基于遗传算法的通信电平频率指配方法

基于遗传算法的通信电平频率指配方法

信息作战的显著特点是，在有限的区域内有大量使用频率设备，这将不可避免地导致信息设备中频率冲突、频率资源紧张、磁体环境恶化以及通信条件差等问题，从而无法满足快速、准确、保密和停止通信的要求。目前,我军通信电台的频率使用在训练、演习、保障过程中,依然采用传统的频率指配方法,如人工分段划分法、编组划分法、交叉划分法等,这些方法虽然能在一定程度上解决战场电台用频时的电磁兼容问题,但面对当前信息化水平越来越高的战场实际,这些传统方法在实时性、高效性和稳定性上都很难满足需要,难以适应信息时代高技术战争的要求和日趋复杂的战场电磁环境。为解决上述问题,确保通信设备合理、有序用频,必须通过科学、有效的频率指配手段来对战场通信装备频率进行规划。本文根据我军通信电台的用频情况,结合通信电台的工作特点,采用一种应用较为广泛的优化算法——遗传算法对我军通信电台在执行演习、训练等任务时进行频率指配。1立法的频率指配法本文所要解决的频率分配问题是对我军战场上的所有通信电台根据其实际参数进行分类,分出短波和超短波电台,假设短波或超短波波段共有N个通信电台,每个电台都有各自的一段可用频段。频率指配所要解决的问题是如何在每个电台的可用频段内,依据电磁兼容原则选取可用频点分配给各个电台使用。具体表示如下:设短波或超短波波段有N个电台,第i(i=1,2,…,N)个电台的可用频段为(fiLLi,fiHΗi),fiLLi为起始频点,fiHΗi为终止频点。设电台在频段内的频率间隔为Δf。则第i个电台在其可用频段内可选择的频点是(fiLLi,fiLLi+Δf,fiLLi+2Δf,…,fiHΗi)。这样如果在各自频段内为每个电台随机地分配了工作频率之后就可以得到一个所有电台的频率组合:(f1,f2,…,fi,…,fN),其中fi∈{fiLLi,fiLLi+Δf,fiLLi+2Δf,...,fiHΗi},表示分配给电台i的工作频率。频率指配的目的就是找到这样的一系列频率组合,使电台按照所分配的频率工作时相互之间是否能兼容工作。因此,对电台同时工作时电磁兼容性进行分析,通过设置约束条件来避免干扰的发生,对违反约束条件的约束数进行统计,建立数学模型如下:(1)正交同频干扰afi,fj的计算A(fi,fj)={1fi=fj且di,j<D0其余(i,j∈[1,N])A(fi,fj)={1fi=fj且di,j<D0其余(i,j∈[1,Ν])其中,D为两电台间不产生同频干扰的最小间隔距离,di,j为两电台工作时实际物理距离,N为需指配的信道总数。(2)邻频信道最小间隔H(fi,fj)={1|fi−fj|≤l0|fi−fj|>l(i,j∈[1,N])Η(fi,fj)={1|fi-fj|≤l0|fi-fj|>l(i,j∈[1,Ν])其中,l邻频信道最小间隔。(3)算法的总目标函数M(fi,fj)={12fi−fj=fk或fi+fj−fk=ft02fi−fj≠fk且fi+fj−fk≠ft(i,j,k,t∈[1,N])Μ(fi,fj)={12fi-fj=fk或fi+fj-fk=ft02fi-fj≠fk且fi+fj-fk≠ft(i,j,k,t∈[1,Ν])综合上述三个干扰约束条件,可以得到目标函数,即总的干扰数目的表达式:E(f)=∑i=1N∑j=1N[αA(fi,fj)+βH(fi,fj)+γM(fi,fj)]E(f)=∑i=1Ν∑j=1Ν[αA(fi,fj)+βΗ(fi,fj)+γΜ(fi,fj)]其中,α、β、γ为权重系数。2算法的实现和改进2.1适应度函数前面已经设计了系统的目标函数E(f),由于适应度函数的设计要求是使干扰数大的个体获得较小的概率遗传到下一代中,而干扰数较小的个体以较大概率遗传到下一代中去,为了使干扰较小的个体获得更大的适应度,应将适应度函数F(E)与目标函数E(f)定为反比例关系。由于个体的干扰数会出现0的情况,因此还要设定一个适应度常数C。适应度函数与目标函数的关系可以用下式表示:F(E)=1E(f)+CF(E)=1E(f)+C其中C为适应度常数,在文献中经过验证,C的最佳取值为3.2。