论文部分内容阅读
随着通信技术的快速发展,人们快速的从2G进入到4G,而且5G也蓄势待发。然而适合基站布局的站址变得越来越稀少。同时在整个通信网络规划中,合理的基站选址方案是至关重要的一部分。过去根据经验,人工手动设计候选方案的方式是不精确并且是低效的。之后一些学者提出对基站选址进行数学建模,然后用求解模型的方式进行基站选址。但是,基站选址往往需要考虑目标区域的覆盖率、成本与业务量的关系,同时还要考虑信号干扰等因素,因此模型的建立相对复杂,同时,目前的智能优化算法也并不能很好的解决这类复杂问题。智能优化算法中的主流算法包含微粒群算法与遗传算法,因此对遗传算法与微粒群算法进行改进研究,并将算法应用在基站的优化选址问题上,具有重要的意义。 在这样的背景意义下本文首先对微粒群算法与遗传算法两种主流智能优化算法进行研究。通过研究经典微粒群算法,提出利用膜计算与METROPOLIS 采样对微粒群算法进行改进,设计了 PMET-PSO 算法,其中依据模拟退火算法温度下降过程,重新设计的METROPOLIS 采样过程为微粒群算法加入随机性,使其具备跳出局部最优,寻找全局最优解的能力。加入膜计算增强了微粒群算法的并行性,能够降低算法求解复杂问题时的时间复杂度。通过研究遗传算法,提出利用膜计算与PSO算子对遗传算法进行改进,设计了PPSO-GA算法。其中PSO算子是将PSO算法中位置与速度依据全局最优位置与粒子历史最优位置进行更新的过程设计为算子,代替经典遗传算法中的变异算子,从而增强遗传算法的局部搜索能力,加快算法向最优解收敛的速度。加入膜计算增强了遗传算法的并行性,降低算法时间复杂度。然后通过研究传统的基站选址数学模型,将传统复杂的模型进行简化,保留必须的成本、覆盖率及信号质量等约束条件进行建模。简化的模型不是以提供完美基站选址方案为目的,而是能够为决策者提供有效的基站选址候选方案,提高选址效率,同时简化了用智能优化算法求解的难度。由于在发达城镇地区4G网络已基本实现全覆盖,因此本文选择发达城镇山区尚未实现4G全覆盖的区域作为模型的应用场景,利用Google Earth的开源接口获得发达城镇山区实验区域的三维地理信息坐标经度坐标、纬度坐标、高程坐标,作为算法的输入。最后采用ACIS构型技术,应用C++搭建三维CAD系统,在系统中对基站选址的候选方案进行三维展示,设计了一套方便人使用的三维基站规划 CAD系统。 本文最大的创新点主要包括(1)设计实现了基于METROPOLIS采样与膜计算的微粒群(PMET-PSO)算法,并将其应用在基站选址优化数学模型中。(2)设计实现了基于PSO算子与膜计算的遗传(PPSO-GA)算法,并用来解决基站选址问题。(3)利用ACIS技术,使用 C++编程开发了基站优化选址三维 CAD 系统,使人们可以在三维的层次应用算法,展示求解方案。