徐雪飛,李建華,沈 迪,郭 蓉

(1.空軍工程大學(xué)信息與導(dǎo)航學(xué)院,西安710077;2.解放軍95983部隊(duì),甘肅酒泉732750)

基于量子遺傳算法的航空通信頻率動態(tài)分配*

徐雪飛1,**,李建華1,沈 迪1,郭 蓉2

(1.空軍工程大學(xué)信息與導(dǎo)航學(xué)院,西安710077;2.解放軍95983部隊(duì),甘肅酒泉732750)

為了更加有效地對航空通信頻率進(jìn)行分配,提出了一種基于量子遺傳算法的航空通信頻率動態(tài)分配方法。通過對頻率動態(tài)分配思路進(jìn)行分析,建立了頻率動態(tài)分配框架,給出了頻率動態(tài)分配的具體流程。在此基礎(chǔ)上,討論了航空通信頻率動態(tài)分配問題,定義了航空通信頻率動態(tài)分配約束條件,建立了航空通信頻率動態(tài)分配模型。最后,運(yùn)用量子遺傳算法和遺傳算法對算例進(jìn)行仿真對比。結(jié)果表明:量子遺傳算法在種群適應(yīng)度和收斂速度上具備明顯的優(yōu)越性,頻率動態(tài)分配模型能夠根據(jù)不同種群數(shù)量條件動態(tài)調(diào)整適應(yīng)度,能夠較好滿足航空通信頻率分配問題動態(tài)性、準(zhǔn)確性、時(shí)效性等實(shí)踐運(yùn)用要求。

航空通信;頻率動態(tài)分配;量子遺傳算法

1 引 言

航空通信用頻面臨著高動態(tài)、大尺度和電磁環(huán)境復(fù)雜等一系列影響因素,有限的頻率資源如何高效運(yùn)用已經(jīng)成為頻率管理領(lǐng)域亟需解決的關(guān)鍵問題。頻率分配(Frequency Assignment,FA)是頻率管理的重要環(huán)節(jié),是裝備之間建立有效通信鏈路的關(guān)鍵階段。頻率分配問題本質(zhì)是NP-hard問題,解決頻率分配問題的核心在于找到有效的優(yōu)化算法。遺傳算法(Genetic Algorithm,GA)[1]通過模擬達(dá)爾文《物種起源》中所提出的遺傳選擇和優(yōu)勝劣汰的生物進(jìn)化模型,能夠并行實(shí)現(xiàn)對參數(shù)空間的高效全局搜索。文獻(xiàn)[2]提出了一種基于遺傳算法的戰(zhàn)場頻率分配方法,通過改進(jìn)傳統(tǒng)遺傳算法的選擇、交叉變異過程來實(shí)現(xiàn)頻率分配的特殊用途,但是遺傳算法極易陷入局部最優(yōu)。為此,將遺傳算法和其他優(yōu)化算法進(jìn)行組合的混合優(yōu)化算法逐漸被重視。文獻(xiàn)[3]針對傳統(tǒng)頻率分配遺傳算法存在問題,提出了基于種群遷移策略的戰(zhàn)場頻率動態(tài)分配新算法,算法同時(shí)考慮兩種不同進(jìn)化理論,能夠較好地解決實(shí)際戰(zhàn)場環(huán)境頻率分配問題。文獻(xiàn)[4]針對無線電臺組網(wǎng)應(yīng)用的特殊性,設(shè)計(jì)了頻率指配模型,提出了基于模擬遺傳退火的頻率指配算法,并進(jìn)行應(yīng)用。量子遺傳算法(Quantum Genetic Algorithm,QGA)[5-6]采用量子比特的概率幅對染色體進(jìn)行編碼,使得單個(gè)染色體可以表現(xiàn)出更多的狀態(tài),極大增強(qiáng)了算法的并行性。文獻(xiàn)[7]在文獻(xiàn)[6]基礎(chǔ)上進(jìn)行了修正,引入了種群遷移機(jī)制,更好地保證種群的多樣性。文獻(xiàn)[8]提出了一種新的量子遺傳算法,其核心思想通過量子比特相位的對比更新從而自適應(yīng)地改變搜索策略,對于典型函數(shù)的收斂效果較好。文獻(xiàn)[9]提出了一種混沌更新量子旋轉(zhuǎn)門轉(zhuǎn)角的量子遺傳算法,該算法較一般的量子遺傳算法收斂速度更快。文獻(xiàn)[10]提出了一種混合量子遺傳算法框架,在此框架下分別提出了基于二進(jìn)制編碼和基于實(shí)數(shù)編碼的混合量子遺傳算法,最后通過仿真對兩種算法進(jìn)行對比,得出基于實(shí)數(shù)編碼的混合量子遺傳算法具備更佳的性能。此外,文獻(xiàn)[11]提出了一種基于量子位Bloch球面坐標(biāo)的量子進(jìn)化算法,給出了一種新的簡便型量子旋轉(zhuǎn)門轉(zhuǎn)角的確定方法。

