ĐỊNH vị PHỔ TRONG MẠNG vô TUYẾN NHẬN THỨC BẰNG THUẬT TOÁN xã hội NHỆN (SOCIAL SPIDER ALGORITHM)

ĐẠI HỌC QUỐC GIA THÀNH PHỐ HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC CÔNG NGHỆ THÔNG TIN    VÕ CÔNG MINH ĐỊNH VỊ PHỔ TRONG MẠNG VÔ TUYẾN NHẬN THỨC BẰNG THUẬT TOÁN XÃ HỘI NHỆN (SOCIAL SPIDER ALGORITHM) LUẬN VĂN THẠC SĨ Chuyên ngành: KHOA HỌC MÁY TÍNH Mã số: 60.48.01.01 GVHD: PGS TS VŨ THANH NGUYÊN TS TRƯƠNG KHẮC TÙNG TP.HCM, NĂM 2017 LỜI CAM ĐOAN Tơi xin cam đoan cơng trình nghiên cứu riêng tôi, số liệu, kết nêu luận văn thực chưa công bố cơng trình nghiên cứu khác TP Hồ Chí Minh, ngày tháng Tác giả Võ Công Minh năm 2017 LỜI CẢM ƠN Với lòng biết ơn sâu sắc nhất, em xin gửi đến quý Thầy Cô trường Đại Học Công Nghệ Thông Tin đem hết tâm huyết truyền đạt vốn kiến thức quý báu cho chúng em Đặc biệt, em xin chân thành cảm ơn Thầy TS TRƯƠNG KHẮC TÙNG – Giảng viên Khoa Công Nghệ Thông Tin trường Đại Học Công Nghiệp TPHCM, người Thầy tận tụy để truyền đạt kiến thức chun mơn kinh nghiệm q báu q trình tìm hiểu nghiên cứu luận văn, qua giúp em có thêm vốn kiến thức để hồn thành luận văn Ngoài ra, em xin cảm ơn Thầy PGS TS VŨ THANH NGUYÊN – Giảng viên trường Đại Học Công Nghệ Thông Tin tận tâm hướng dẫn em hoàn thành luận văn Nhân đây, em xin gửi lời cảm ơn chân thành đến gia đình, bạn bè, đồng nghiệp động viên tinh thần cho em suốt trình nghiên cứu Sau cùng, em xin kính chúc tồn thể q Thầy Cô trường Đại Học Công Nghệ Thông Tin,Thầy TS Trương Khắc Tùng, Thầy PGS TS VŨ THANH NGUYÊN bạn bè, đồng nghiệp dồi sức khỏe để thực sứ mệnh cao đẹp truyền đạt kiến thức cho hệ mai sau Một lần em xin chân thành cảm ơn! TP HCM, tháng 08 năm 2017 Học viên thực Võ Công Minh Abstract In recent years, applying intelligent algorithms in solving hard problems has become a favorite topic in next generation networking research Although classical methods have achieved many important outcomes, this new trend promises significant results This paper addresses the spectrum allocation problem in Cognitive Radio Networks (CRN), in which we proposed a new solution based on Social Spider Algorithm (SSA) to search for the optimal allocation scheme The numerical results prove the superior of our approach in comparison to other methods Keywords Spectrum allocation; optimization; cognitive radio networks; swarm-based algorithm MỤC LỤC CHƯƠNG GIỚI THIỆU VỀ MẠNG VÔ TUYẾN NHẬN THỨC CRN (COGNITIVE RADIO NETWORK) 1.1 Giới thiệu chung 1.2 Giới thiệu mạng vô tuyến nhận thức 1.2.1 Khái niệm 1.2.2 Mục đích