移動通信系統(tǒng)分層優(yōu)化網(wǎng)絡資源規(guī)劃方法-資料下載頁
2024-08-23 19:03本頁面
【導讀】中需要考慮的關鍵因數(shù)是成本。由于在大型的系統(tǒng)設計中必須考慮諸如系統(tǒng)性能，地形特征，基站參數(shù)和成本等很多因素，故分層優(yōu)化規(guī)劃方法得到了應用。在此我們提出了設計蜂。統(tǒng)的成本最小化并符合所要求的系統(tǒng)性能。此模型確定小區(qū)的最優(yōu)數(shù)量并選擇最佳的基站位置。模擬退火方法被用來解決這個困難的組合。模擬結果證明了HOP方法在無線網(wǎng)絡規(guī)劃中的可行性和有效性。系統(tǒng)容量，小區(qū)覆蓋，話務量，地形和傳播特征等。站和移動單元的設計參數(shù)及信道分配的決定必須根據(jù)相互之間的關系作出。細說明后才能決定。于解決此問題，并在合理的計算量內(nèi)求得了逼近的最優(yōu)結果。邊界處的定位概率LP和覆蓋邊界處接收信號強度的門限電平。任務為用最小的小區(qū)數(shù)量覆蓋整個區(qū)域并滿足平均話務需求。村等地形是準光滑或不規(guī)則的不同環(huán)境下無線傳播的特性。
【正文】 ，假設給出系統(tǒng)成本的標準化參數(shù)如下：cellC =1000， aC =， tC ＝ ， trafC ＝ 。基站和移動單元的參數(shù)選擇如下[9]：對所有的小區(qū) k， d B igd B mPd B mPd B igd B ig mkULUL 0,36,30,18,8 ????? 。 根據(jù) [24]和 [25]，我們得到了天線成本和其增益及發(fā)射機 (或接收機 )成本和其發(fā)射功率之間的逼近線性關系。假設給出關于天線增益 g 的成本函數(shù) )(gCA 如下： 13 )(gCA = 40+Ca g Ugg??0 M Ugg? 關于發(fā)射功率 P 的成本函數(shù) )(PCT 如下： )(PCT = 60 + Ct P UPP??0 M UPP? 其中 M是一個大的正數(shù)。 我們根 據(jù)上面的具體參數(shù)應用模擬退火算法 SAEOM 來求解 EOM 問題。冷卻進度表的控制參數(shù)如下：初始接受率χ＝ ， 次數(shù)內(nèi) 目標＝ *3*20*100， 最大容許偏差 = *(3*m*n)，最大生成極限＝ 4*MUB[21]。在 HPC180 的 UNIX 系統(tǒng)上用 C 語言執(zhí)行了這個算法。 圖 3給出了一個初始可行解 (初始設計 )。具有相同陰影的相鄰網(wǎng)格組成一個小區(qū)?？傁到y(tǒng)成本為 。圖 4 給出了用 SAEOM 算法求出的最優(yōu)解。這個最優(yōu)解是在用不同的初始可行解運行程序 10 次后才獲得的。最終設計 fc(s)的鄰近最優(yōu) 系統(tǒng)成本是 。小區(qū)數(shù)進一步減少了 6 個。圖 5 顯示了收斂記錄，即用 SAEOM 算法求解 EOM 問題的退火曲線。退火需要的平均 CPU 時間為 分鐘。 為了評估 SA 方法求得的解，我們把它與用 Aarts 和 Korst[15]的本地搜索過程求得的最佳解和用隨機生成過程獲得的解比較。用本地搜索過程求得的最佳解為系統(tǒng)成本 fc(s)＝ n＝ 13。如成本函數(shù) (19)所示，每個小區(qū)的固定成本 cellC決定總系統(tǒng)成本。這意味著成本有效設計應該有較少的小區(qū)數(shù)和每個 小區(qū)較高的平均話務負載。圖 6 和圖 7 分別表示用 SAEON 和本地搜索方法求得的最佳解中的話務量柱形圖。圖 8 表示在小區(qū)數(shù)也是 13 這種情況下，隨機生成過程獲得的解的話務量分布。虛線和實心條分別代表每個小區(qū)能提供的話務負載和需要的話務負載。從圖 68，我們觀察到用 SAEON 求得的逼近最優(yōu)解在能提供的話務負載和需要的話務負載之間取得了好的折衷。