本文針對航空通信頻率分配問題,首先提出一種航空通信頻率動態(tài)分配方法,分析其思路,給出其框架構(gòu)成;然后,通過對航空通信動態(tài)頻率分配問題進(jìn)行分析,建立了航空通信頻率動態(tài)分配模型;最后,運(yùn)用量子遺傳算法進(jìn)行算例仿真分析,得出了有效的仿真結(jié)論。

2 頻率動態(tài)分配方法

2.1 思路分析

頻率動態(tài)分配思路包括以下三個(gè)層面,一是頻率資源的分配,頻率資源分配著重從頻率資源屬性特征進(jìn)行分析考慮;二是作戰(zhàn)平臺的分配,作戰(zhàn)平臺分配著重從作戰(zhàn)平臺的價(jià)值和功能屬性方面考慮;三是戰(zhàn)場環(huán)境態(tài)勢的影響,戰(zhàn)場環(huán)境態(tài)勢的影響著重從對抗和干擾的角度進(jìn)行考慮,具體如圖1所示。

圖1 頻率動態(tài)分配思路Fig.1 The thought of dynamic frequency assignment

2.2 框架構(gòu)成

根據(jù)頻率動態(tài)分配思路,將三個(gè)層面劃歸為3個(gè)子系統(tǒng),即頻率管理子系統(tǒng)、用戶管理子系統(tǒng)和戰(zhàn)場環(huán)境態(tài)勢子系統(tǒng),框架結(jié)構(gòu)如圖2所示。

圖2 頻率動態(tài)分配框架結(jié)構(gòu)Fig.2 Architecture for dynamic frequency assignment

主要功能模塊描述如下。

(1)用戶優(yōu)先級評價(jià)模塊

用戶優(yōu)先級評價(jià)模塊位于用戶管理子系統(tǒng),主要功能是根據(jù)用戶擔(dān)負(fù)的任務(wù)屬性和類型,生成相關(guān)的優(yōu)先級評價(jià)函數(shù),然后將用戶優(yōu)先級屬性和規(guī)則庫進(jìn)行對比,從而對用戶的優(yōu)先級別進(jìn)行判定。

(2)用戶優(yōu)先級規(guī)則庫

用戶優(yōu)先級規(guī)則庫位于用戶管理子系統(tǒng),主要功能是根據(jù)用戶固有的屬性生成一套評價(jià)用戶優(yōu)先級的基本規(guī)則。現(xiàn)代戰(zhàn)爭樣式和任務(wù)的復(fù)雜化、多樣化導(dǎo)致優(yōu)先級規(guī)則庫處于不斷的變化和更迭中。

(3)頻率動態(tài)分配模塊

頻率動態(tài)分配模塊位于頻率管理子系統(tǒng),是所有系統(tǒng)中的核心模塊,主要功能是根據(jù)來自用戶優(yōu)先級評價(jià)模塊、戰(zhàn)場環(huán)境態(tài)勢評級模塊的反饋信息,結(jié)合來自于頻率管理子系統(tǒng)內(nèi)部的頻率排序結(jié)果,運(yùn)用匹配理論形成頻率動態(tài)分配結(jié)論。