2.2个体编码串遗传算法中通常有符号编码和二进制编码两种方式。在本算法实现中,采用符号编码方式。即对电台的可用频点进行编号,每个电台分得的频点就用该编号表示,这样每组电台都分得一个频点编号之后,就得到了一个个体编码串。如第i个电台的可用频段为(fiLLi,fiHΗi),频率间隔为Δf,总共可划分出n+1个可用频点,则所有可用频点为(fiLLi,fiLLi+Δf,fiLLi+2Δf,…,fiLLi+n*Δf),进行编码后可以表示为(0,1,2,...,n)。2.3数据的初始化产生初始种群的方法通常有两种,一种是完全随机的方法产生,它适合于对问题的解无任何先验知识的情况。一种是某些先验知识可转变为必须满足的一组要求,然后在满足这些要求的解中再随机地选取样本,这样选择初始化种群可使遗传算法更快地到达最优解。本文采用加入某些先验知识的初始化方法,具体过程为:首先按照每个电台的可用频段及频点之间的频率间隔,计算出各个电台的可用频点数,对电台的各自可用频点进行编号;然后依次向各电台随机分配该电台可用频点编号范围内的频点编号,直到所有电台分配完毕。2.4有条件干扰实验群体的初始化完毕之后,就要对个体的适应度进行评估。评估的依据就是适应度函数F(E)。由适应度函数与目标函数的关系可知,对个体的评估主要依据个体对应频组的干扰数来定,当搜索到干扰数为0的个体后,如解的存放区域还没有个体,可以将其直接保存。如果解的存放区域已经有解,就要判断搜索到的解是否已经存在。如果已经存在就不保存继续进行评估,如果是新的解就按顺序将其保存进存放区域。2.5遗传设计与改进2.5.1传统pk方法本文在进行遗传操作时采用改进的轮盘赌法选择个体,传统的轮盘赌选择法即适应度比例选择法,设第k个个体的选择概率为pk,适应度值为Fk,则选择概率为pk=Fk∑k=1NFk。pk=Fk∑k=1ΝFk。传统的选择操作方法是对pk在(0,1)区间进行区域划分,然后选择一个(0,1)区间的随机数r,判断r所在区间,按位置存储该个体。本文引用群体平均适应度值F¯¯¯‚F¯‚首先判断Fk与F¯¯¯F¯的大小。由于本文所求为目标函数的最小值,即适应度函数的最大值,在此只对Fk≥F¯¯¯Fk≥F¯的个体进行保留,然后计算其选择概率pk,这样将大大提高计算效率。改进后选择操作具体的工作流程图如图1所示:2.5.2自适应交叉概率交叉操作是对种群中的两个父代个体根据交叉概率pc进行交叉操作,产生新的后代。因此交叉操作执行前要设定交叉概率的大小,文献中通过实验验证交叉概率最佳取值应为0.91。但在进化后期,随着进化次数的增加,解集群体逐渐靠近最优解,此时如果再采用大的交叉率,则会产生许多发散分布在整个搜索空间的新个体,大的交叉率会破坏优良个体所占比重,延缓收敛进程。因此本文对交叉概率pc进行了改进,采用随进化次数而改变的自适应交叉概率,其公式为:pc=pc0−(pc0−pcmin)×dDpc=pc0-(pc0-pcmin)×dD其中,pc0为初始设置交叉率,pcmin为交叉概率最小取值,d为当前进化代数,D为总的进化代数;通常pc0=0.95,pcmin=0.4。改进后交叉操作具体的工作流程图如图2所示:2.5.3变异概率的选取变异本身是一种局部随机搜索,可以提供初始种群中未含有的基因,或找回选择过程中丢失的基因,为种群提供新的内容,使遗传算法保持种群的多样性。变异概率的选取非常重要,若变异概率取值较大的话,虽然能产生较多的新个体,但也有可能破坏许多较好的模式,使得遗传算法的性能近似于随机搜索算法的性能;若变异概率取值太小的话,则变异操作产生新个体的能力和抑制早熟的能力就会较差。一般情况下交叉概率选取为0.01到0.1之间。本文采用文献中经过实验验证后最佳变异概率0.095。3施工频率仿真本文以30台1.5M～30MHz短波频段内炮兵通信电台为研究对象,两电台频率间隔为25KHz,对其工作频率进行频率指配,通过数学建模,在MATLAB7.0下进行仿真,结果如