與其它兩個過程相比，每個小區(qū)的話務負載也呈均勻分布。如圖 4 的最終設計所示，這個設計能滿足覆蓋要求，同時也努力用最小的小區(qū) 14 數(shù)和最佳的小區(qū)安置適應非一致話務負載。 天線增益和發(fā)射功 率的逼近最優(yōu)值可從最佳解中獲得。 在最后一步，基站和移動單元的所有參數(shù)都要根據(jù)所在小區(qū)內(nèi)具體的地形數(shù)據(jù)和覆蓋特征進行調(diào)整。從上面兩層獲得的結果能滿足覆蓋的質(zhì)量要求，但并不能提供每個小區(qū)的所有預期話務量。在最后一層， Gamst[23]技巧被用來確定要分配的信道數(shù)下界。然后進一步應用 Dugueanton[20]的信道分配過程去滿足話務要求和避免干擾。 算法的性能 模擬退火方法 SAEOM 的性能研究分兩個方面：解的質(zhì)量和執(zhí)行時間 [13]。我們把 SAEOM 求得的次優(yōu)解比作用本地搜索方法及隨機生成過程獲得的 最優(yōu)解。如表Ⅱ 和 Ⅲ 所示的四種不同大小的問題都應用了這些方法。 本地搜索算法是一種由 Aarts[15]提出的貪婪算法，用本地搜索算法求得的解嚴重地依賴于初始解。計算時間的上界，即最差情況下的時間復雜度對很多問題而言都不可知 [15][13]。給定次數(shù) N opt 對相同的問題用不同的初始值運行本地搜索算法 ,我們就得到了平均時間，平均 CPU 時間，最佳結果及進行大量優(yōu)化獲得最佳結果所花的總 CPU 時間 [15][8]。 在對同樣的問題運行 SAEOM10 次后就得到了模擬退火算法 SAEOM 的 CPU 時間和最佳結果的平均值。 表 Ⅱ 和 Ⅲ比較了這些算法的解。從中可注意到模擬退火方法能在較短的時間內(nèi)求得較好的解。由于固定小區(qū)成本 cellC 決定總系統(tǒng)成本，如 表 Ⅱ所示在 SAEOM 的平均結果和本地搜索的最佳結果之間沒有發(fā)現(xiàn)什么顯著區(qū)別。當話務成本因子 trafC 增加時，與 表 Ⅱ相比，表Ⅲ中的 SAEOM 的解和本地搜索的解的差別變大。從 表 Ⅱ 和 Ⅲ可以看出，每次執(zhí)行本地搜索所需的 CPU 時間遠遠小于模擬退火所需的 CPU 時間。但與模擬退火相比，本地搜索 需要多得多的時間去得到最優(yōu)解。 一般情況下模擬退火算法解的質(zhì)量可以通過調(diào)節(jié)控制參數(shù) (λ ,χ ,etc)的值，減慢 15 冷卻過程和增加馬爾可夫鏈的長度 [15]來得到改善。圖 9 顯示了應用 SAEOM 算法時，解的質(zhì)量和運行時間之間的折衷。成本為 )(* sfc 的最終解的質(zhì)量由如下定義的相當誤差 ε 決定： ε = soptsoptc f fsf ?)(* 其中 soptf 是曾經(jīng)求得的最佳值。對于大型案例的廣泛研究表明一個具有良好質(zhì)量的解能通 過降低λ和增加χ來得到。 Ⅴ結論 本論文研究了對于蜂窩移動通信網(wǎng)絡規(guī)劃的經(jīng)濟優(yōu)化建模問題。提出了一個分層優(yōu)化規(guī)劃方法，它既考慮到覆蓋的要求又考慮到話務負載。發(fā)展了一個組合優(yōu)化模型去確定合適的小區(qū)數(shù)量和選擇最佳的基站位置。一個建立在改進的模擬退火基礎上的算法被用來求解這個模型并取得了逼近最優(yōu)解。大型的復雜移動通信系統(tǒng)的資源管理和網(wǎng)絡規(guī)劃的最優(yōu)化技術的發(fā)展和應用將是我們未來的研究課題。 小區(qū)數(shù)量和平均小區(qū)覆蓋 范圍的最初決定 求解經(jīng)濟優(yōu)化模型以選擇小區(qū)的最佳 位置并確定最優(yōu)的小區(qū)大小 為確定基站和移動單元的設計參數(shù) (天線增益和高度，發(fā)射功率 ) 進行的詳細規(guī)劃，信道分配和成本估計 圖 2：無線網(wǎng)絡規(guī)劃的分層 結構
公司管理相關推薦
鄂ICP備17016276號-1