论文部分内容阅读
随着4G时代的到来,三大运营商均获得TD-LTE牌照。也就需要修建大量新的TD-LTE基站,这样基站的优化选址问题成为了一个重要研究内容。为了用最小的基站建设代价,来获得最好的通信服务质量,一些学者提议使用自动规划算法来获取最优的设计方案。但是,基站优化选址需要考虑区域的业务量、覆盖率和成本等问题,目前的寻优搜索算法并不能很好解决其候选解数量庞大、寻优过程复杂、搜索空间多峰分布等难题。粒子群优化算法(Particle Swarm Optimization Algorithm, PSO算法简称粒子群算法)起源于对鸟群群体行为的研究,是一种用于对连续非线性函数优化的人工智能算法,作为一种基于群智能的优化算法,粒子群算法可用于求解各种非线性、不可微和多峰值的复杂优化问题。但是粒子群算法还存在容易陷入局部极值,后期收敛速度慢,精度较差的缺陷。针对粒子群算法搜索精度不高,整体上容易陷入局部最小的不足,本文提出了一种改进的粒子群算法,并将其应用于TD-LTE基站优化选址中。本文的主要工作和创新点如下：(1)本文提出的改进粒子群算法容易实现、效果明显。主要进行了两方面的改进：一方面,用粒子群中粒子个体极值的加权平均值替代速度更新式中的粒子个体极值；另一方面,通过引用两种非线性递减函数对惯性权重进行调整。这样可以容易地使粒子向最优位置移动的速度更快,全局寻优的能力更强。(2)本文分别采用Sphere、Griewank、Rastrigrin和Ackley函数进行仿真测试,通过对四个基准函数的仿真,验证了本文改进粒子群算法的全局收敛寻优能力。(3)本文将改进粒子群算法应用于珠三角地区某市TD-LTE基站优化选址中。仿真和应用的结果表明,改进后的粒子群算法具有更高的收敛速度和全局寻优能力,本文改进粒子群算法能够提供合理的基站部署方案。(4)基于ArcGIS平台将改进后的粒子群算法应用于TD-LTE基站优化选址中,以更加直观画面展现优化选址后的基站分布情况。