Abordagem do Algoritmo Genético Aprimorada por Inteligência Artificial para Otimização da Alocação de Espectro na Banda UHF

O desafio do espectro limitado na banda de Ultra-Alta Frequência (UHF) resultou na criação de métodos inteligentes de Acesso Dinâmico ao Espectro (DSA). Para abordar o problema de alocação de espectro multi-objetivo em Redes de Rádio Cognitivo (CRNs), este estudo propõe um Algoritmo Genético Aprimorado por Inteligência Artificial (AI-GA). Algoritmos Genéticos convencionais, devido a parâmetros de controle estáticos, experimentam convergência prematura; para resolver isso, uma Rede Neural FeedForward (FNN) foi incorporada, que utiliza dados de aptidão de geração em tempo real para ajustar dinamicamente as taxas de crossover e mutação. A estrutura de otimização considerou cinco usuários e sete bandas de frequência, com o objetivo de maximizar a taxa de transferência, a eficiência espectral e a equidade, enquanto minimizava a interferência. Os resultados da simulação mostraram que o AI-GA alcançou uma taxa de transferência de 3,78 x 10^5 bps, eficiência espectral de 5 bps/Hz, índice de equidade de 0,98 e minimização consistente da interferência de 90 dB. O modelo proposto superou GA convencional e outras metodologias aprimoradas por IA ao equilibrar dinamicamente a exploração e a exploração, fornecendo uma solução confiável para gestão de espectro justa e eficaz. Os resultados demonstraram que usar redes neurais para ajustar dinamicamente os parâmetros do GA melhora significativamente as capacidades de busca dos Algoritmos Genéticos, tornando a estrutura AI-GA proposta adequada para ambientes de rádio cognitivo sensíveis a interferências dinâmicas e críticos em equidade.