[发明专利]一种基于人工蜂群算法确定基站选取方案的方法及系统

说明书

本发明公开了一种基于人工蜂群算法确定基站选取方案的方法及系统，包括：对待规划区域进行离散化处理，以获取多个基站的站址信息；将基站的站址信息映射到人工蜂群算法中的蜂群位置参数信息，并根据相关网络参数建立仿真模型，确定目标函数；根据待规划区域内基站的站址信息和目标函数对仿真模型中的参数进行配置；利用仿真模型基于人工蜂群算法进行仿真计算，求解所述目标函数，以确定待规划区域的最优的基站选取方案。本发明的技术方案基于人工蜂群算进行仿真计算，极大地提高了运算的速度和准确度，不仅能够以较小的建站代价获得较高的业务覆盖率，而且具有较好的收敛性，因而能够提供相对科学合理的基站选址方案，具有重要的实用应用价值。

技术领域

本发明涉及通信中的站址规划技术领域，并且更具体地，涉及一种基于人工蜂群算法确定基站选取方案的方法及系统。

背景技术

站址规划是通信系统设计中不可或缺的一环。所谓站址规划，就是在综合考虑建站成本、覆盖率、业务分布、系统容量及其他重要网络参数的前提下，从大量的候选站址中遴选出一组具有最少数目且符合要求的基站站址集合，以实现用尽量少数目的一组基站去满足网络覆盖率的目的。考虑到系统的可扩展性，还应充分考虑未来无线网络的进一步发展趋势，以便在不同的建设时期充分满足业务需求。

站址规划问题本质上是离散、非线性、多目标的大规模组合优化问题。站址的选择不仅要保证目标区域的最小场强，还要满足业务覆盖、容量和质量要求，并降低建站成本。站址规划需要寻找各种影响因素的最优组合解，即在所有的待定参数中找到满足约束条件的解。考虑到多目标优化问题的复杂性，将总体目标函数设置为各种影响因素的加权，这样就简化为单目标优化问题。

针对站址规划问题，传统的优化方法有混合整数规划、线性规划等，这些算法常常产生搜索方向错误、迭代发散等问题。近年来随着群体智能算法的发展，粒子群算法、免疫算法、遗传算法等算法，已经逐步应用于站址规划中。这些算法的基本思想即是将自然界中的生物个体假定为搜索空间的点，由此则将个体的进化或者觅食行为模拟作最优解的搜索过程，并通过将个体对环境的适应性定义为需求解问题的目标函数，根据自然界中的生存法则利用好解取代差解，整个群体会逐步收敛、直至最优解，这一过程就是迭代的搜索过程。但是这些算法都具有自身的局限性，其中遗传算法的收敛速度比较慢，粒子群算法和免疫算法容易陷入局部最优解等，从而限制其应用。

发明内容

本发明提出一种基于人工蜂群算法确定基站选取方案的方法及系统，以解决如何确定最优基站选取方案，进行站址规划的问题。

为了解决上述问题，根据本发明的一个方面，提供了一种基于人工蜂群算法确定基站选取方案的方法，其特征在于，所述方法包括：

对待规划区域进行离散化处理，以获取多个基站的站址信息；

将基站的站址信息映射到人工蜂群算法中的蜂群位置参数信息，并根据相关网络参数建立仿真模型，确定目标函数；其中，所述相关网络参数包括：建站成本和业务覆盖率；

根据所述待规划区域内基站的站址信息和目标函数对仿真模型中的参数进行配置；

利用所述仿真模型基于人工蜂群算法进行仿真计算，求解所述目标函数，以确定待规划区域的最优的基站选取方案。

优选地，其中所述对规划区域进行离散化处理，以获取多个基站的站址信息，包括：

在所述规划区域上规划多个基站，每个基站的覆盖范围为以基站坐标为圆心、r为半径的圆，每个基站处在对应的覆盖区域的中心，当测试点落在基站覆盖范围内时，则认为该测试点被该基站覆盖，从而获取多个基站的站址信息；其中，每个基站的建站成本均相同。

优选地，其中所述将基站的站址信息映射到人工蜂群算法中的蜂群位置参数信息，包括：