(4)戰(zhàn)場環(huán)境態(tài)勢評價(jià)模塊

戰(zhàn)場環(huán)境態(tài)勢評價(jià)模塊位于戰(zhàn)場環(huán)境態(tài)勢子系統(tǒng),是用戶優(yōu)先級評價(jià)模塊和頻率動態(tài)分配模塊的基礎(chǔ),主要功能是根據(jù)戰(zhàn)場環(huán)境態(tài)勢感知模塊和戰(zhàn)場環(huán)境態(tài)勢分析模塊反饋戰(zhàn)場環(huán)境信息,通過戰(zhàn)場環(huán)境態(tài)勢評價(jià)分析,形成一套實(shí)時(shí)的頻率使用規(guī)定。

2.3 流程描述

頻率動態(tài)分配流程如下:

步驟1 獲取戰(zhàn)場環(huán)境態(tài)勢情況,根據(jù)戰(zhàn)場環(huán)境態(tài)勢制訂初步的用頻規(guī)劃;

步驟2 在獲取并分析戰(zhàn)場環(huán)境態(tài)勢基礎(chǔ)上,對頻率進(jìn)行預(yù)選擇,選出滿足戰(zhàn)場環(huán)境態(tài)勢以及業(yè)務(wù)所需的有效頻段;

步驟3 根據(jù)用戶屬性以及所屬的作戰(zhàn)環(huán)境態(tài)勢,運(yùn)用一定方法對用戶進(jìn)行排序,得出用戶在特定作戰(zhàn)階段下用頻優(yōu)先等級;

步驟4 根據(jù)用戶優(yōu)先級別對頻率資源進(jìn)行優(yōu)化選擇,選出能夠滿足用戶需求的頻率集合;

步驟5 根據(jù)一定的匹配法則將用戶和頻率進(jìn)行匹配,形成頻率動態(tài)分配具體方案。

3 頻率動態(tài)分配模型

3.1 問題分析

頻率分配問題通?？梢苑譃?類[12],即最少頻率分配(MO-FAP)、最小跨度頻率分配(MS-FAP)、最小阻塞頻率分配(MB-FAP)和最小干擾頻率分配(MI-FAP)。其中,MO-FAP是指滿足頻率分配要求,使用頻率最少的方法;MS-FAP是指使用最大頻率和最小頻率之間間隔最小的方法;MB-FAP是指找到一個(gè)局部最優(yōu)分配使得全局的阻塞率最小的方法;MI-FAP是指找到一個(gè)分配使得相互之間的干擾最低的方法。

空中進(jìn)攻作戰(zhàn)可以分為作戰(zhàn)準(zhǔn)備、空中突防、空中突擊和作戰(zhàn)撤離4個(gè)階段。作戰(zhàn)準(zhǔn)備階段需要提前對航空通信頻率進(jìn)行預(yù)分配,此時(shí)頻率分配在滿足基本要求的基礎(chǔ)上,需要對后續(xù)作戰(zhàn)階段預(yù)留較充裕的頻率資源,故應(yīng)盡量較少使用頻率資源?？罩型环离A段通常采取無線電靜默的形式進(jìn)行,此時(shí)也應(yīng)謹(jǐn)慎使用頻率資源?？罩型粨綦A段通常是作戰(zhàn)全面展開的階段,各類武器裝備開始大規(guī)模運(yùn)用,此時(shí)戰(zhàn)場環(huán)境復(fù)雜且頻率的運(yùn)用達(dá)到峰值,同時(shí),武器裝備的頻繁加入或退出戰(zhàn)斗進(jìn)一步增加了頻率運(yùn)用的難度,故應(yīng)采取動態(tài)的頻率分配方式,實(shí)時(shí)對頻率分配作出調(diào)整,確保武器裝備之間頻率運(yùn)用有效且不發(fā)生干擾。作戰(zhàn)撤離階段頻率進(jìn)行釋放和收回,頻率運(yùn)用將趨于正常。表1對空中進(jìn)攻作戰(zhàn)(AOC)頻率分配問題進(jìn)行了分析。