mạng vơ tuyến nhận thức 1.3 Vấn đề khan hiệu suất sử dụng phổ 1.4 Ứng dụng thách thức vô tuyến nhận thức 1.4.1 Ứng dụng 1.4.2 Thách thức vô tuyến nhận thức 1.5 Vô tuyến nhận thức Việt Nam 1.5.1 Tính khả thi ứng dụng cho vùng nông thôn Việt Nam 1.5.2 Một số lưu ý triển khai hệ thống IEEE 802.22 CHƯƠNG BÀI TỐN ĐỊNH VỊ PHỔ TRONG MẠNG VƠ TUYẾN NHẬN THỨC.10 2.1 Giới thiệu định vị phổ mạng vô tuyến nhận thức 10 2.2 Mơ tả tốn 11 2.2.1 Đặt vấn đề 11 2.2.2 Khái qt hóa tốn 11 CHƯƠNG KHẢO SÁT GIẢI THUẬT PSO TRONG VIỆC TỐI ƯU ĐỊNH VỊ PHỔ 14 3.1 Giới thiệu giải thuật PSO 14 3.2 Mô tả giải thuật PSO 14 3.2.1 Biểu diễn giải thuật 14 3.2.2 Giải toán CRN PSO 16 3.2.3 Cài đặt thuật toán PSO cho toán CRN 16 CHƯƠNG GIỚI THIỆU GIẢI THUẬT TỐI ƯU HÓA SSA (SOCIAL SPIDER ALGORITHM) 18 4.1 Giới thiệu giải thuật SSA 18 4.2 Mô tả thuật toán SSA 20 4.3 Các qui ước cho thuật toán SSA 21 4.3.1 Qui ước nhện – Spider 21 4.3.2 Qui ước rung động – Vibration 21 4.3.3 Qui ước cho trình tìm kiếm – Search pattern 23 4.4 Thuật toán SSA 26 CHƯƠNG TỐI ƯU HÓA ĐỊNH VỊ PHỔ BẰNG GIẢI THUẬT SSA 28 5.1 Xác định giá trị tham số CRN 28 5.2 Mô tả giải pháp SSA cho CRN 29 5.2.1 Mã hóa tham số SSA 29 5.2.2 Chuyển đổi nhị phân 33 5.2.3 Tạo liệu đầu vào 29 5.3 Xử lý ràng buộc 35 5.3.1 Giai đoạn 35 5.3.2 Giai đoạn 36 5.4 Sơ đồ giải thuật 37 CHƯƠNG MÔ PHỎNG VÀ ĐÁNH GIÁ GIẢI PHÁP 38 6.1 Mô 38 6.2 Đánh giá 40 CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI 44 7.1 Kết luận 44 7.2 Hạn chế đề tài 44 7.3 Hướng phát triển đề tài 44 PHỤ LỤC 45 TÀI LIỆU THAM KHẢO 48 DANH MỤC CÁC BẢNG BIỂU Bảng 6-1 Tham số thưc mô 38 Bảng 6-2 Giá trị Max Sum Reward theo Cmax 41 Bảng 6-3 Giá trị Max Min Reward theo Cmax 42 Bảng 6-4 Giá trị Max Min Reward theo Cmax 43 DANH MỤC CÁC HÌNH ẢNH, ĐỒ THỊ Hình 1-1 Chuẩn IEEE cho mạng 802.22 Hình 1-2 Sử dụng sóng vô tuyến nhận thức Hình 1-3 Phổ tần số vơ tuyến từ 30KHz đến 300GHz Hình 3-1 Giải thuật Particle Swarm Optimization (PSO) 14 Hình 4-1 Giải thuật Social Spider Algorithm (SSA) 18 Hình 4-2 Mơ tả thuật tốn SSA 20 Hình 5-1 Ma trận gán kênh 32 Hình 5-2 Hàm biến đổi nhị phân Sigmoid 34 Hình 5-3 Mơ hình mạng kênh sử dụng 29 Hình 5-4 Kênh cho người dùng sử dụng 30 Hình 5-5 Vùng phủ sóng người dùng thứ cấp 31 Hình 6-1 So sánh giá trị Max Sum Reward SSA PSO 41 Hình 6-2 So sánh giá trị Max Min Reward SSA PSO 42 Hình 6-3 So sánh giá trị Max Proportional Fair SSA PSO 43 Hình 8-1 Thủ tục tạo ma trận L, B 45 Hình 8-2 Thủ tục tạo ma trận C 45 Hình 8-3 Thủ tục xử lý “matxl” 46 Hình 8-4 Thủ tục xử lý “matxc” 