[发明专利]一种基站布局方法和装置

说明书

本发明提供一种基站布局方法和装置，其中，该方法包括：以矩阵每一行的元素作为目标定位空间内待解基站的坐标，进行粒子种群初始化得到原始种群；根据原始种群得到反向学习种群；将原始种群和反向学习种群分别代入适应度函数中进行基站适应度的迭代计算，得到原始种群和反向学习种群中个体的最优位置；将确定的最优位置作为目标定位空间的基站布局。本发明能够解决算法易于陷入局部最优解的问题，可以提升群智能优化算法对于布局寻优问题的精度，通过该方式对定位基站进行布局寻优，可以得到更好的基站布局坐标，且可以得到更高的定位精度。

技术领域

本发明涉及通信基站技术领域，尤其涉及一种基站布局方法和装置。

背景技术

对于室外定位基站布局的问题，可以看作是一个最优值求解问题。在一定的布局范围内，通过一种智能优化算法在该区域内进行全局寻优，通过算法不断的迭代得到一种全局最优解。

目前，群智能算法中比较常用的如遗传算法，粒子群算法蚁群算法，模拟退火算法等是比较经典的算法，比较新颖的如樽海鞘算法，灰狼算法等。

现有的群智能优化算法各有特点，经典的如遗传算法具有强大的寻优能力和较好的算法鲁棒性，但是该算法在进行遗传变异等操作时，会消耗大量的资源。传统粒子群算法对于非线性问题具有较强的寻优能力，但是该算法易于陷入局部最优解的问题难以解决，这会影响算法的最终求解精度。还有一些其他的群智能优化算法如模拟退火算法和遗传算法融合的群智能优化算法，但是此类算法均无法跳出局部最优解。

发明内容

鉴于此，本发明实施例提供了一种基站布局方法和装置，以消除或改善现有技术中存在的一个或更多个缺陷。

本发明的一个方面提供了基站布局方法，该方法包括以下步骤：

以矩阵每一行的元素作为目标定位空间内待解基站的坐标，进行粒子种群初始化得到原始种群；

根据原始种群得到反向学习种群；

将原始种群和反向学习种群分别代入适应度函数中进行基站适应度的迭代计算，得到原始种群和反向学习种群中个体的最优位置；

将确定的最优位置作为目标定位空间的基站布局。

在本发明的一些实施例中，将原始种群和反向学习种群分别代入适应度函数中进行基站适应度的迭代计算，包括：

设置迭代次数；

在每一次迭代过程中，执行如下操作：

将原始种群当前次迭代得到的平均几何精度因子值与上一次原始种群迭代得到的平均几何精度因子值进行比较，保留较小的平均几何精度因子值作为第一平均几何精度因子值；

将反向学习种群当前次迭代得到的平均几何精度因子值与上一次反向学习种群迭代得到的平均几何精度因子值进行比较，保留较小的平均几何精度因子值作为第二平均几何精度因子值；

选择第一平均几何精度因子值和第二平均几何精度因子值中的较小值作为目标平均几何精度因子值，与当前的全局最优值进行比较；

在目标平均几何精度因子值小于当前的全局最优值的情况下，用目标平均几何精度因子值替代当前的全局最优值，以目标平均几何精度因子值对应的最优位置作为确定的最优位置。

在本发明的一些实施例中，按照如下公式计算平均几何精度因子值：

其中，AGDOP表示平均几何精度因子值，GDOP_i表示目标定位空间内第i个接收终端的几何精度因子，n表示目标定位空间内选取的采样点的数量；

其中，