RAND_all_随机算法matlab实例_

function [ fit_best_finalvalue,fit_best_co_num, sensing_time] = RAND_all(n, m, P_on, pfa, n_co_max, snr_matrix,R_ch,Ts_max,Ts_grade_max,fs,T,Pd_req,Ps,Pr,Pc) % 随机进行并行合作频谱感知，感知时长也是随机选取，只有中间有一个n_co_max校验，如果超出的话，多余的部分随机置0 % parallel spectrum sensing using Hungarian algorithm in paper wangzaili % Detailed explanation goes here % n 系统中的SU数，即数据库统计的SU数，数列 % m 子信道数 % pfa 各信道虚警概率 % P_on 信道空闲概率 % Ts 感知时间 % Tr 传输时间 % data 信道，能量损耗影响因子 % Qfa 系统虚警概率要求 % alph 数据库开销影响因子 % pdoh =1 考虑统计数据库开销； =0 不考虑统计数据库开销 % conspdreq=1; 考虑各信道检测概率需求，不无限制迭代 % match_method=2; fit_best_finalvalue=zeros(1,length(n)); fit_best_co_num=zeros(1,length(n)); sensing_time=zeros(1,length(n)); for i=1:length(n) % 开始遗传算法 lc=n(i)+1; % 确定染色体位数，及认知用户数nnnnnnnnnnnn+感知时长等级 kc=1; % 种群数目 k_rand=1; %+(n(i)-m)/m; % 确定在每次变异和随机产生时，信道不感知的比例， % GA_Y 函数包装 generation_intal=[round(rand(kc,lc-1)*m*k_rand) round(rand(kc,1)*Ts_grade_max)]; % 初始化种群 for ii=1:kc for jj=1:lc if generation_intal(ii,jj)>m generation_intal(ii,jj)=0; end; end; end; generation=generation_intal; % n_co_max检查:对个体进行最大合作数n_co_max检查，如果哪个子信道的合作用户数大于n_co_max，则随机置多余的为0 generation = n_co_max_test( kc,lc,m,generation,n_co_max ); allo_vec=generation(1:n(i)); Ts_grade=generation(lc); Ts=Ts_grade*(1/Ts_grade_max)*Ts_max; profit = fit_compute_single( allo_vec,snr_matrix(:,1:n(i)),pfa,R_ch,P_on,Ts,m ,n(i),fs,T,Pd_req,Ps,Pr,Pc); %计算有效吞吐量 %{ % 计算系统收益和开销 for ii=1:m % 信道 over1=0; for jj=1:n(i) % 节点 if X(ii,jj)==1 over1=over1+R_cr(jj)*Ts; % 开销 end; end; G_h(ii)=R_ch(ii)*Tr*P_on(ii)*(1-Pf_h(ii))-R_ch(ii)*(1-P_on(ii))*(1-Pd_h(ii))*Tr*data; % 增益 O_h(ii)=over1; P_h(ii)=G_h(ii)-O_h(ii); end; % 对于m数小于n时，就不能把所有信道增益相加获得总增益了，而是要把没有分配节点的信道去除 if m>n(i) for ii=1:m num_su_ch=sum(X,2); if num_su_ch(ii)==0 P_h(ii)=0; end; end; end; Gain_final(i)=sum(G_h); Overhead_final(i)=sum(O_h); if pdoh==0 profit_final(i)=sum(P_h);end; if pdoh==1 compute_ov=exp(n(i)/alph);profit_final(i)=sum(P_h)/compute_ov;end; Pd_final_min(i)=min(Pd_h); %sum(Pd_h)/m; Pd_final_ave(i)=sum(Pd_h)/m; Pf_final(i)=sum(Pf_h)/m; num_co(i)=sum(node_asgn); %} fit_best_finalvalue(i)= profit; % 最终最适应个体适应度 sensing_time(i)=Ts; % 最佳感知时间等级 fit_best_co_num(i)=length(find(allo_vec~=0)); % 最终最适应个体合作感知用户数 end