本文關(guān)鍵詞：基于智能算法與多目標(biāo)模型的基站位置優(yōu)化研究

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

【摘要】：隨著移動(dòng)互聯(lián)網(wǎng)迅速發(fā)展,移動(dòng)用戶(hù)數(shù)量飛速增長(zhǎng),為了提供更好的通信服務(wù)質(zhì)量,新建基站的位置優(yōu)化成了一個(gè)主要的問(wèn)題。合理的基站位置優(yōu)化能夠降低其建設(shè)的費(fèi)用、提高網(wǎng)絡(luò)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?jī)?nèi)容�；痉植家�(guī)劃是一個(gè)多目標(biāo)優(yōu)化問(wèn)題,當(dāng)基站數(shù)量較多時(shí),尋優(yōu)過(guò)程復(fù)雜且所需時(shí)間長(zhǎng),針對(duì)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(diǎn),利用加速遺傳算法在解決多目標(biāo)優(yōu)化問(wèn)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(luò)基站分布規(guī)劃方法。為了設(shè)計(jì)出更符合實(shí)際工程的規(guī)劃方法,在綜合考慮網(wǎng)絡(luò)覆蓋和電磁干擾因素影響的基礎(chǔ)上,本文設(shè)計(jì)了基站規(guī)劃多目標(biāo)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(jié)果表明,加速遺傳算法在解決復(fù)雜優(yōu)化問(wèn)題時(shí)是極其有效的,能夠得到較優(yōu)的基站位置分布方案。在復(fù)雜的通信環(huán)境中,要想獲得一個(gè)良好服務(wù)質(zhì)量的無(wú)線(xiàn)網(wǎng)絡(luò),必須建立一個(gè)考慮多因素的數(shù)學(xué)模型。本文綜合考慮成本、覆蓋、容量、區(qū)域劃分等,建立了復(fù)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(cè)試點(diǎn),該測(cè)試點(diǎn)存在的形式有兩種,均勻和非均勻。同時(shí)所使用的基站是多類(lèi)型的,將兩種不同的基站分布在不同子區(qū)域類(lèi)型中,當(dāng)用戶(hù)處在基站能覆蓋到的范圍內(nèi),基站可為用戶(hù)提供服務(wù)。實(shí)驗(yàn)結(jié)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(biāo)準(zhǔn)粒子群算法的基站位置分布更合理。
【關(guān)鍵詞】：基站分布規(guī)劃 加速遺傳 粒子群 壓縮因子 多目標(biāo)優(yōu)化
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：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(yīng)用9-10
• 1.3 智能算法在基站位置優(yōu)化中的應(yīng)用研究現(xiàn)狀10-13
• 1.3.1 國(guó)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(jìn)粒子群算法的提出12-13
• 1.4 本文的主要研究?jī)?nèi)容及其結(jié)構(gòu)安排13-15
• 1.4.1 論文的主要研究?jī)?nèi)容13-14
• 1.4.2 論文的結(jié)構(gòu)安排14-15
• 第二章 移動(dòng)通信的無(wú)線(xiàn)網(wǎng)絡(luò)規(guī)劃理論15-21
• 2.1 網(wǎng)絡(luò)規(guī)劃的內(nèi)容與規(guī)劃原則15-17
• 2.1.1 網(wǎng)絡(luò)規(guī)劃的內(nèi)容15-16
• 2.1.2 網(wǎng)絡(luò)規(guī)劃的原則16-17
• 2.2 無(wú)線(xiàn)網(wǎng)絡(luò)規(guī)劃流程17-18
• 2.2.1 網(wǎng)絡(luò)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(biāo)19-20
• 2.4 本章小結(jié)20-21
• 第三章 LTE系統(tǒng)的特點(diǎn)、關(guān)鍵技術(shù)及傳播預(yù)測(cè)模型理論21-26
• 3.1 LTE系統(tǒng)的特點(diǎn)和關(guān)鍵技術(shù)21-22
• 3.1.1 LTE系統(tǒng)的特點(diǎn)21
• 3.1.2 LTE系統(tǒng)的關(guān)鍵技術(shù)21-22
• 3.2 基站的分類(lèi)22-23
• 3.3 無(wú)線(xiàn)傳播模型23-25
• 3.3.1 研究無(wú)線(xiàn)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(jié)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(shí)現(xiàn)26-30
• 4.2.1 概述26-27
• 4.2.2 二進(jìn)制編碼的加速遺傳算法27-30
• 4.3 模擬退火算法的實(shí)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(wèn)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(shí)現(xiàn)34-35
• 4.6 仿真結(jié)果與分析35-37
• 4.7 本章小結(jié)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(wèn)題的描述38-39
• 5.3 建立數(shù)學(xué)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(shí)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(xiàn)性學(xué)習(xí)因子策略43-44
• 5.4.4 改進(jìn)的自適應(yīng)壓縮因子策略44
• 5.5 算法的實(shí)現(xiàn)過(guò)程44-45
• 5.6 仿真分析45-49
• 5.6.1 仿真參數(shù)設(shè)定45-46
• 5.6.2 仿真結(jié)果與分析46-49
• 5.7 本章小結(jié)49-50
• 第六章 總結(jié)與展望50-53
• 6.1 論文總結(jié)50-51
• 6.2 本文的主要?jiǎng)?chuàng)新點(diǎn)51
• 6.3 論文展望51-53
• 參考文獻(xiàn)53-58
• 碩士期間發(fā)表的論文58-59
• 致謝59-61