46 Hình 8-5 Thủ tục xử lý “matxcmax” 47 DANH MỤC CÁC TỪ VIẾT TẮT TỪ VIẾT TẮT TÊN ĐẦY ĐỦ SSA Social Spider Algorithm SU Secondary User PU Primary User CRN Cognitive Radio Networks SDR Sotware Defined Radio FCC Federal Communication Commission IEEE Institute of Electrical and Electronics Engineers PSO Particle Swarm Optimization WRAN Wireless Regional Area Network CRNSAP Cognitive Radio Networks Spectrum Allocation Problem MSR Max Sum Reward MMR Max Min Reward MPF Max Proportional Fair Luận văn: Định vị phổ mạng CRN giải thuật SSA Mẫu ĐẠI HỌC QUỐC GIA TP HCM CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM TRƯỜNG ĐẠI HỌC Độc lập - Tự - Hạnh phúc CÔNG NGHỆ THÔNG TIN ĐỀ TÀI LUẬN VĂN THẠC SĨ Định hướng ứng dụng (10TC) Định hướng nghiên cứu (15TC)  Tên đề tài hướng NC (gồm tiếng Việt tiếng Anh): Tiếng Việt: ĐỊNH VỊ PHỔ TRONG MẠNG VÔ TUYẾN NHẬN THỨC BẰNG THUẬT TOÁN XÃ HỘI NHỆN (SOCIAL SPIDER ALGORITHM) Tiếng Anh: SPECTRUM ALLOCATION IN COGNITIVE RADIO NETWORKS USING SOCIAL SPIDER ALGORITHM Ngành mã ngành đào tạo: KHOA HỌC MÁY TÍNH - 60480101 Họ tên học viên: VÕ CƠNG MINH – Khóa học: CH09 – Đợt Địa email, điện thoại liên lạc: minhvc.fit@gmail.com - 0988541734 Người hướng dẫn: ✓ Giảng viên hướng dẫn chính: TS TRƯƠNG KHẮC TÙNG Địa email: truongkhactung@yahoo.com Điện Thoại Liên Lạc: 0983211135 ✓ Giảng viên đồng hướng dẫn: PGS TS Vũ Thanh Nguyên Địa email: nguyenvt@uit.edu.vn Điện thoại liên lạc: 0916936840 HVTH: VÕ CÔNG MINH – CH1401012 Trang Luận văn: Định vị phổ mạng CRN giải thuật SSA 𝑋𝑠,𝑖 (𝑡 + 1) = { 𝑖𝑓 𝑟𝑎𝑛𝑑() ≥ 𝑆(𝑃𝑠,𝑖 (𝑡 + 1)) 𝑖𝑓 𝑟𝑎𝑛𝑑() < 𝑆(𝑃𝑠,𝑖 (𝑡 + 1)) (15) với 𝑺(∙) hàm sigmoid dùng để chuyển đổi tốc độ thành xác suất theo công thức đây: 𝑆(𝑃𝑠,𝑖 (𝑡 + 1)) = 5.3 𝐿 1+𝑒 𝑃𝑠,𝑖(𝑡+1) (16) Xử lý ràng buộc Trong trình thực hiện, giải thuật thực xử lý ràng buộc toán qua hai giai đoạn 5.3.1 Giai đoạn Sau thực khởi tạo ma trận X để đại diện cho việc tạo quần thể nhện ngẫu nhiên mạng nhện cá thể nhện (ma trận A) đại diện cho giải pháp toán, toán thực kiểm tra ràng buộc để so sánh với liệu đầu vào, cụ thể, toán kiểm tra ba ràng buộc chính: 5.3.1.1 Ràng buộc Kiểm tra ma trận A với ma trận L (ma trận kênh sử dụng được): Mỗi nghiệm (ma trận A) tạo ngẫu nhiên giải thuật, kiểm tra sửa chữa vi phạm thủ tục “matxl” (Code thủ tục trình bày chi tiết Phụ lục) Thủ tục thực kiểm tra vị trí ma trận A với vị trí ma trận L phải thỏa mãn yêu cầu toán, tức là, vị trí 𝐿(𝑖, 𝑗) = 𝐴(𝑖, 𝑗) = 0, ngược lại giá trị 𝐴(𝑖, 𝑗) giữ nguyên 5.3.1.2 Ràng buộc Kiểm tra ma trận A với ma trận C: Sau ma