【摘要】：人工魚群算法是一種新型的群智能隨機優(yōu)化算法,本質(zhì)上是一個復(fù)雜的智能系統(tǒng),它具有較強的魯棒性、優(yōu)良的分布式計算機制、易于和其他方法結(jié)合等優(yōu)點。目前對該算法的研究、應(yīng)用已經(jīng)滲透到多個應(yīng)用領(lǐng)域,并由解決一維靜態(tài)優(yōu)化問題發(fā)展到解決多維動態(tài)組合優(yōu)化問題。人工魚群算法已經(jīng)成為交叉學(xué)科中一個非�；钴S的前沿性研究課題。無線網(wǎng)絡(luò)規(guī)劃需要確定基站的位置、高度、發(fā)射功率、載波數(shù)、主頻、天線方位角、天線類型、天線傾角及共站址情況等參數(shù),以達到總的傳輸速率最大化的目的,并在總傳輸速率和建設(shè)成本之間更好的平衡。這是一個典型的多維動態(tài)組合優(yōu)化問題,所以將人工魚群算法應(yīng)用于無線網(wǎng)絡(luò)規(guī)劃可以節(jié)省大量人工成本,并改善規(guī)劃的效果。本論文首先簡單闡述人工魚群算法的基本思想、特點和研究現(xiàn)狀,論述對其進行改進研究的意義;接著討論了幾種對算法進行改進的方法。然后,討論了TD-SCDMA無線網(wǎng)絡(luò)建設(shè)的原則、設(shè)計流程并給出了濱州無線網(wǎng)絡(luò)規(guī)劃的目標(biāo)。針對規(guī)劃問題,本文提出了兩點改進。一是改進了人工魚初始化方法,在人工魚初始化時就考慮了共站址問題;另外,提出了自適應(yīng)搜索的策略,有效的改善了算法的收斂性。設(shè)計了人工魚和食物濃度函數(shù),給出了AFSA解決基站位置規(guī)劃問題的算法框架,并進行了仿真實驗來驗證該算法。實驗結(jié)果表明,該方案可以獲得更高的網(wǎng)絡(luò)覆蓋率,相對較低的網(wǎng)絡(luò)建設(shè)成本,具有良好的應(yīng)用價值。最后簡單總結(jié)了對人工魚群算法的改進效果和今后的研究方向。本論文對人工魚群算法的改進方法進行了深入研究和嘗試,改進后的人工魚群算法,具有更高的搜索效率和獲取最優(yōu)解的能力。本論文的研究成果對于應(yīng)用人工魚群算法解決實際優(yōu)化問題具有重要的參考意義,對人工魚群算法的進一步深入研究也具有較高的參考價值。
[Abstract]:Artificial fish swarm algorithm is a new kind of swarm intelligence stochastic optimization algorithm, which is a complex intelligent system in essence. It has the advantages of strong robustness, excellent distributed computing mechanism, and easy to combine with other methods. At present, the application of this algorithm has penetrated into many application fields, and developed from solving one-dimensional static optimization problem to solving multi-dimensional dynamic combinatorial optimization problem. Artificial fish swarm algorithm has become a very active research topic in cross-discipline. Wireless network planning needs to determine the base station location, height, transmit power, carrier number, main frequency, antenna azimuth, antenna type, antenna dip angle and common station location, so as to maximize the overall transmission rate. And a better balance between the total transmission rate and the construction cost. This is a typical multi-dimensional dynamic combinatorial optimization problem, so applying artificial fish swarm algorithm to wireless network planning can save a lot of labor cost and improve the effect of planning. In this paper, the basic idea, characteristics and research status of artificial fish swarm algorithm are briefly described, and the significance of improving the algorithm is discussed, and then several methods to improve the algorithm are discussed. Then, the paper discusses the principle of TD-SCDMA wireless network construction, the design process and gives the target of Binzhou wireless network planning. This paper proposes two improvements to the programming problem. One is to improve the method of artificial fish initialization, and to consider the problem of co-location when the artificial fish is initialized. In addition, an adaptive search strategy is proposed to effectively improve the convergence of the algorithm. The artificial fish and food concentration function are designed, and the algorithm framework of AFSA to solve the problem of base station location planning is given, and the simulation experiment is carried out to verify the algorithm. The experimental results show that this scheme can achieve higher network coverage and lower network construction cost, and has good application value. Finally, the improvement effect of artificial fish swarm algorithm and the research direction in the future are briefly summarized. In this paper, the improved method of artificial fish swarm algorithm is deeply studied and tried. The improved artificial fish swarm algorithm has higher searching efficiency and ability to obtain the optimal solution. The research results of this paper have important reference significance for the application of artificial fish swarm algorithm to solve practical optimization problems, and also have a higher reference value for the further study of artificial fish swarm algorithm.
【學(xué)位授予單位】：中國石油大學(xué)(華東)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN929.53;TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 盧雪燕;蔡菲菲;;基于多群競爭的改進人工魚群算法[J];梧州學(xué)院學(xué)報;2008年03期

