基于智能优化算法的基站选址优化问题研究与实现

发布时间：2021-01-12 11:58

　　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... 

【文章来源】：山东师范大学山东省

【文章页数】：76 页

【学位级别】：硕士

【部分图文】：

PMET-PSO算法的膜结构

Sphere函数与Rastrigin函数

图2-5三种算法迭代求解Sphere函数图 2-6 为三种算法优化 Sphere 函数的算法迭代效果图，从函数的优化迭代图T-PSO 与 PMET-PSO 算法并没有比传统 PSO 算法优越，因此从 Sphere 函数图像可Sphere 函数只有全局最优解，没有局部最优解，因此改进后的 MET-PSO 与 PMET并没有表现出比传统 PSO 算法更优的效果。PMET-PSO 相对于 PSO 算法与 MET虽然没有减少迭代次数，但是算法的运行时间相对于 MET-PSO 算法节省很多。

【参考文献】：
期刊论文
[1]改进的粒子群优化算法的研究[J]. 马洁荣,任淑萍.  科技创新与生产力. 2017(09)
[2]山区基站选址标准化[J]. 王建锋,张明辉.  中国标准化. 2016(17)
[3]信息技术产业规划将发布:2020年正式部署5G商用网络[J].   信息与电脑(理论版). 2016(19)
[4]移动通信技术及未来发展[J]. 杨超杰,张紫剑,刘瀚公.  通讯世界. 2016(14)
[5]改进免疫算法在无线网络基站选址优化中的应用[J]. 马宝罗,贾振红,覃锡忠,曹传玲,牛洪梅.  传感器与微系统. 2016(05)
[6]无线网络基站选址技术要求研究[J]. 罗昌腾.  电子制作. 2015(14)
[7]基于ACIS和HOOPS的面向复杂产品的装配仿真系统研究[J]. 孟祥瑞,张林鍹,肖田元.  系统仿真学报. 2014(10)
[8]基于免疫算法的TD-SCDMA网络基站选址优化[J]. 张英杰,毛赐平,俎云霄,孙先佑.  通信学报. 2014(05)
[9]基于ACIS/HOOPS的特征造型系统设计与实现[J]. 朱英,刘景,何坤金,陈正鸣.  计算机应用与软件. 2013(02)
[10]遗传算法研究进展[J]. 马永杰,云文霞.  计算机应用研究. 2012(04)

博士论文
[1]基于免疫计算的无线通信网络资源优化[D]. 朱思峰.西安电子科技大学 2012
[2]基于遗传算法优化的中文分词研究[D]. 何嘉.电子科技大学 2012

硕士论文
[1]膜计算在数值优化问题中的应用研究[D]. 程菲.西华大学 2015
[2]基于混合免疫算法的TD-LTE网络基站选址优化研究[D]. 凌娟.杭州电子科技大学 2015
[3]改进粒子群算法及其在基站优化选址中的应用研究[D]. 周玉光.广东工业大学 2014
[4]无线通讯网络基站选址优化问题建模及其算法研究[D]. 王文涛.东北大学 2012
[5]3G基站选址中覆盖问题的研究[D]. 杨成龙.华中科技大学 2011



本文编号：2972811