表1 空中進(jìn)攻作戰(zhàn)頻率分配問題分析Table 1 Analysis of AOC frequency assignment problems

3.2 約束條件

本文從干擾角度構(gòu)建頻率動態(tài)分配模型。航空通信頻率干擾主要存在3種情況,即同頻干擾(Co-Channel Interference,CCI)、鄰道干擾(Adjacent-Channel Interference,ACI)和互調(diào)干擾(Intermodulation Interference,IMI)[13-14]。

工作中，我用真誠、坦率的處事風(fēng)格和扎實(shí)、厚重的業(yè)務(wù)功底，贏得了領(lǐng)導(dǎo)和同事的認(rèn)可。1986年，機(jī)會再次降臨到我的頭上，通過篩選，我被海淀區(qū)教委選派到北京教育學(xué)院脫產(chǎn)學(xué)習(xí)兩年，專業(yè)是教育管理。

(1)同頻干擾

在移動通信系統(tǒng)中,為了提高頻率利用率,在間隔一定距離后,要重復(fù)使用相同的頻道,但由于相隔距離過近而產(chǎn)生干擾,即為同頻干擾。

若鏈路i和鏈路j分配的頻率分別為fi和fj,鏈路之間的距離為D,則其同頻干擾約束關(guān)系可通過二元組進(jìn)行表示:

式中,?表示且關(guān)系,dij為鏈路之間的實(shí)際距離。

(2)鄰道干擾

由大量通信裝備組成通信網(wǎng)絡(luò)時(shí),在收信機(jī)射頻通帶內(nèi)或通帶附近的信號,經(jīng)變頻后落入中頻通帶內(nèi)造成的干擾稱為鄰道干擾。

若鏈路i和鏈路j分配的頻率分別為fi和fj,則其鄰道干擾約束關(guān)系可通過二元組進(jìn)行表示:

式中,m為信道數(shù),Δf為頻道間隔。

由于兩個(gè)或多個(gè)頻率分量在傳輸信道中的非線性器件上相互作用而產(chǎn)生的無用頻率分量引起的干擾稱為互調(diào)干擾。

若鏈路i和鏈路j分配的頻率分別為fi和fj,則其互調(diào)干擾約束關(guān)系可通過二元組進(jìn)行表示:

式中,?表示或關(guān)系。

頻率分配的干擾約束條件可以劃歸為硬性約束和軟性約束兩類[15]。硬性約束主要包括一些既定的通信頻率設(shè)定規(guī)則,如上述3類干擾可以劃歸為硬性約束,一旦違背將會對正常通信造成比較嚴(yán)重的影響,甚至?xí)钄嗾Ｍㄐ拧＼浶约s束通常包括一些不可控因素,如阻塞干擾(Blocking Interference,BI)和帶外干擾(Out-Band Interference,OBI)等,這些干擾隨機(jī)產(chǎn)生且難以控制,但這些干擾通常并不會對正常通信產(chǎn)生過于嚴(yán)重的影響。通常情況下,頻率分配并不能找到滿足于所有約束條件的頻率組合,即完美的頻率分配并不存在。

3.3 模型構(gòu)建

假設(shè)對一定空域中的N架航空飛行器進(jìn)行頻率動態(tài)分配,為了保證N架航空飛行器的通信同時(shí)有效進(jìn)行,每一架航空飛行器需要分配一個(gè)使用頻段Fi=(),其中,為起始頻點(diǎn),為終止頻點(diǎn),且Fi∈F,F為由所有頻段構(gòu)成的域;每兩個(gè)通信頻率之間的最小頻率間隔為Δf,故航空飛行器i在其可用頻段Fi內(nèi)的可用頻點(diǎn)集為{+Δ,+ 2Δ,…,}。因此,為每一架航空飛行器分別分配一個(gè)頻率,則集合(,…,)即為所求頻率分配的解集。

根據(jù)3.1節(jié)分析可得,空中突擊階段頻率的運(yùn)用情況復(fù)雜且時(shí)變性強(qiáng),屬于頻率動態(tài)分配的范疇,故頻率動態(tài)分配模型構(gòu)建采用MI-FAP較適合。MI-FAP的目標(biāo)就是找到一組滿足各類約束條件的頻率集合,使得鏈路之間相互產(chǎn)生的干擾最小化。為此,引入干擾代價(jià)函數(shù)cost(f),表示為

