这是关于遗传算法在信道均衡中的应用的一些论文。

针对目前在同一热点区域内高密度部署无线接入点(AP)造成的信道干扰问题,该文结合同一个基础服务集(BSS)内终端的服务质量(QoS)和BSS间的负载均衡的需要,分析了基于IEEE 802.11e的3维离散马尔科夫链模型,并修订了其中竞争窗、退避计数器以及重传次数的量化关系,完善了该模型,得到了更为准确的基于QoS的终端归一化吞吐量表达式;其次,在信道分配设计时,既考虑了每个BSS内终端和AP之间通信的QoS,又考虑了每个AP范围内所有与之关联的终端受到相邻AP信道干扰下整体吞吐量的公平性,并对

针对高维非凸代价函数下神经网络盲均衡算法收敛速度慢、容易陷入局部极小值的缺点，提出了一种组群并行遗传优化神经网络的方法。根据神经网络拓扑结构进行个体编码，设置控制码和权重系数码以实现对网络拓扑结构和网络权重同时优化。优化迭代过程中根据适应度对个体排序分组，以融合不同遗传算子条件下遗传算法的优势。部分精英策略有效避免最优个体把持进化过程引发早熟的现象。非线性信道条件下的仿真结果证明方法具有更好的收敛性能。