耗時(shí)間的分布更加穩(wěn)定。

圖5 算法運(yùn)算時(shí)間對(duì)比Fig.5 The contrast of duration between two algorithms

5 結(jié)束語(yǔ)

本文提出了一種基于蜜源優(yōu)化策略的頻率分配方法。該方法以傳統(tǒng)人工蜂群算法為基礎(chǔ)，對(duì)引領(lǐng)蜂搜索機(jī)制進(jìn)行適應(yīng)性改造，使之更加適合頻率分配問(wèn)題求解;然后，使用交叉機(jī)制對(duì)跟隨蜂的搜索行為進(jìn)行改進(jìn)，并增加選擇性變異操作，優(yōu)化搜索蜜源過(guò)程，從而實(shí)現(xiàn)提高搜索效率的目的。仿真結(jié)果表明，本文算法可以快速得到最優(yōu)解，其迭代效率、時(shí)間效率、穩(wěn)定性皆優(yōu)于傳統(tǒng)人工蜂群算法，而且其蜜源設(shè)計(jì)以及干擾影響計(jì)算方法更適應(yīng)頻率分配的實(shí)際應(yīng)用場(chǎng)景，可以為解決大量設(shè)備的頻率分配問(wèn)題提供參考。不過(guò)，本文算法性能依賴于算法參數(shù)設(shè)定，后續(xù)將根據(jù)實(shí)際問(wèn)題的規(guī)模、應(yīng)用限制等進(jìn)行參數(shù)最優(yōu)設(shè)置，以達(dá)到進(jìn)一步提高算法性能的目的。

[1] 徐雪飛，李建華，沈迪，等.基于量子遺傳算法的航空通信頻率動(dòng)態(tài)分配[J].電訊技術(shù).2015,55(12):1311-1317. XU Xuefei，LI Jianhua，SHEN Di,et al.Dynamic aeronautical communication frequency assignment based on quantum genetic algorithm[J].Telecommunication Engineering,2015,55(12):1311-1317.(in Chinese)

[2] GHOSH S C,SINHA B P,DAS N. Channel assignment using genetic algorithm based on geometric symmetry[J].IEEE Transactions on Vehicular Technology,2003,52(4):860-875.

[3] MANUEL D,DIETMAR K,BERNHARD R. Channel assignment for cellular radio using simulated annealing[J].IEEE Transactions on Vehicular Technology,1993,42(1):14-21.

[4] 薛寒，劉培國(guó)，黃紀(jì)軍. 基于混合粒子群優(yōu)化的頻率指配方法研究[J].現(xiàn)代電子技術(shù)，2015,38(16):1-3. XUE Han,LIU Peiguo,HUANG Jijun. Method for frequency assignment based on hybrid particle swarm optimization algorithm[J].Modern Electronics Technique,2005,38(16):1-3.(in Chinese)

[5] 向萬(wàn)里.混合群體智能優(yōu)化算法及應(yīng)用研究[D].天津：天津大學(xué),2013. XIANG Wanli. Research on hybrid swarm intelligence optimization algorithms with applications[D].Tianjing:Tianjing University,2013.(in Chinese)

[6] 張超群.混合爆炸式人工蜂群算法及應(yīng)用研究[D].上海：東華大學(xué),2015. ZHANG Chaoqun. Research on hybrid explosion-based artificial bee colony algorithm and its applications[D].Shanghai:Donghua University，2015.(in Chinese)

[7] 寧愛(ài)平.人工蜂群算法及其在語(yǔ)音識(shí)別中的應(yīng)用研究[D].太原：太原理工大學(xué),2013. NING Aiping. Research on artificial bee colony algorithm and its application in speech recognition[D].Taiyuan:Taiyuan University of Technology，2013.(in Chinese)

[8] 劉俊霞，賈振紅，覃錫忠，等.改進(jìn)人工蜂群算法在信道分配上的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用,2013,49(7):119-122. LIU Junxia，JIA Zhenhong，QIN Xizhong，et al.Application in channel assignment based on improved artificial bee colony algorithm[J].Computer Engineering and Application,2013,49(7):119-122.(in Chinese)

[9] 高珊，馬良，張惠珍.改進(jìn)人工蜂群算法求解信道分配問(wèn)題[J].計(jì)算機(jī)與應(yīng)用化學(xué)，2015,31(1):98-102. GAO Shan，MA Liang，ZHANG Huizhen. Solving frequency assignment problem using an improved bee algorithm[J].Computers and Applied Chemistry,2015,31(1):98-102.(in Chinese)

[10] SMITH D H,TAPLIN R K,HURLEY S. Frequency assignment with complex co-site constraints[J].IEEE Transactions on Electromagnetic Compatibility,2001,43(2):210-218.

[11] 熊健，喻歆.一種基于模因演算法的頻率分配新策略[J].電訊技術(shù),2012,52(5):748-754. XIONG Jian,YU Xin. A new frequency assignment strategy based on memetic algorithm[J].Telecommunication Engineering,2012,52(5):748-754.(in Chinese)

[12] 劉婷.改進(jìn)人工蜂群算法及其在多用戶檢測(cè)中的應(yīng)用[D].天津:天津大學(xué),2013. LIU Ting. Research on improved artificial bee colony and its application in multiuser detection[D].Tianjing:Tianjing University,2013.(in Chinese)

A Frequency Assignment Method Based on Honey Source Optimization Strategy

WU Qi

(Southwest China Institute of Electronic Technology,Chengdu 610036,China)

In order to solve the frequency assignment problem,a frequency assignment method based on the honey source optimization strategy is proposed.To increase the diversity of the honey and reduce the possibility of falling into the local optimal solution,a traditional artificial bee colony algorithm is improved. Firstly,a method to evaluate the interference is proposed. Secondly,the searching behave of leading bee is improved,and searching behave of following bee is redesigned. Finally,selective mutation operation is added after the searching of reconnoitering bee. The simulation results show that the proposed algorithm has more advantages in searching efficiency and stability and can find frequency assignment strategy satisfying frequency-distance constraints with acceptable time consumption.Key words：spectrum management;frequency assignment;artificial bee colony;honey crossing;selective mutation

10.3969/j.issn.1001-893x.2017.07.008

吳麒.基于蜜源優(yōu)化策略的頻率分配方法[J].電訊技術(shù)，2017,57(7):778-783.[WU Qi.A frequency assignment method based on honey source optimization strategy[J].Telecommunication Engineering,2017,57(7):778-783.]

2017-03-17；

2017-06-05 Received date:2017-03-17；Revised date：2017-06-05

TN92

A

1001-893X(2017)07-0778-06

吳 麒(1985—)，男，四川眉山人，2012年于四川大學(xué)獲博士學(xué)位，現(xiàn)為工程師，主要研究方向?yàn)閿?shù)據(jù)挖掘、通信偵察、信號(hào)分選。

Email:acuteleopard@163.com

**通信作者：acuteleopard@163.com Corresponding author：acuteleopard@163.com