式中,α為CCI的干擾代價(jià)值,β為ACI的干擾代價(jià)值,γ為IMI的干擾代價(jià)值。

顯然,找到一組頻率使得干擾代價(jià)函數(shù)值最小就是MI-FAP的最優(yōu)解,即min[cost(f)]。QGA的本質(zhì)是運(yùn)用多樣化的量子疊加態(tài)對GA中種群的交叉和變異進(jìn)行表現(xiàn),同時(shí),利用GA將種群中不符合進(jìn)化要求的個(gè)體逐漸剔除,從而找到最優(yōu)解的集合。為此,干擾代價(jià)函數(shù)cost(f)可以變換為適應(yīng)度函數(shù)fit(f),進(jìn)一步可表示為

式中,C為適應(yīng)度常數(shù),通常取定值3.2[16]。從式(5)可以看出,干擾代價(jià)函數(shù)和適應(yīng)度函數(shù)fit(f)成反比關(guān)系,即干擾較小的個(gè)體將擁有更強(qiáng)的適應(yīng)能力進(jìn)行遺傳和進(jìn)化。

4 量子遺傳算法

QGA通過運(yùn)用量子位的疊加對傳統(tǒng)GA的染色體進(jìn)行表現(xiàn),擁有更加豐富的狀態(tài)。在QGA中,量子位是最小的信息表現(xiàn)單位。一個(gè)量子位可以表示0、1兩種狀態(tài)以及其他疊加狀態(tài),即表示為

式中,α、β分別為復(fù)數(shù),表示量子位相對應(yīng)的概率幅,且滿足歸一化條件

下面給出QGA的運(yùn)算基本流程。

步驟1 令t=0,生成初始量子種群Q(t)為

式中,n表示量子種群的規(guī)模,代表遺傳進(jìn)化的迭代數(shù);qti表示一條量子染色體,即第t代種群中第i個(gè)個(gè)體的量子染色體為

式中,m表示量子染色體的長度,i=1,2,…,n。

步驟3 對解集P(t)中的每一個(gè)個(gè)體xti的適應(yīng)度進(jìn)行求解,存儲最優(yōu)解。若最優(yōu)解滿足一定適應(yīng)度,則終止算法,否則繼續(xù)。

步驟4 采用量子旋轉(zhuǎn)門U(θ)更新種群Q(t),其中U(θ)為

步驟5 令t=t+1,并重新返回步驟2,直至完成所有迭代數(shù)的運(yùn)算。

QGA的具體流程如圖3所示。

圖3 QGA流程圖Fig.3 Flow chart of QGA

5 算例仿真與分析

對本文構(gòu)建的航空通信動態(tài)頻率分配模型進(jìn)行仿真分析。分別對數(shù)量為40、80、120、160架飛機(jī)間進(jìn)行頻率分配,最小頻率間隔為25 kHz,仿真計(jì)算機(jī)為Inter Core 2雙核處理器,工作主頻2.93 GHz,內(nèi)存2 GB,仿真軟件為Matlab7.10,具體仿真結(jié)果如圖4～7所示。

圖4 種群數(shù)量40條件下算法適應(yīng)度值和運(yùn)算代數(shù)Fig.4 The fitness of algorithm and calculation generation under population 40

圖5 種群數(shù)量80條件下算法適應(yīng)度值和運(yùn)算代數(shù)Fig.5 The fitness of algorithm and calculation generation under population 80

圖6 種群數(shù)量120條件下算法適應(yīng)度值和運(yùn)算代數(shù)Fig.6 The fitness of algorithm and calculation generation under population 120

圖7 種群數(shù)量160條件下算法適應(yīng)度值和運(yùn)算代數(shù)Fig.7 The fitness of algorithm and calculation generation under population 160