trận A kiểm tra với ma trận L, tiếp tục thực kiểm tra ràng buộc với ma trận C (ma trận kênh bị nhiễu) thủ tục “matxc” (Code thủ tục trình bày chi tiết Phụ lục) Nếu kênh truyền định vị hai người dùng gây nhiễu với gán kênh truyền cho HVTH: VÕ CÔNG MINH – CH1401012 Trang 35 Luận văn: Định vị phổ mạng CRN giải thuật SSA hai người dùng Nói cách khác, tiến hành kiểm tra vị trí ma trận C Nếu 𝐶 (𝑛, 𝑖, 𝑚) = 1, 𝐴(𝑛, 𝑚) = 𝐴(𝑖, 𝑚) = gán ngẫu nhiên giá trị cho 𝐴(𝑛, 𝑚) 𝐴(𝑖, 𝑚) Trong đó, n,i người dùng thứ cấp m kênh xét 5.3.1.3 Ràng buộc Kiểm tra với Cmax: Bước giải thuật kiểm tra số kênh mà người dùng thu thập với thủ tục “matxcmax” (Code thủ tục trình bày chi tiết Phụ lục) Nếu người dùng thu thập số lượng kênh lớn số kênh cho phép gán sử dụng chế ngẫu nhiên để loại bỏ kênh dư thừa Cụ thể: người dùng n gán 𝑧 kênh truyền (𝑧 > 𝐶𝑚𝑎𝑥 ) với 𝐶𝑚𝑎𝑥 số kênh tối đa phép gán cho người dùng loại bỏ (𝑧 − 𝐶𝑚𝑎𝑥 ) kênh truyền z kênh truyền cách ngẫu nhiên Sau kiểm tra với ràng buộc trên, ma trận A’ tạo từ A ma trận A’ không vi phạm ràng buộc 5.3.2 Giai đoạn Sau lần lặp, giải thuật SSA thực cho cá thể nhện di chuyển cách ngẫu nhiên mạng nhện, cá thể nhện vị trí nghiệm tốn cần phải kiểm tra lại ràng buộc lần để đảm bảo nghiệm thỏa mãn với điều kiện toán đưa trước thực bước lặp HVTH: VÕ CÔNG MINH – CH1401012 Trang 36 Luận văn: Định vị phổ mạng CRN giải thuật SSA 5.4 Sơ đồ giải thuật START Data Set Initialization Spider Population (X) Creation Convert X to Binary Form CRN Constraints Processing Assign SSA Parameters Fitness Calculation Choose Best Vibration from the Web Vbest > Vtar Yes No Use Vtar from the previous iteration Store Vtar = Vbest Random Walk No Determine new position for every spiders (X) Convert X to Binary Form CRN Constraints Processing Stopping Criterion Yes Output the Solution END Hình 5-1 Sơ đồ giải thuật định vị phổ với SSA HVTH: VÕ CÔNG MINH – CH1401012 Trang 37 Luận văn: Định vị phổ mạng CRN giải thuật SSA CHƯƠNG MÔ PHỎNG VÀ ĐÁNH GIÁ GIẢI PHÁP Trong chương thực chạy mơ chương trình phần mềm Matlab cho hàm mục tiêu Chương để lấy kết so sánh với giải pháp tối ưu Chương 6.1 Mô Theo [12], tất mô để đánh giá so sánh với giải thuật khác, để công thực với tham số gồm: số lượng người dùng chính, số lượng người dùng thứ cấp, số lượng kênh để sử dụng, số lượng cá thể quần thể thực hệ thống máy tính với thành phần phần cứng gồm: CPU Intel(R) Xeon(R) E5-2620 cores (12 threads), 8GB RAM Tất giải thuật coding để chạy phần mềm MATLAB 2014 RA Tham số Tên biến Giá trị Người dùng (Primary