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 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(yīng)用[J];計(jì)算機(jī)工程與應(yīng)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(shù);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(jìn)的完全信息粒子群算法研究[J];曲阜師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年01期

6 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[J];計(jì)算機(jī)工程與應(yīng)用;2011年05期

7 熊智挺;譚陽(yáng)紅;易如方;陳賽華;;一種并行的自適應(yīng)量子粒子群算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2011年08期

8 孟純青;;非線(xiàn)性粒子群算法[J];微計(jì)算機(jī)應(yīng)用;2011年08期

9 任偉建;武璇;;一種動(dòng)態(tài)改變學(xué)習(xí)因子的簡(jiǎn)化粒子群算法[J];自動(dòng)化技術(shù)與應(yīng)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(yīng)用[J];計(jì)算機(jī)工程與應(yīng)用;2004年12期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國(guó)科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會(huì)論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國(guó)天線(xiàn)年會(huì)論文集（上）[C];2009年

3 陳龍祥;蔡國(guó)平;;基于粒子群算法的時(shí)滯動(dòng)力學(xué)系統(tǒng)的時(shí)滯辨識(shí)[A];第十二屆全國(guó)非線(xiàn)性振動(dòng)暨第九屆全國(guó)非線(xiàn)性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)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(shè)計(jì)中的應(yīng)用[A];第十一屆全國(guó)膨脹節(jié)學(xué)術(shù)會(huì)議膨脹節(jié)設(shè)計(jì)、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文選編[C];2005年

6 熊偉麗;徐保國(guó);;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國(guó)水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測(cè)專(zhuān)委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

8 熊偉麗;徐保國(guó);;單個(gè)粒子收斂中心隨機(jī)攝動(dòng)的粒子群算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

9 馬向陽(yáng);陳琦;;以粒子群算法求解買(mǎi)賣(mài)雙方存貨主從對(duì)策[A];第十二屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問(wèn)題[A];第二十一屆中國(guó)（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);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(xué);2012年

3 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

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

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

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

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

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

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

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線(xiàn)優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);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(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長(zhǎng)安大學(xué);2015年

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

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

8 苗冬云;基于改進(jìn)粒子群算法的云任務(wù)調(diào)度方案研究[D];安徽財(cái)經(jīng)大學(xué);2015年

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

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

，

本文編號(hào)：536409