從圖4～7可以看出,隨著種群數(shù)量的逐漸增加,運(yùn)用改進(jìn)量子遺傳算法對其進(jìn)行求解的最優(yōu)適應(yīng)度值逐漸增大。其中,在種群數(shù)量為40的條件下,最優(yōu)適應(yīng)度值穩(wěn)定在60左右;在種群數(shù)量為80的條件下,最優(yōu)適應(yīng)度值穩(wěn)定在70左右;在種群數(shù)量為120的條件下,最優(yōu)適應(yīng)度值穩(wěn)定在90左右;在種群數(shù)量為160的條件下,最優(yōu)適應(yīng)度值穩(wěn)定在130左右。這說明頻率動態(tài)分配模型可以根據(jù)種群的數(shù)量動態(tài)對其適應(yīng)度函數(shù)進(jìn)行調(diào)整,因此能夠滿足不同種群數(shù)量條件下頻率分配實(shí)時(shí)性需要。

根據(jù)圖4～7,對不同種群數(shù)量條件下算法的運(yùn)算效率進(jìn)行分析可以得出,隨著種群數(shù)量的逐漸增加,算法的運(yùn)算效率逐漸下降。其中,在種群數(shù)量為40的條件下,算法在300代左右趨于穩(wěn)定;在種群數(shù)量為80的條件下,算法在350代左右趨于穩(wěn)定;在種群數(shù)量為120的條件下,算法在400代左右趨于穩(wěn)定;在種群數(shù)量為160的條件下,算法在430代左右趨于穩(wěn)定,且算法收斂度分別為0.53、0.37、0.27和0.16,說明隨著種群數(shù)量的增加,算法的運(yùn)算效率有所下降且收斂性能也逐漸降低。

為了進(jìn)一步驗(yàn)證量子遺傳算法的優(yōu)越性,將量子遺傳算法和遺傳算法進(jìn)行對比仿真。繼續(xù)對數(shù)量為40、80、120、160種群數(shù)量條件下進(jìn)行仿真,算法的收斂性對比和運(yùn)算時(shí)長對比分別如圖8和表2所示。

圖8 算法收斂性對比Fig.8 The contrast of astringency between two algorithms

表2 算法運(yùn)算時(shí)長對比Table 2 The contrast of duration between two algorithms

從圖8可以看出,量子遺傳算法和遺傳算法的穩(wěn)定代數(shù)隨著種群數(shù)量的增加都分別上升。其中,量子遺傳算法的穩(wěn)定代數(shù)分別為300代、350代、400代和430代,遺傳算法的穩(wěn)定代數(shù)分別為380代、420代、495代和525代。故可以得出,量子遺傳算法的收斂性優(yōu)于遺傳算法,尤其隨著種群數(shù)量的增大,這種快速收斂性的優(yōu)勢更加明顯。再對表2進(jìn)行分析,在相同種群數(shù)量條件下,量子遺傳算法的運(yùn)算時(shí)長較之遺傳算法也具有明顯優(yōu)勢,特別隨著種群數(shù)量的增大,量子遺傳算法的運(yùn)算時(shí)長增長幅度較小,運(yùn)算效率較高。因此,量子遺傳算法在收斂性和運(yùn)算效率方面存在明顯優(yōu)勢,故更加適合航空作戰(zhàn)條件下頻率動態(tài)分配的現(xiàn)實(shí)需求。

6 結(jié)束語

本文提出一種基于量子遺傳算法的航空通信頻率動態(tài)分配方法,主要結(jié)論如下:

(1)通過對頻率動態(tài)分配思路進(jìn)行分析,構(gòu)建了頻率動態(tài)分配框架,給出了頻率動態(tài)分配的具體流程;

(2)對航空通信頻率動態(tài)分配問題進(jìn)行分析,定義了航空通信頻率動態(tài)分配約束條件,構(gòu)建了航空通信頻率動態(tài)分配場景;

(3)通過運(yùn)用量子遺傳算法和遺傳算法對不同種群數(shù)量條件下的頻率動態(tài)分配問題進(jìn)行計(jì)算分析,驗(yàn)證了量子遺傳算法的優(yōu)越性,進(jìn)一步驗(yàn)證了航空通信頻率動態(tài)分配模型的科學(xué)性和有效性,為軍事航空頻率管控有效實(shí)施提供了較好的技術(shù)支撐。

[1] HOLLAND J H.Adaptation in Nature and Artificial Systems [M].Ann Arbor:The University of Michigan Press,1975.

