29、频谱分配与出租车接客点推荐的创新算法

频谱分配与出租车接客点推荐的创新算法

一、频谱分配：基于高斯 - 柯西变异的混合蛙跳算法

1.1 频谱分配问题与效率函数

频谱分配问题旨在找到满足条件的最优频谱分配方案。定义满足条件的集合为 (A_{m,n})，目标是找到最优频谱分配 (A_{m,n}^ )。为衡量频谱性能，采用了三种不同的效率函数：
- Max - Sum - Reward - Mean (MSRM) ：表示网络总收益的平均值，公式为 (U_{mean} = \frac{1}{N}\sum_{n = 1}^{N}\sum_{m = 1}^{M}a_{n,m} \times b_{n,m})。
- Max - Min - Reward (MMR) ：体现有限频谱的利用率，是单个用户收益的最小值，公式为 (U_{min} = \min_{1\leq n\leq N}(\sum_{m = 1}^{M}a_{n,m} \times b_{n,m}))。
- Max - Proportional - Fair (MPF) *：代表最大公平比例，是所有次用户奖励的几何平均值，公式为 (U_{fair} = (\prod_{n = 1}^{N}(\sum_{m = 1}^{M}a_{n,m} \times b_{n,m} + 10^{-4}))^{\frac{1}{N}})。

1.2 混合蛙跳算法（SFLA）

SFLA 是一种群体智能优化算法，灵感来源于青蛙在湿地觅食。其基本流程如下：
1. 将青蛙种群划分为若干子群进行局部优化