Resumen

La Evolución Diferencial (abreviatura DE) está mostrando muchas ventajas en la resolución de problemas de optimización, como una rápida convergencia, una fuerte robustez, y demás. Sin embargo, cuando la DE se enfrenta a un espacio objetivo complejo, la diversidad de su población se degenerará en un pequeño alcance; incluso a veces es prematuro caer en el mínimo local. Todas las cosas compiten en belleza en el mundo; un Algoritmo de Salto de Rana Mezclado (abreviado SFLA) tiene una fuerte capacidad global; desafortunadamente, su velocidad de convergencia también es lenta. Para superar la desventaja, este artículo sugiere un algoritmo de Evolución Diferencial de Salto de Rana Mezclado (abreviado SFDE) en una red de radio cognitiva, que combina la Evolución Diferencial con el Algoritmo de Salto de Rana Mezclado. Este método propuesto aumenta su búsqueda local para un cierto número de subgrupos, y sus individuos se unen y comparten su información mutua

• Materias:Programación centralizada Dispositivos móviles Redes heterogéneas Cooperación de retransmisión Antenas inteligentes
• Subjects:Centralized scheduling Mobile devices Heterogeneous networks Relay cooperation Smart antennas
• Palabras claves:Evolución diferencial; Problemas de optimización; Algoritmo de salto de rana barajado; Diversidad de población; Red de radio cognitiva; Búsqueda global
• Keywords:Differential evolution; Optimization problems; Shuffled frog leaping algorithm; Population diversity; Cognitive radio network; Global search