【免费】5G基站弱栅格覆盖的选址优化资源-CSDN文库

需积分: 0 140 浏览量 2023-11-10 15:22:22 上传评论 1 收藏 1.27MB PDF 举报

资源推荐

资源详情

资源评论

队伍编号

MC2204986

题号

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 
 
 
   