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
热门期刊服务
教育研究与评论·课堂观察 首都医科大学学报·社科版 教育研究与评论·小学教育教学 雷达与对抗 冶金设备管理与维修 高校辅导员学刊 大学物理实验 产业质量研究 安徽农学通报·下半月刊 集美大学学报·自然科学版 临床普外科电子 中华活页文选·高一版相关文章
改进工作作风心得体会