摘要：研究信道分配优化问题，由于传统迭代过程中存在收敛率低，易于陷入局部最优解等缺点。为改善算法收敛速率和信道分配效果，采用改进的暂态混沌神经网络（MTCNN）。在混沌神经网络的动态特性中采用时变增益，在退火过程中采取分段的退火机制，使得混沌搜索阶段保持较长时间的混沌态，利于进行全局搜索，稳定收敛阶段能够迅速收敛于最优解，提高收敛率。仿真结果表明，改进后的算法能很好地解决信道分配问题。和暂态混沌神经网络及仅分段的暂态神经网络相比，最优解率得到很大的提高，网络收敛速度提高了12％以上。最后，给出了模型参数对网络性能影响的一些结论。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社