User ) K 20 Người dùng thứ cấp (Secondary User ) N 20 Số lượng kênh (Channel) M 20 Số lượng cá thể pop_size 20 Số chiều toán dim M N Số vòng lặp max_iter 1000 Tỉ lệ suy giảm rung động truyền Vùng bảo vệ để tránh nhiễu (protection area) DPR Xác suất thay đổi mặt nạ chiều pc 0.7 Xác suất thay đổi bit mặt nạ chiều thay đổi pm 0.1 Bảng 6-1 Tham số thưc mô Để thực mô phỏng, theo [6] [4], giả sử cần phát sóng cho cộng đồng dân cư theo mơ hình mạng vơ tuyến gồm 20 người dùng (Primary User), 20 người dùng thứ cấp (Secondary User) sử dụng 20 kênh truyền khác HVTH: VÕ CÔNG MINH – CH1401012 Trang 38 Luận văn: Định vị phổ mạng CRN giải thuật SSA Vị trí người dùng người dùng thứ cấp đặt ngẫu nhiên vùng định (10x10) Trong người dùng thứ cấp sử dụng tối đa Cmax kênh cho trước Để đơn giản, theo [6], giả định người dùng có vùng bảo vệ để tránh nhiễu không đổi (dP = 2) giới hạn dmin dmax, dmin =1, dmax =4 giá trị không thay đổi suốt q trình mơ Dựa vào vị trí kênh người dùng chính, người dùng thứ cấp n điều chỉnh công suất phát kênh tức 𝑑𝑆 (𝑛, 𝑚) để tránh nhiễu với người dùng Q trình thực mơ theo [12], thực trình tự theo bước sau: - Bước 1: Tạo liệu đầu vào Các bước tạo liệu đầu vào thực theo tham số cho Bảng gồm: ma trận kênh gán L, ma trận biểu diễn băng thông người dùng thứ cấp B, ma trận biểu diễn nhiễu kênh người dùng thứ cấp C - Bước 2: Tạo số lượng cá thể nhện quần thể Trong bước này, thực tạo quần thể nhện mạng nhện có vị trí khác cách ngẫu nhiên dạng ma trận số thực X - Bước 3: Dùng hàm Sigmoid Ở bước này, dùng hàm chuyển đổi số Sigmoid để chuyển ma trận số thực X ma trận nhị phân (0,1) để xử lý ràng buộc với ma trận L C bước sau - Bước 4: Kiểm tra tính ràng buộc Trước thực tính giá trị hàm mục tiêu cho liệu ban đầu toán, thực kiểm tra điều kiện ràng buộc cá thể với ma trận L, C Cmax - Bước 5: Thực vòng lặp HVTH: VÕ CƠNG MINH – CH1401012 Trang 39 Luận văn: Định vị phổ mạng CRN giải thuật SSA Chúng ta kiểm tra điều kiện dừng trước thực tăng bước lặp Nếu điều kiện thỏa mãn tính giá trị mục tiêu cho hàm mục tiêu, ngược lại, tăng bước lặp lên thực lặp Ở cuối bước lặp, cá thể thực di chuyển đến vị trí cách ngẫu nhiên Lúc này, tiếp tục thực kiểm tra với ràng buộc lần để đảm bảo giải pháp tối ưu xuất thỏa mãn với ràng buộc toán Đối với toán CRNSAP, vấn đề đưa tìm giá trị cực đại cho hàm mục tiêu, nhiên, với giải thuật SSA nhằm giải vấn đề tìm giá trị cực tiểu cho hàm mục tiêu Do đó, theo [4], thay tìm giá trị cực đại hàm mục tiêu 𝑼(𝑨), thực tìm giá trị cực tiểu hàm 𝑼′ (𝑨) = 