没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
试读
25页
日前 5G 通讯网络高速发展,传统的人工选址和分类已经无法适应其发 展进度和工作强度。在可持续发展和绿色经济的背景下,如何进行合理的选 址和分类管理已经成为燃眉之急。针对该现状,我们团队进行了本次建模, 以期对问题的解决有所帮助。针对问题一,我们建立了一个多目标规划和 0-1 规划结合的组合优化模 型。基于数据量庞大,我们选择使用智能优化的粒子群算法。综合成本和覆 盖率因素,我们选择了最接近乌托邦解的结果:新建宏基站共计 3303 个,微 基站共计 218 个,成本为 33248,覆盖弱区域个数为 167138,对弱覆盖地区 的覆盖率达到了 91.43%。在模型一中,我们对粒子群算法进行了改进,引入 了自适应领域模式和智能跳出迭代循环功能,并对数据进行了对比可视化处 理。 针对问题二,为了简化问题我们使用问题一中得出的基站选址,以每个 扇区的主方向作为变量调整新建基站三个拥有主方向的扇区,使得能够覆盖 弱覆盖点达到最高总业务量。在模型二中,我们对问题一中的算法进行了改 进,采用了非对称学习因子,使得搜索范围扩大。经过粒子群算法求解后我 们得到了在问题一中确定的 3033 个基站每个扇区
资源推荐
资源详情
资源评论
队伍编号
MC2204986
题号
D
5G 基站弱栅格覆盖的选址优化模型和聚类方法的研究
摘 要
日前 5G 通讯网络高速发展,传统的人工选址和分类已经无法适应其发
展进度和工作强度。在可持续发展和绿色经济的背景下,如何进行合理的选
址和分类管理已经成为燃眉之急。针对该现状,我们团队进行了本次建模,
以期对问题的解决有所帮助。
针对问题一,我们建立了一个多目标规划和 0-1 规划结合的组合优化模
型。基于数据量庞大,我们选择使用智能优化的粒子群算法。综合成本和覆
盖率因素,我们选择了最接近乌托邦解的结果:新建宏基站共计 3303 个,微
基站共计 218 个,成本为 33248,覆盖弱区域个数为 167138,对弱覆盖地区
的覆盖率达到了 91.43%。在模型一中,我们对粒子群算法进行了改进,引入
了自适应领域模式和智能跳出迭代循环功能,并对数据进行了对比可视化处
理。
针对问题二,为了简化问题我们使用问题一中得出的基站选址,以每个
扇区的主方向作为变量调整新建基站三个拥有主方向的扇区,使得能够覆盖
弱覆盖点达到最高总业务量。在模型二中,我们对问题一中的算法进行了改
进,采用了非对称学习因子,使得搜索范围扩大。经过粒子群算法求解后我
们得到了在问题一中确定的 3033 个基站每个扇区的主方向,得到最优覆盖率
90.29%,结果如附件 1 所示。
针对问题三,我们考虑了聚类具有传递性,选择并比较了 K-means聚类
算法和 DBSCAN 密度聚类算法分别对弱覆盖点进行聚类,选择了 DBSCAN
作为一种合适的方法对庞大的数据集进行聚类价。在模型三中,我们查阅大
量资料后绘制出常用的聚类方法,分析了聚类过程的循环次数来比较时间复
杂度,并对模型进行了评价。最终我们使用了密度聚类 DBSCAN算法,较为
精确的将弱区域点分为 155 类,并对其进行了可视化处理,
在整个模型建立过程中,我们充分的考虑了问题背景中所有条件,对其
进行了简洁合理的建模。在求解的过程中,我们使用了较为先进的优化算法,
并结合问题背景进行了优化,增加了求解的可行度和可信度。我们对绝大多
数数据处理和求解结果进行了可视化处理。
关键词:组合优化模型、粒子群算法、DBSCAN 算法、K-means 算法、
0-1 动态规划
目录
一、 引言.......................................................................................................... 1
1.1 问题背景 ............................................................................................. 1
1.2 问题重述 ............................................................................................. 1
二、 问题分析 ................................................................................................... 1
2.1 问题一 ................................................................................................. 1
2.2 问题二 ................................................................................................. 2
2.3 问题三 ................................................................................................. 3
2.4 我们的工作 ......................................................................................... 4
三、 模型假设 ................................................................................................... 4
四、 符号说明 ................................................................................................... 4
五、 问题的求解和模型的建立 ...................................................................... 5
