多业务CDMA网络基站规划模型与算法研究

针对多业务CDMA网络基站规划问题,以最小化建设成本和功率损耗为目标,建立该问题的多目标数学优化模型。针对所建模型的特点,设计基于非支配排序遗传算法(NSGA-Ⅱ)的求解方法,给出算法实现的各种关键要素。通过对一个实际算例进行求解,仿真结果表明算法能够很好的逼近Pareto最优解集,在所有获得的规划方案中基站均匀的分布在目标规划区域内,与实际规划比较吻合,从而表明所建模型和算法的有效性,能够为实际CMDA网络基站规划提供有效的理论依据。

遗传算法在CDMA网络基站分布规划中的应用

CDMA网络的基站分布规划属于多目标组合优化问题,为此在遗传算法的基础上提出了一种基于成本控制的CDMA网络基站分布规划算法。该算法综合考虑了在CDAM网络规划实际工程中的多种规划目标和要求,能够找到符合CDMA网络建设需要的基站分布方案。

一种基于成本控制的GSM网络智能规划系统

在遗传算法 (Genetic Algorithm)的基础上提出了一种基于成本控制的 GSM网络规划算法 ,并在此基础上设计实现了一种面向成本控制的 GSM网络智能规划系统 .仿真和实际应用表明 ,该规划系统综合考虑了在 GSM网络规划实际工程中的多种规划目标和要求 ,能够找到符合

遗传模拟退火算法在无线网络规划中的应用

提出用遗传模拟退火算法,解决无线网络规划中的基站选址问题.实现了用最少的基站数量,达到最大覆盖的优化目标.对交叉算子进行改进,实施最优保留策略,加快了算法的收敛,并避免了早熟.仿真结果表明,遗传模拟退火算法运行结果的覆盖率为95.64%,目标函数值为0.8706;与遗传算法相比,该算法收敛的最优解适值较大,收敛速度较快,能找到符合无线网络建设要求的基站分布方案.

加速遗传算法在移动通信基站规划中的应用

基站分布规划是一个多目标优化问题,当基站数量较多时,寻优过程复杂且所需时间长,针对传统退火规划方法易陷入局部最优及不稳定等缺点,提出一种基于加速遗传算法的基站规划优化方法:在基站分布规划中同时考虑覆盖率和外界电磁干扰两个因素,寻找基站的最佳位置,建立基站选址问题的目标优化模型.仿真结果表明,加速遗传算法运行结果的适应度值为2.142,与传统算法相比,该算法的收敛速度快,最优解精度高,避免了早熟收敛,能够有效提供与网络建设要求相符合的最优基站位置分布方案,为实际工程应用提供参考依据.

粒子群果蝇混合改进算法在基站选址优化问题中的应用

基站选址优化是网络通讯必须要考虑的重要问题。为了最大程度地提升网络覆盖率,论文提出了一种粒子群果蝇混合优化改进算法。针对粒子群算法和果蝇优化算法都容易陷入局部最优的缺点,结合粒子群算法和蚁群算法的优化方式,构造了一种新的个体更新方式,并在更新流程中引入了遗传进化机制以更好地保持种群多样性。通过基准测试函数仿真对比实验和基站选址优化的对比实验结果可知,论文提出的粒子群果蝇混合优化算法具有较高的寻优性能,网络覆盖率更高,计算速度更快。