进化多目标算法及在无线网络中的应用

摘要

在现实世界中存在着很多优化问题，这些优化问题都同时涉及着多个目标，而且这多个目标彼此之间都是相互矛盾、相互冲突的，所以不存在着多个目标同时达到最优，进化多目标算法作为一种智能群体搜索算法非常适合于用来解决这种多目标优化问题。多目标优化问题可以分为连续多目标优化问题和离散多目标优化问题，而且离散多目标优化不具有通用性。在实际应用中，存在着很多离散的多目标优化问题，不同问题的解决需要根据其具体情况来设计不同的进化多目标算法。本文主要探讨和研究了进化多目标算法在4G基站选址和基于车联网的路侧单元选址中的应用。
　　在4G无线网络规划中，本文建立了4G基站选址模型，并根据模型设计了一种针对重点区域进行交叉、变异的进化多目标算法。该算法能有效减少个体进行交叉和变异时编码的长度、降低复杂度，使处理4G基站选址模型的进化多目标算法性能大大提高。在交叉变异之后，我们再根据约束条件对非重点区域进行搜索，在非重点区域中，激活能够最大程度覆盖到未被覆盖测试点的候选基站，以此类推，直到全部激活的基站的覆盖率满足模型覆盖率约束为止，最后用极大极小方法求解出了一组最优解集。模拟4G基站选址问题的计算机仿真表明，该算法非常有效。
　　车联网方面，本文在基于车联网的智能交通中，建立了路侧单元的选址模型，并仿真模拟现实中的城市道路，根据实际交通情况给定了车流量、车辆的位置以及路侧单元的候选位置。为提高算法的效率，避免解集的大幅度摆动，本文在进化多目标算法中采用经典的单点交叉算子和单点变异算子，并且设计了一种局部搜索，对进行交叉变异产生的新个体进行局部修正。本文的局部搜索主要是对激活的路侧单元进行两两比较，如果发现任意两个路侧单元拥有较大的相同覆盖区域时，就认为其中一个是没必要的，然后随机去除其中一个，直到任意两个激活的路侧单元不再拥有较大的相同覆盖区域，接着检查路侧单元的总覆盖率，如果其总覆盖率未达到最低覆盖要求，则激活能够最大程度覆盖到未被覆盖车辆的路侧单元，直到满足最低覆盖要求为止，最后用极大极小方法求解出了一组最优解集。实验仿真结果表明，使用局部搜索的算法比不使用局部搜索的算法在建设路侧单元总数量和总费用上都明显减少，且分布性也更加合理。这说明了使用局部搜索的算法具有较好的收敛性能，并且能够得到一组较好的解集。

目录

摘要

第一章 绪论

1．1 研究的背景和意义

1．2 研究现状

1．3 研究内容与方法

1．4 论文的结构安排

第二章 4G基站选址模型

2．1 概述

2．2 4G基站选址模型预处理

2．3 基站及测试点的概念

2．4 数学模型

2．5 本章小结

第三章 4G基站选址模型的算法设计及实验仿真

3．1 编码

3．2 解码

3．3 交叉与变异

3．3．1 交叉算子

3．3．2 变异算子

3．4 局部搜索

3．5 选择算子

3．6 算法流程

3．7 实验仿真

3．8 本章小结

第四章 路侧单元选址模型

4．1 概述

4．2 路侧单元选址模型预处理

4．2 数学模型

4．3 本章小结

第五章 路侧单元选址模型的算法设计及仿真

5．1 编码

5．2 解码

5．3 交叉与变异

5．3．1 交叉算子

5．3．2 变异算子

5．4 局部搜索

5．5 选择算子

5．6 算法流程

5．7 实验仿真

5．8 本章小结

总结与展望

参考文献

攻读硕士学位期间发表论文

声明

致谢