5.1 问题一 ................................................................................................. 5
5.2 问题二 ................................................................................................. 9
5.3 问题三 ...............................................................................................12
六、 模型评价与推广 .....................................................................................16
七、 算法设计与评价 .....................................................................................16
7.1 自适应领域模式粒子群算法 ..........................................................16
7.2 密度聚类 DBSCAN 算法 ................................................................17
八、 参考文献 .................................................................................................19
九、 附录 .........................................................................................................20
第 1 页
一、 引言
1.1 问题背景
随着互联网、云计算等技术的不断飞速发展、各国信息化建设的不断完
善以及智能终端、网络社会、数字地球的建设和普及,全球移动通信技术获
得了极大的发展,人们将从 4G 网络通信时代快速进入 5G 网络通信时代。
随着社会信息化进程的深入发展,作为信息传送载体的通信网络技术也
正在发生着天翻地覆的变化。移动通信技术规模发展,运营规模变大,使通
信网络变复杂。与此同时基站站址规划也变得最为关键的部分,它占运营商
在网络总投资的一半以上,优秀的站址规划方案对通信网络的性能起到重要
的作用,同时为 运营商减少了网络投资,也为后期运营商对网络优化带来便
利。因此,在大多数情况下运营商要求缩减成本,提高规划效率。
在实际网络规划中,需要考虑基站的建设成本、业务量的因素和一些其
他因素,因此可能会造成无法把所有弱覆盖区域都解决,这时候就需要尽量
优先解决业务量高的弱覆盖区域。前基站的能覆盖范围变小,基站所需数目
增多,基站和天线种类变多,使得通信网络的规划特别是站址选择的问题变
得越来越复杂。因此进行通信基站规划显得尤为重要。
1.2 问题重述
本文主要利用 MATLAB 对数据进行处理,筛选优化方案,通过构建合
理的模型获得移动通信网络站址规划最优方案,结合 Python,SPSS 等运算程
序进行聚类分析,最终获得符合要求的类别,具体问题如下:
问题一:给定 2500×2500 个点,通过 2 种基站(宏基站 、微基站)的
合理规划,以相对少的成本达到最大弱区域业务量的覆盖率,并满足基站相
互之间距离不低于 10。
问题二:结合实际,基站的覆盖范围由圆形变为三个呈线性递减的扇形,
验证第一问中的最有条件下 90%弱区域业务量的覆盖率是否能实现。如果无
法达到 90%给出最优方案。
问题三:通过不同的聚类算法,以尽量少的执行语句将弱区域分为若干
类。
二、 问题分析
2.1 问题一
在本题中,目标是以相对小的成本达到最大弱区域的覆盖率,这可以运
用多目标规划来进行模型建立和求解。在保证覆盖率在 90%以上,成本相对
较小,对于这两者的平衡可以进行最终的选择。
第 2 页
但很显然,作为基站只能存在整数多个,而单纯的多目标规划无法实现
该目标,对此应当引入一个新的变量来避免多目标规划出现的局部最优解的
情况,0-1 整数规划可以很好地实现目标。但在栅格化的地图里面,基站建
立的坐标均为整数,此时如果再应用整数规划,对于后期的数据处理包括可
视化有害无益。由于 2500*2500 的节点不算多,可以使用集合的形式将其表
示出来,通过计算机强大的运算能力弥补数据较多产生的弊端。
对于多目标规划和 0-1 整数规划构成组合优化模型,我们采用智能跳出
迭代循环的自适应领域模式粒子群算法,这种算法可以根据可行解的密集程
度调整领域范围能够有效地避免陷入局部最优解的情况,对本题具有良好的
适应性。
图 1:问题一的流程
2.2 问题二
在本题中,从现实出发,基于对基站建设,运输等因素的考虑,实际上
的基站并不是以圆的形式覆盖业务区,而是以三个相同的扇形来代替,距离
也会随着主方向两段呈线性减小。考虑到扇形和圆形的区别在于角度,而距
离也可以使用三角函数进行转化,我们应当引入角度作为第二问的参数。
通过改变三个扇形的角度,在原有的基础上以扇形覆盖更多弱区域。由
此我们可以对第一问的模型进行目标函数的改变来对目标进行筛选。同时算
法也继续沿用问题一中的算法,只需对部分进行调整。
第 3 页
图 2:问题二的流程
2.3 问题三
在本题中,我们需要对弱区域点进行聚类。但因为需要进行聚类管理,
对于弱区域的整体聚类,我们不能简单的分为两类,而是要考虑管理的目的
将整体分为多个类别来获得更清晰的类别性质。在第三问的背景中,我们得
到以距离 20 来进行分类,所以在进行分类的时候应当优先考虑距离因素,再
考虑其他诸如业务量,成本等因素。
在进行聚类的过程,应当使时间复杂度尽量低,即对于一个点的分类步
骤尽可能的少。所以无需选择复杂的算法来进行聚类。
图 3:问题三的流程
剩余24页未读,继续阅读
资源评论
changshebg
- 粉丝: 2
- 资源: 1
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功