[2] 于江,張磊,沈劉平,等.一種基于遺傳算法的戰(zhàn)場頻率分配方法[J].電訊技術(shù),2011,51(7):90-96. YU Jiang,ZHANG Lei,SHEN Liuping,et al.A Battlefield Frequency Assignment Method Based on Genetic Algorithm[J].Telecommunication Engineering,2011,51 (7):90-96.(in Chinese)

[3] 喻歆.采用種群遷移策略的戰(zhàn)場頻率動態(tài)分配[J].電訊技術(shù),2014,54(3):348-354. YU Xin.Dynamic Frequency Assignment Based on Immigrant Schemes in Battlefield Environment[J].Telecommunication Engineering,2014,54(3):348-354.(in Chinese)

[4] 羅林,陳硯圃,張長青,等.基于多信號干擾的無線電臺頻率指配算法[J].現(xiàn)代電子技術(shù),2015,38(5):39-42. LUO Lin,CHEN Yanpu,ZHANG Changqing,et al.Radio station frequency assignment algorithm based on interference of multiple signals[J].Modern Electronic Technique,2015,38(5):39-42.(in Chinese)

[5] NARAYANAN A,MOORE M.Quantum-inspired genetic algorithms[C]//Proceedings of 1996 IEEE International Conference on Evolutionary Computation.Nagoya,Japan:IEEE,1996:61-66.

[6] HAN K H,KIM J H.Genetic quantum algorithm and its application to combinatorial optimization problem[C]// Proceedings of 2000 International Congress on Evolutionary Computation.La Jolla,CA:IEEE,2000:1354-1360.

[7] HAN K H,KIM J H.Quantum-inspired evolutionary algorithm for a class of combinatorial optimization[J].IEEE Transactions on Evolutionary Computation,2002,6(6): 580-593.

[8] ZHANG G X,JIN W D,HU L Z.A noval parallel quantum genetic algorithm[C]//Proceeding of 4th International Conference on Parallel and Distributed Computing,Applications and Technologies.Taipei:IEEE,2003:693-679.

[9] CHEN H,ZHANG J H,ZHANG C.Chaos updating rotated gates quantum-inspired genetic algorithm[C]//Proceedings of 2004 International Conference on Communications,Cuircuits and Systems.Chengdu:IEEE,2004:1108-1112.

[10] WANG L,TANG F,WH H.Hybrid genetic algorithm based on quantum computing for numerical optimization and parameter estimation[J].Applied Mathematics and Computation,2005,171(2):1141-1156.

[11] LI P C,LI S Y.Quantum-inspired evolutionary algorithm for continuous spaces optimization based on Bloch coordinates of qubits[J].Neurocomputing,2008,72: 581-591.

[12] AARDAL K I,HOESEL S M,MANNINO K C.Models and solution techniques for frequency assignment problems[J].Quarterly Journal of the Belgian,French and I-talian Operations Research Societies,2003(4):134-135.

[13] 寇明延,趙然.現(xiàn)代航空通信技術(shù)[M].北京:國防工業(yè)出版社,2011. KOU Mingyan,ZHAO Ran.Modern Aeronautical Communications Technology[M].Beijing:National Defense Industry Press,2011.(in Chinese)

[14] 翁木云,張其星,謝紹斌,等.頻率管理與監(jiān)測[M].北京:電子工業(yè)出版社,2009. WENG Muyun,ZHANG Qixing,XIE Shaobin,et al. Spectrum Management and Monitoring[M].Beijing: Eletronics Industry Press,2009.(in Chinese)

[15] 王強(qiáng).頻率管理關(guān)鍵技術(shù)——頻率分配算法研究[D].北京:北京交通大學(xué),2009. WANG Qiang.Key Technique of Spectrum Management—Research on Frequency Assignment Algorithms[D].Beijing:Beijing Jiaotong University,2009.(in Chinese)

[16] 陳浩.遺傳算法在頻率分配問題中的應(yīng)用研究[D].北京:北京交通大學(xué),2009. CHEN Hao.The Application of Genetic Algorithm in the Frequency Assignment Problem[D].Beijing:Beijing Jiaotong University,2009.(in Chinese)

XU Xuefei was born in Xi′an,Shaanxi Province,in 1986.He is currently working toward the Ph.D.degree.His research concerns aeronautical communication spectrum management and control.

