近年来,随着我国移动通信行业的迅速发展,移动通信技术广泛渗透到社会各行各业。同时,随着4G网络与服务的不断发展,逐渐加深了对于移动通信的依赖,对通信过程中的速度、质量、安全性等要求也不断提高,因此,急需新建大量的基站来满足人们的需求。根据相关的网络规划建设可知,基站的建设成本约占网络建设成本的2/3,巨大的网络建设成本成为阻碍运营商们发展的桎梏。因此,科学合理的站址规划已成为网络规划建设的研究内容之一。由于TD-LTE站址规划是一种大规模、高度非线性的组合优化问题,属于典型的NP-hard问题。因此,常使用人工智能算法进行优化。由于人工克隆免疫算法是近年来在科学研究与工程应用领域被广泛使用的一种智能算法,因此,本文使用人工克隆免疫算法作为基础进行研究。但是人工克隆免疫算法也并不完美,当问题空间较大时即对大规模复杂问题时易陷入局部最优而导致早熟收敛;当算法进入中后期时,由于在抗体变异与交叉过程中按照一定概率进行的随机变异与交叉,使得变异交叉后的解具有不确定性。不仅降低了求解效率,可能还会形成局部收敛现象致使求解精度不高。因此,本文就对人工免疫算法进行相应的改进,并把优化后的算法用于TD-LTE基站选址之中,本文具体工作如下:1.为了克服传统人工克隆免疫算法的缺陷,本论文提出了一种混合型免疫算法,该算法在初始化阶段提出了一种用已有的先验解作为启发式信息引导与反学习方式相结合的初始化方案,用以解决大规模复杂问题。在变异与交叉阶段,通过把差分变异与二进制交叉算法融入人工免疫算法之中,用以解决算法中后期因抗体变异与交叉过程产生不确定性。最后,通过标准测试函数进行相应的性能测试,从不同的角度进行相关的仿真测试,结果证明本文所提出的改进免疫算法具有更好的性能。2.深入研究了国内外TD-LTE网络基站选址相关文献,分析总结目前基站选址优化算法中存在的不足,根据基站选址所遵循的原则,构建了TD-LTE网络基站选址问题的数学模型,并采用改进的混合免疫算法对基站站址优化进行蒙特卡罗仿真,并与其它相关文献中站址优化算法在收敛速度及收敛精度上进行对比,更适用于基站站址优化中。