2 曲良東;何登旭;;改進的人工魚群算法及其在近似求導(dǎo)中的應(yīng)用[J];微電子學(xué)與計算機;2009年05期

3 王聯(lián)國;洪毅;趙付青;余冬梅;;一種簡化的人工魚群算法[J];小型微型計算機系統(tǒng);2009年08期

4 王宗利;劉希玉;王文平;;一種改進的人工魚群算法[J];信息技術(shù)與信息化;2010年03期

5 韋修喜;曾海文;周永權(quán);;云人工魚群算法[J];計算機工程與應(yīng)用;2010年22期

6 曾蒙迪;;人工魚群算法的簡介及應(yīng)用[J];信息與電腦(理論版);2011年04期

7 李媛;;基于人工魚群算法的多元線性回歸分析問題處理[J];渤海大學(xué)學(xué)報(自然科學(xué)版);2011年02期

8 陳曉峰;宋杰;;量子人工魚群算法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2012年12期

9 王波;;基于細胞膜優(yōu)化的人工魚群算法研究[J];科技通報;2013年03期

10 王培崇;;人工魚群算法研究綜述[J];中國民航飛行學(xué)院學(xué)報;2013年04期

相關(guān)會議論文 前3條

1 李曉磊;錢積新;;人工魚群算法:自下而上的尋優(yōu)模式[A];過程系統(tǒng)工程2001年會論文集[C];2001年

2 徐公林;張鐵龍;;人工魚群算法在電力系統(tǒng)負荷模型參數(shù)辨識中的應(yīng)用[A];中國高等學(xué)校電力系統(tǒng)及其自動化專業(yè)第二十四屆學(xué)術(shù)年會論文集（中冊）[C];2008年

3 劉耀年;姚玉萍;李迎紅;劉俊峰;;基于人工魚群算法RBF神經(jīng)網(wǎng)絡(luò)[A];第十屆全國電工數(shù)學(xué)學(xué)術(shù)年會論文集[C];2005年

相關(guān)博士學(xué)位論文 前4條

1 王聯(lián)國;人工魚群算法及其應(yīng)用研究[D];蘭州理工大學(xué);2009年

2 姚正華;改進人工魚群智能優(yōu)化算法及其應(yīng)用研究[D];中國礦業(yè)大學(xué);2016年

3 李曉磊;一種新型的智能優(yōu)化方法-人工魚群算法[D];浙江大學(xué);2003年

4 張梅鳳;人工魚群智能優(yōu)化算法的改進及應(yīng)用研究[D];大連理工大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 陳斐;改進的人工魚群算法分析與研究[D];西安電子科技大學(xué);2012年

2 王蕾;一種人工螢火蟲群優(yōu)化算法改進的研究[D];青島理工大學(xué);2015年

3 馬堯;基于改進的人工魚群算法在商旅問題中的應(yīng)用研究[D];西南交通大學(xué);2015年

4 薛亞娣;改進的人工魚群算法及其應(yīng)用研究[D];蘭州大學(xué);2015年

5 彭鵬;配電網(wǎng)無功優(yōu)化和跟蹤調(diào)節(jié)技術(shù)研究[D];沈陽理工大學(xué);2015年

6 崔淑慧;三維管路自動敷設(shè)算法及干涉校驗方法研究[D];哈爾濱工業(yè)大學(xué);2015年

7 黃鋒;混沌人工魚群算法及其在水庫(群)優(yōu)化調(diào)度中的應(yīng)用[D];華北電力大學(xué);2015年

8 劉翔;基于改進人工魚群算法的化工過程優(yōu)化[D];北京化工大學(xué);2015年

9 喻俊松;基于改進人工魚群算法無人機航跡規(guī)劃研究[D];南昌航空大學(xué);2015年

10 陳新;基于人工魚群算法的柔性作業(yè)車間調(diào)度研究[D];大連理工大學(xué);2015年

，

本文編號：2171455