在无线网络规划的整个过程中,站址规划是一项灵活且至关重要的问题,被认为是公认的NP-难问题。在满足覆盖率和系统容量的情况下,如何减少成本且提高利润是电信运营商追求的目标。基站选址规划是极其复杂的问题,需要综合考虑网络覆盖情况、系统容量、建设成本之间的相互作用关系。对3G/4G网络来说,容量和覆盖需要同时来考虑,这就增加了问题的求解难度。如何选取高效合适的智能优化算法求解站址选择规划问题引起了中外学者的广泛关注。由于无线网络用户的飞速增长和频谱资源的日益短缺,目前的主要瓶颈是网络覆盖差、信号不稳定等问题。此类问题可以通过增加基站的个数来解决,但由于基站的建站代价太高,且建站的复杂性比较高。因此,合理的基站建设显得尤为重要,如何合理地利用有限的基站个数去满足日益增长的用户需求,已成为科技工作者和网络运营商共同关注的问题。本文就无线网络基站选址规划模型及相应的智能优化算法进行了深入的研究,主要工作如下:(1)为了最小化网络建设成本、提高用户的服务质量和系统容量,构造了基站选址优化问题的数学模型,提出了一种基于矢量距免疫计算的基站选址问题求解方案。设计了基于矢量距的抗体浓度计算方法,采用基于混沌映射机制的反学习初始化方案。改进克隆变异算子的使用,使抗体的克隆规模可以根据抗体亲和度值和浓度值自适应的进行动态调整,从而较好地保证了种群的多样性,提高了解得质量。实验表明,所提算法有更突出的全局搜索能力和快速收敛性,能更好的实现用较低的建站成本满足用户覆盖率和系统容量。(2)为解决TD-LTE网络选址规划问题,提出了一种基于免疫算法和粒子群算法相结合的站址规划方案。首先,用免疫算法进化能力强的优势,去弥补粒子群算法在问题求解过程中易陷入局部最小值、收敛精度低等不足;通过免疫记忆策略改变了种群中粒子个体的多样性。其次,在数学建模过程中,结合实际情况将规划区域分成了重点规划求和普通规划区域,从而有效避免了资源的浪费。仿真表明,免疫粒子群算法能够很好的克服了两种优化算法自身各自的不足,具有更高的求解精度和全局搜索能力,能很好的解决4G网络基站位置选择规划问题。