𝟏𝟎𝟎𝟎 − 𝑼(𝑨) sau đó, xuất 𝑼(𝑨𝒃𝒆𝒔𝒕 ) = 𝟏𝟎𝟎𝟎 − 𝑼′(𝑨) giá trị cần tìm 6.2 Đánh giá Để thực đánh giá, tiến hành mô liệu đầu vào cho hai giải thuật SSA PSO cho ba hàm mục tiêu trình bày chương Trong đó, thuật toán thực 30 lần chạy giá trị vẽ đồ thị giá trị trung bình lần chạy Trong lần chạy, thuật tốn sử dụng 1000 vòng lặp để tìm kiếm giải pháp tốt kết thể cụ thể đồ thị bên Trong đề tài này, nghiên cứu tác động số lượng kênh phân bổ cho người sử dụng cách tăng giá trị Cmax từ lên 20 với bước nhảy thực ba hàm mục tiêu Với hàm mục tiêu MSR (Max Sum Reward) hàm thể mức băng thông tối đa mà người dùng thứ cấp thu sau trình tìm kiếm khoảng trắng kênh người dùng Kết thực hai giải thuật thể hình 6-1 bên HVTH: VÕ CÔNG MINH – CH1401012 Trang 40 Luận văn: Định vị phổ mạng CRN giải thuật SSA 130 125 Max Sum Reward 120 115 110 105 100 95 90 PSO SSA 10 12 14 16 18 20 Cmax Hình 6-1 So sánh giá trị Max Sum Reward SSA PSO Theo hình 6-1, thực tìm giá trị cực đại hàm mục tiêu MSR với giải thuật SSA cho kết cao so với giải thuật PSO giá trị cụ thể Bảng cho thấy chênh lệch giá trị tăng từ 2,92% đến 10,4% cho giá trị Cmax Num Run = 30 Cmax=5 Cmax =10 Cmax =15 Cmax =20 Max 120.0311 126.6924 126.6924 126.6924 SSA Mean 115.5627 126.3442 126.6091 126.6924 Std 2.0891 1.5056 0.4564 8.67E-14 Max 114.3800 126.6900 126.6900 126.6900 PSO Mean 112.6613 120.3907 123.4263 121.8513 Std 2.4149 4.6760 4.8822 5.4909 Bảng 6-2 Giá trị Max Sum Reward theo Cmax Với hàm mục tiêu MMR (Max Min Reward) kết thể hình bên Hàm MMR hàm mục tiêu thể việc tìm giá trị cực đại mức băng thông thấp mà người dùng thứ cấp tìm kiếm kênh người dùng HVTH: VÕ CƠNG MINH – CH1401012 Trang 41 Luận văn: Định vị phổ mạng CRN giải thuật SSA 35 Max Min Reward 30 25 20 15 10 PSO SSA 10 12 14 16 18 20 Cmax Hình 6-2 So sánh giá trị Max Min Reward SSA PSO Theo hình 6-2 làm rõ thực hai cách tiếp cận cố gắng tối đa hóa giá trị băng thơng tối thiểu tăng giá trị Cmax từ lên 20 Trong kỹ thuật dựa giải thuật PSO có giá trị khơng ổn định thuật tốn SSA ln có MMR cao đáng kể Kết thuật toán dựa SSA nhanh chóng đạt đến giá trị đỉnh độ bão hòa Cmax = 4, kỹ thuật dựa PSO khơng thể tiếp tục tăng giá trị kể từ Cmax = thay vào giá trị bị biến thiên kể từ Cmax > Num Run = 30 SSA Max Mean Cmax=5 32.9270 32.9270 Cmax =10 32.9267 32.9267 Cmax =15 32.9270 32.8768 Cmax =20 32.9270 32.9270 PSO Std Mean Std 1.4454E-14 26.6630 23.3863 1.9024 1.4454E-14 28.1380 23.2286 1.9260 27.8450 22.9881 2.1387 1.4454E-14 31.2250 23.8922 2.7711 0.2750 Max Bảng 6-3 Giá trị Max