本文關鍵詞：基于智能算法與多目標模型的基站位置優(yōu)化研究

  更多相關文章： 基站分布規(guī)劃 加速遺傳 粒子群 壓縮因子 多目標優(yōu)化

【摘要】：隨著移動互聯(lián)網(wǎng)迅速發(fā)展,移動用戶數(shù)量飛速增長,為了提供更好的通信服務質(zhì)量,新建基站的位置優(yōu)化成了一個主要的問題。合理的基站位置優(yōu)化能夠降低其建設的費用、提高網(wǎng)絡的質(zhì)量,因此基站的分布規(guī)劃優(yōu)化是本文的主要研究內(nèi)容�；痉植家�(guī)劃是一個多目標優(yōu)化問題,當基站數(shù)量較多時,尋優(yōu)過程復雜且所需時間長,針對傳統(tǒng)退火規(guī)劃方法易陷入局部最優(yōu)及不穩(wěn)定等缺點,利用加速遺傳算法在解決多目標優(yōu)化問題上所表現(xiàn)出的靈活性,本文提出了一種基于加速遺傳算法網(wǎng)絡基站分布規(guī)劃方法。為了設計出更符合實際工程的規(guī)劃方法,在綜合考慮網(wǎng)絡覆蓋和電磁干擾因素影響的基礎上,本文設計了基站規(guī)劃多目標組合優(yōu)化模型,并利用加速遺傳算法得到最優(yōu)基站規(guī)劃方案。仿真結果表明,加速遺傳算法在解決復雜優(yōu)化問題時是極其有效的,能夠得到較優(yōu)的基站位置分布方案。在復雜的通信環(huán)境中,要想獲得一個良好服務質(zhì)量的無線網(wǎng)絡,必須建立一個考慮多因素的數(shù)學模型。本文綜合考慮成本、覆蓋、容量、區(qū)域劃分等,建立了復雜性很高的基站位置優(yōu)化模型,提出一種基于組合策略的粒子群算法的基站位置優(yōu)化方法,根據(jù)子規(guī)劃區(qū)域的不同,在不同規(guī)劃區(qū)域內(nèi)分布密度不同的測試點,該測試點存在的形式有兩種,均勻和非均勻。同時所使用的基站是多類型的,將兩種不同的基站分布在不同子區(qū)域類型中,當用戶處在基站能覆蓋到的范圍內(nèi),基站可為用戶提供服務。實驗結果表明,在兩種仿真情形下,基于組合策略粒子群算法的基站的位置分布比基于標準粒子群算法的基站位置分布更合理。
【關鍵詞】：基站分布規(guī)劃 加速遺傳 粒子群 壓縮因子 多目標優(yōu)化
【學位授予單位】：新疆大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP18;TN929.5
【目錄】：

• 摘要2-3
• Abstract3-7
• 第一章 緒論7-15
• 1.1 選題背景及意義7-9
• 1.1.1 選題背景7
• 1.1.2 研究意義7-9
• 1.2 遺傳算法和粒子群算法在優(yōu)化中的應用9-10
• 1.3 智能算法在基站位置優(yōu)化中的應用研究現(xiàn)狀10-13
• 1.3.1 國內(nèi)外基站位置優(yōu)化研究現(xiàn)狀10-12
• 1.3.2 加速遺傳算法的提出12
• 1.3.3 改進粒子群算法的提出12-13
• 1.4 本文的主要研究內(nèi)容及其結構安排13-15
• 1.4.1 論文的主要研究內(nèi)容13-14
• 1.4.2 論文的結構安排14-15
• 第二章 移動通信的無線網(wǎng)絡規(guī)劃理論15-21
• 2.1 網(wǎng)絡規(guī)劃的內(nèi)容與規(guī)劃原則15-17
• 2.1.1 網(wǎng)絡規(guī)劃的內(nèi)容15-16
• 2.1.2 網(wǎng)絡規(guī)劃的原則16-17
• 2.2 無線網(wǎng)絡規(guī)劃流程17-18
• 2.2.1 網(wǎng)絡規(guī)劃前的需求分析17
• 2.2.2 規(guī)劃區(qū)域的劃分17-18
• 2.3 基站分布規(guī)劃18-20
• 2.3.1 基站分布規(guī)劃的內(nèi)容18
• 2.3.2 基站分布規(guī)劃的原則18-19
• 2.3.3 基站規(guī)劃的目標19-20
• 2.4 本章小結20-21
• 第三章 LTE系統(tǒng)的特點、關鍵技術及傳播預測模型理論21-26
• 3.1 LTE系統(tǒng)的特點和關鍵技術21-22
• 3.1.1 LTE系統(tǒng)的特點21
• 3.1.2 LTE系統(tǒng)的關鍵技術21-22
• 3.2 基站的分類22-23
• 3.3 無線傳播模型23-25
• 3.3.1 研究無線傳播模型的意義23
• 3.3.2 Okumura-Hata模型23-24
• 3.3.3 C0ST231-Hata模型24
• 3.3.4 General模型24-25
• 3.4 本章小結25-26
• 第四章 基于AGA的基站分布規(guī)劃26-38
• 4.1 引言26
• 4.2 加速遺傳算法的實現(xiàn)26-30
• 4.2.1 概述26-27
• 4.2.2 二進制編碼的加速遺傳算法27-30
• 4.3 模擬退火算法的實現(xiàn)30-31
• 4.4 基于AGA的基站位置優(yōu)化建模31-34
• 4.4.1 基站位置優(yōu)化問題的描述31-32
• 4.4.2 基站分布規(guī)劃的建模32-34
• 4.5 算法實現(xiàn)34-35
• 4.6 仿真結果與分析35-37
• 4.7 本章小結37-38
• 第五章 組合策略的粒子群算法的 4G基站位置優(yōu)化38-50
• 5.1 引言38
• 5.2 4G基站分布規(guī)劃問題的描述38-39
• 5.3 建立數(shù)學模型39-41
• 5.3.1 模型參數(shù)定義39-40
• 5.3.2 建立模型40-41
• 5.4 組合策略的粒子群優(yōu)化算法的實現(xiàn)41-44
• 5.4.1 概述41-42
• 5.4.2 基本粒子群算法42-43
• 5.4.3 非線性學習因子策略43-44
• 5.4.4 改進的自適應壓縮因子策略44
• 5.5 算法的實現(xiàn)過程44-45
• 5.6 仿真分析45-49
• 5.6.1 仿真參數(shù)設定45-46
• 5.6.2 仿真結果與分析46-49
• 5.7 本章小結49-50
• 第六章 總結與展望50-53
• 6.1 論文總結50-51
• 6.2 本文的主要創(chuàng)新點51
• 6.3 論文展望51-53
• 參考文獻53-58
• 碩士期間發(fā)表的論文58-59
• 致謝59-61

