فایل ورد کامل تخصیص قدرت انرژی -کارآمد در شبکه رادیوشناختی با استفاده از بهینه سازی ازدحام ذرات آشفته هم‌فرگشتی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل تخصیص قدرت انرژی -کارآمد در شبکه رادیوشناختی با استفاده از بهینه سازی ازدحام ذرات آشفته هم‌فرگشتی،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۴۰ صفحه

در این مقاله، یک سبک و سنگین کردن (ارزیابی) بین منفعت(سودمندی، کاربردپذیری) و مصرف انرژی در شبکه رادیوشناختی(CR) مبتنی بر مدولاسیون تقسیم فرکانس عمود برهم(OFDM) مورد بررسی قرار گرفته است.
مساله کار آیی انرژی در زمینه شبکه CR خیلی مهم میباشد، یعنی در شبکه CR، باید سودمندی حداکثر شده و مصرف انرژی حداقل شود. از آنجا که سبک و سنگین کردن بین این موارد، در این مقاله مد نظر میباشد، بنابراین در این جا تخصیص انرژی؛ بعنوان یک مساله بهینه سازی آورده شده است ، که در آن کار ایی انرژی را توسط یک معیار کارایی انرژیِ جدید که در این مقاله تعریف شده ؛ حداکثر میکند . مساله فرموله شده ، یک مساله نامحدب در مقیاس بزرگ میباشد، که حل آن خیلی مشکل میباشد. در این مقاله، ما یک الگوریتم بهینه سازی ازدحام ذرات(PSO) بهبود داده شده را برای حل مستقیم مساله بهینه سازی مشکلِ در مقیاس بزرگِ ؛ ارائه نمودیم. بدلیل وجود همگرایی ضعیف در PSO اصلی در اطراف نقطه بهینه موضعی، یک نسخه بهبود داده شده که به صورت ترکیبی از تئوری اشفتگی( آشوب) است، در این مقاله ارائه داده شده است، که در آن، تئوری اشفتگی (آشوب) میتواند به جستجوی PSO برای یافتن راه حلها، در اطراف بهترینهای(بهینه ترین) عمومی و تکی(خصوصی، منحصر بفرد) کمک کند. علاوه براین، برای تسریع ِ فرآیند همگرایی، وقتی با یک چنین بهینه‌سازیِ دارای مقیاس بزرگی مواجه میشویم، مساله اولیه، با استفاده از روش هم فرگشت ، به تعدادی از مسایل کوچکتر شکسته میشود ، و سپس برای اجتناب از تولید راه‌حلهای امکان ناپذیر، استراتژی تقسیم کردن و سپس حل کردن بکار گرفته میشود. شبیه سازیها نشان دادند که PSO آشوبی هم فرگشتیِ پیشنهادی ، نیاز به تعداد کمتری حدس و خطا دارد و میتواند نسبت به سایر الگوریتمها، به کار ایی انرژی بیشتری دست آید.

کلید واژه ها: شبکه رادیو شناختی | تخصیص توان | بهینه سازی کلی در مقیاس بزرگ | بهینه سازی ازدحام ذرات اشفته هم فرگشتی (CCPSO)

عنوان انگلیسی:

Energy Efficient Power Allocation in Cognitive Radio Network Using Coevolution Chaotic Particle Swarm Optimization

~~en~~ writers :

Meiqin Tang , Yalin Xin

In this paper, the trade-off between utility and energy consumption in orthogonal frequency division multiplexing (OFDM)-based cognitive radio (CR) network is investigated. Energy efficiency problem is very important in the field of CR network, where the utility is maximized and the energy consumption is minimized in such a CR network. Since the trade-off between them has been paying more attentions in literature, this study summarizes the power allocation as an optimization problem that maximizes the energy efficiency via a new energy efficiency metric defined by this paper. The formulated problem is a large-scale nonconvex problem, which is very difficult to solve. In this paper, we present an improved particle swarm optimization (PSO) algorithm to solve the difficult large-scale optimization problem directly. Given the weak convergence of the original PSO around local optima, an improved version that combines the chaos theory is proposed in this study, where chaos theory can help PSO search for solutions around the personal and global bests. In addition, for the purpose of accelerating the convergence process when facing with such a large-scale optimization, the original problem is decomposed into a number of small ones by employing the coevolutionary methodology, and then divide-and-conquer strategy is used to avoid producing infeasible solutions. Simulations demonstrate that the proposed coevolution chaotic PSO needs a smaller number of iterations and can achieve more energy efficiency than the other algorithms.

Keywords: Cognitive radio (CR) network | Power allocation | Large scale global optimization | Coevolutionary chaotic particle swarm optimization (CCPSO)

$$en!!