基于改进海鸥算法的认知无人机网络频谱分配

针对无人机网络资源短缺的问题,提出一种基于改进海鸥优化算法(improved seagull optimization algorithm,ISOA)的认知无人机网络频谱分配方案.对海鸥优化算法的解进行克隆操作,实现个体空间的扩张,增强对解空间的搜索力度.对克隆的个体进行变异操作,并将变异个体与原个体比较,保留较优的个体,以提高在当前最优个体附近的局部搜索能力.采用人工免疫算子计算选择概率,使适应度大且浓度低的个体被选择的概率高,浓度高的个体被选择的概率低,使用轮盘赌进行选择从而保证了种群更新过程中个体的多样性,一定程度上避免了未成熟收敛.将提出的算法与海鸥优化算法(seagull optimization algorithm,SOA)、遗传算法(genetic algorithm,GA)、量子遗传算法(quantum genetic algorithm,QGA)、粒子群优化算法(particle swarm optimization,PSO)进行比较.结果表明,提出的算法在认知无人机网络频谱分配具有较好的性能.