Email:xxf19861128@sina.com

李建華(1965—),男,陜西白水人,2006年獲博士學(xué)位,現(xiàn)為教授,主要研究方向?yàn)榭仗煨畔⑾到y(tǒng)規(guī)劃與建設(shè);

LI Jianhua was born in Baishui,Shaanxi Province,in 1965. He received the Ph.D.degree in 2006.He is now a professor. His research concerns space information system planning and construction.

沈 迪(1986—),男,浙江德清人,2014年獲博士學(xué)位,現(xiàn)為講師,主要研究方向?yàn)榭仗煨畔⑾到y(tǒng)規(guī)劃與建設(shè);

SHEN Di was born in Deqing,Zhejiang Province,in 1986. He received the Ph.D.degree in 2014.He is now a lecturer. His research concerns space information system planning and construction.

郭 蓉(1990—),女,陜西咸陽人,2014年獲碩士學(xué)位,現(xiàn)為助理工程師,主要研究方向?yàn)殡姶艌雠c微波技術(shù)。

GUO Rong was born in Xianyang,Shaanxi Province,in 1990.She received the M.S.degree in 2014.She is now an assistant engineer.Her research concerns electromagnetic field and microwave technology.

Dynamic Aeronautical Communication Frequency Assignment Based on Quantum Genetic Algorithm

XU Xuefei1,LI Jianhua1,SHEN Di1,GUO Rong2
(1.Information and Navigation College,Air Force Engineering University,Xi′an 710077,China; 2.Unit 95983 of PLA,Jiuquan 732750,China)

For more efficient aeronautical communication frequency assignment,a method for dynamic aeronautical communication frequency assignment based on quantum genetic algorithm(QGA)is proposed. Through analyzing the thought of dynamic frequency assignment,the architecture of dynamic frequency assignment is constructed,then a flow chart for it is given.On this basis,the dynamic aeronautical communication frequency assignment problems are discussed,the constraint condition for dynamic frequency assignment is defined,and then the dynamic aeronautical communication frequency assignment model is established.Finally,the QGA and genetic algorithm(GA)are used to simulate the same examples and the result shows that the QGA has more advantages in population fitness and convergence rate,and the dynamic frequency assignment model can dynamically adjust fitness under the condition of different populations. The method meets the practice and application requirements of dynamics,accuracy and timeliness for aeronautical communication frequency assignment.

aeronautical communication;dynamic frequency assignment;quantum genetic algorithm

Project Supported by the National Social Science Fund and the Military Science(12GJ003-130);Project Supported by Military Science Fund for Graduate Students(2013JY-505)

date:2015-06-29;Revised date:2015-09-15

國家社科基金暨軍事學(xué)資助課題(12GJ003-130);全軍軍事學(xué)研究生資助課題(2013JY-505)

**通訊作者:xxf19861128@sina.com Corresponding author:xxf19861128@sina.com

TN92

A

1001-893X(2015)12-1311-07

徐雪飛(1986—),男,陜西西安人,現(xiàn)為博士研究生,主要研究方向?yàn)楹娇胀ㄐ蓬l譜管理與控制;

10.3969/j.issn.1001-893x.2015.12.001

徐雪飛,李建華,沈迪,等.基于量子遺傳算法的航空通信頻率動態(tài)分配[J].電訊技術(shù),2015,55(12):1311-1317.[XU Xuefei,LI Jianhua,SHEN Di,et al.Dynamic Aeronautical Communication Frequency Assignment Based on Quantum Genetic Algorithm[J].Telecommunication Engineering,2015,55(12):1311-1317.]

2015-06-29;

2015-09-15