Min Reward theo Cmax Tương tự hàm mục tiêu MSR, chênh lệch giá trị hai giải thuật thể hình 6-2 cho thấy khoảng cách lớn thuật toán PSO Sự khác biệt giá trị hai thuật toán dao động từ 50,73% đến 71,22% Cmax = 12 HVTH: VÕ CÔNG MINH – CH1401012 Trang 42 Luận văn: Định vị phổ mạng CRN giải thuật SSA Với hàm mục tiêu MPF (Max Proportional Fair) hàm mục tiêu thể tìm giá trị cực đại cho tỷ lệ phân bổ kênh cách công cho người dùng thứ cấp bên cạnh người dùng để đảm bảo người dùng thứ cấp chọn kênh có băng thơng không thấp cao nhằm ảnh hưởng đến người dùng khác 80 75 Max Proportional Fair 70 65 60 55 50 45 40 35 30 PSO SSA 10 12 14 16 18 20 Cmax Hình 6-3 So sánh giá trị Max Proportional Fair SSA PSO Theo hình 6-3, kết thu thực với giải thuật SSA cho hàm mục tiêu MPF so với giải thuật PSO thể chênh lệch rõ ràng, với SSA, giá trị Cmax = chênh lệch giá trị thật rõ ràng, giá trị thực với SSA lớn gần gấp đôi giá trị thực với PSO Thật vậy, số liệu chi tiết bảng chứng minh điều Num Run = 30 Cmax=5 Cmax =10 Cmax =15 Cmax =20 Max 70.8380 78.6840 78.8160 78.6260 SSA Mean 68.8248 77.7004 77.9925 77.9900 Std 0.8959 0.6372 0.5220 0.4987 Max 48.4730 53.7180 50.2800 53.6750 PSO Mean 44.2879 46.0645 45.8494 46.4900 Std 1.8531 2.8729 2.3497 2.1688 Bảng 6-4 Giá trị Max Min Reward theo Cmax HVTH: VÕ CÔNG MINH – CH1401012 Trang 43 Luận văn: Định vị phổ mạng CRN giải thuật SSA CHƯƠNG KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN CỦA ĐỀ TÀI Trong chương nêu kết luận cho đề tài hướng phát triển đề tài sau thực mô đánh giá chương 7.1 Kết luận Bài tốn định vị phổ mạng vơ tuyến nhận thức (CRNSAP) chứng minh NP-khó [1] có nhiều cách giải cơng trình nghiên cứu trước kể đến như: GA[2], PSO[3], CRO [4], … Trong đề tài này, giới thiệu phương pháp đầy hứa hẹn việc giải toán CRNSAP Hiệu suất tuyệt vời chứng minh ln có cách để tăng cường hiệu hệ thống, đặc biệt chúng tơi sử dụng thuật tốn dựa cách tiếp cận tìm kiếm bầy đàn để tìm kiếm giải pháp tốt cho toán đánh giá tốn khó Việc sử dụng thuật tốn SSA theo đề xuất giải toán cách hiệu [12] q trình mơ chứng minh điều qua ba hàm mục tiêu: MSR, MMR MPF 7.2 Hạn chế đề tài Mặc dù thuật toán SSA theo đề xuất giải vấn đề đưa ra, nhiên, bên cạnh số hạn chế chẳng hạn như: Thứ nhất, đề tài giải vấn đề định vị phổ cho người dùng có vị trí cố định, phổ khả dụng trình định vị tĩnh, điều tương ứng với việc thay đổi môi trường không đáng kể thay đổi chậm Thứ hai, thuật toán đề xuất cho thấy số kết không ổn định hàm mục tiêu MSR giá trị Cmax nhỏ, cụ thể với Cmax