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 秦玉靈;孔憲仁;羅文波;;混沌量子粒子群算法在模型修正中的應用[J];計算機工程與應用;2010年02期

2 陳治明;;新型量子粒子群算法及其性能分析研究[J];福建電腦;2010年05期

3 牛永潔;;一種新型的混合粒子群算法[J];信息技術;2010年10期

4 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

5 劉衍民;趙慶禎;邵增珍;;一種改進的完全信息粒子群算法研究[J];曲阜師范大學學報(自然科學版);2011年01期

6 朱童;李小凡;魯明文;;位置加權的改進粒子群算法[J];計算機工程與應用;2011年05期

7 熊智挺;譚陽紅;易如方;陳賽華;;一種并行的自適應量子粒子群算法[J];計算機系統(tǒng)應用;2011年08期

8 孟純青;;非線性粒子群算法[J];微計算機應用;2011年08期

9 任偉建;武璇;;一種動態(tài)改變學習因子的簡化粒子群算法[J];自動化技術與應用;2012年10期

10 劉飛,孫明,李寧,孫德寶,鄒彤;粒子群算法及其在布局優(yōu)化中的應用[J];計算機工程與應用;2004年12期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 朱童;李小凡;魯明文;;位置加權的改進粒子群算法[A];中國科學院地質(zhì)與地球物理研究所第11屆（2011年度）學術年會論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進制粒子群算法在稀疏陣列綜合中的應用[A];2009年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學和運動穩(wěn)定性學術會議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設計中的應用[A];第十一屆全國膨脹節(jié)學術會議膨脹節(jié)設計、制造和應用技術論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進粒子群算法[A];系統(tǒng)仿真技術及其應用（第7卷）——'2005系統(tǒng)仿真技術及其應用學術交流會論文選編[C];2005年

6 熊偉麗;徐保國;;粒子群算法在支持向量機參數(shù)選擇優(yōu)化中的應用研究[A];2007中國控制與決策學術年會論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進粒子群算法在大壩力學參數(shù)分區(qū)反演中的應用[A];2012年中國水力發(fā)電工程學會大壩安全監(jiān)測專委會年會暨學術交流會論文集[C];2012年

8 熊偉麗;徐保國;;單個粒子收斂中心隨機攝動的粒子群算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

9 馬向陽;陳琦;;以粒子群算法求解買賣雙方存貨主從對策[A];第十二屆中國管理科學學術年會論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標函數(shù)優(yōu)化問題[A];第二十一屆中國（天津）’2007IT、網(wǎng)絡、信息技術、電子、儀器儀表創(chuàng)新學術會議論文集[C];2007年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 王芳;粒子群算法的研究[D];西南大學;2006年

2 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學;2012年

3 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學;2009年

4 黃平;粒子群算法改進及其在電力系統(tǒng)的應用[D];華南理工大學;2012年

5 胡成玉;面向動態(tài)環(huán)境的粒子群算法研究[D];華中科技大學;2010年

6 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問題研究[D];浙江工業(yè)大學;2014年

7 張寶;粒子群算法及其在衛(wèi)星艙布局中的應用研究[D];大連理工大學;2007年

8 劉宏達;粒子群算法的研究及其在船舶工程中的應用[D];哈爾濱工程大學;2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學;2006年

10 馮琳;改進多目標粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應用[D];東北大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 張忠偉;結構優(yōu)化中粒子群算法的研究與應用[D];大連理工大學;2009年

2 李強;基于改進粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學;2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設計[D];河北聯(lián)合大學;2014年

4 余漢森;粒子群算法的自適應變異研究[D];南京信息工程大學;2015年

5 梁計鋒;基于改進粒子群算法的交通控制算法研究[D];長安大學;2015年

6 王偉;大型螺紋旋風硬銑削數(shù)值模擬及工藝參數(shù)優(yōu)化[D];浙江大學;2016年

7 李玲玉;基于粒子群算法的城市軌道交通列車節(jié)能優(yōu)化研究[D];北京交通大學;2016年

8 苗冬云;基于改進粒子群算法的云任務調(diào)度方案研究[D];安徽財經(jīng)大學;2015年

9 蔣曉\~;粒子群算法在多維優(yōu)化問題中的改進研究[D];浙江理工大學;2016年

10 劉角;生態(tài)系統(tǒng)粒子群算法及其在陣列天線方向圖優(yōu)化中的應用[D];太原理工大學;2016年

，

本文編號：536409