优化解决移动通信中的信道分配问题(2)
2013-04-29 01:14
导读：表1 用于基因算法仿真中的参数 我们用在参考文献[8]中的实验问题来检测基因算法的效果.用于试验的问题可以分为三类.第一类包括问题EX1和EX2，分别有
表1 用于基因算法仿真中的参数 我们用在参考文献[8]中的实验问题来检测基因算法的效果.用于试验的问题可以分为三类.第一类包括问题EX1和EX2，分别有4和5个信道.第二类问题 (HEX1—HEX4)是基于由21个正六边形小区构成的网络。最后一类问题(KUNZ1---KUNZ4)是引用KUNZ在[8]中使用的一个临近芬兰首都赫尔辛基的覆盖面积为24*21平方千米的网络。在下表中，我们用基因算法获得的结果和其它一些传统算法获得的结果进行比较。这些算法包括：综合代数模型系统(General Algebraic Modeling System (GAMS), 传统的最速下降算法(steepest descent (SD) ), 随机模拟退火算法(stochastic simulated annealing (SSA) ),原始的Hopfield神经网络(the original Hopfield network (HN)(without hill-climbing), 带爬坡的Hopfield神经网络算法(the hill-climbing Hopfield network (HCHN) ), 自组神经网络算法( the self-organizing neural network (SONN)),和随机无秩序模拟退火算法(stochastic chaotic simulated annealing (SCSA) ). 上述算法获得的最小价值（Min）和均值(Av)是运行10次的计算结果，为便于比较，本文的统计结果同样做了10次实验仿真后所得。 方法 GA GAMS SD ssa hn hcnn sonn 问题 Min Av Min Min Av Min Av Min Av Min Av
Av Min EX1 0 0 2 0 0.6 0 0 0 0.2 0 0.0 0 0.4 EX2 0 0 3 0 1.1 0 0.1 0 1.8 0 0.8 0 2.4 HEX1 46 47.7 54 55 56.8 49 50.7 48 49.0 48 48.7 52 53.0 HEX2 17 18.4 27 25 28.9 19 20.4 19 21.2 19 19.8 24 28.5 HEX3 76 76.5 89 84 88.6 79 82.9 79 81.6 78 80.3 84 87.2 HEX4 16 17.5 31 26 28.2 17 20.1 20 21.6 27 18.9 22 29.1 KUNZ1 19 19.8 28 22 24.4 21 21.6 21 22.1 20 21.1 21 22.0 KUNZ2 29 29.4 39 26 28.1 32 33.2 32 32.8 30 31.5 33 33.4 KUNZ3 13 13 13 15 17.9 13 13.9 13 13.2 13 13.0 14 14.4 KUNZ4 0 7 3 5.5 1 1.8 1 0.4 0 0.1 1 2.2
