网优智能决策的实现

摘要

近些年以来，随着无线网络的快速发展，使得运营商间的竞争日渐激烈，此外在加上用户对无线网络使用要求也越来越高，无线网络优化成为了各大运营商提高网络质量的重要工作之一。网络优化工作就是针对目前正在处于运行状态的无线网络进行数据采集和分析，从中找出对无线网络质量造成影响的因素，并采用相关的技术手段和运算对网络质量进行调整。无线网络优化包括的内容主要有:覆盖优化、干扰排查、邻区的规划及优化、PCI合理规划等。人工的无线网络优化是一项长期的、艰巨的、周而复始的持续性系统工程，工作量大，效率低。 网络优化的智能决策是针对日常进行无线网络优化工作的辅助系统，不仅能够使无线网络资源得到合理的分配，使其网络运行处于最佳的状态，同时现有的合理的网优智能决策能够为今后的网络维护和规划提出准确的建议。本文就当前网络功率优化这一热门的课题研究，通过借助蚁群算法、粒子群算法和模拟退火算法三种智能优化算法对无线网络功率进行了详细的分析和说明。在本文中通过对上述三种算法的基本原理为基础，以提升网络覆盖率为目的，采用三种优化智能算法对无线网络的功率进行了全新的配置，并计算出了目标覆盖率，完成了LTE无线网络功率优化的智能决策。最后利用上述三种智能优化算法进行了数据的仿真实验，并通过覆盖率对三种智能优化算法进行了纵向的比较解析。 本文实现了网络优化智能决策，在工作量方面，解决了一个问题需要多次网络调整才可以解决的问题，使工作量大大较少，提高了网络优化工作的效率;在网络调整精确度方面，由于应用了智能算法对优化方案进行决策，提高了功率调整的精确度，使网络覆盖率优于人工网络优化调整的结果。

目录

摘要

第1章绪论

1．1智能网络优化的研究背景与意义

1．2网络优化的智能化研究现状

1．3人工智能的关键的技术

1．4本文研究的内容

1．5本章小结

第2章需求分析与系统方案

2．1网络优化研究方案

2．1．1网络优化目的与流程

2．1．2网络优化方案设计原则

2．1．3网络优化智能化的思路

2．1．4主要优化方案

2．2网络优化智能化的实现

2．3智能化、自动化的必要性和可行性

2．4网优智能化的特点和存在的问题

2．5本章小结

第3章智能算法设计与实现

3．1蚁群算法

3．1．1蚁群算法的基本原理

3．1．2蚁群算法的应用范围

3．1．3蚁群算法的设计与实现

3．2粒子群算法

3．2．1粒子群算法基本原理

3．2．2粒子群算法的应用范围

3．2．2粒子群算法的设计与实现

3．3模拟退火算法

3．3．1模拟退火算法基本原理

3．3．2模拟退火算法的应用范围

3．3．3模拟退火算法的设计与实现

3．4本章小结

第4章智能算法在LTE网络功率优化中的应用

4．1 LTE网络功率优化的数学模型

4．2蚁群算法在LTE网络功率优化中的实现

4．2．1蚁群算法的基本流程

4．2．2蚁群算法的实现

4．2．3蚁群算法的仿真结果

4．3粒子群算法在LTE网络功率优化中的实现

4．3．1粒子群算法的基本流程

4．3．2粒子群算法的实现

4．3．3粒子群算法的仿真结果

4．4模拟退火算法的LTE网络功率优化中的实现

4．4．1模拟退火算法的基本流程

4．4．2模拟退火算法的实现

4．4．3模拟退火算法的仿真

4．5三种算法实现LTE网络功率优化的比较分析

4．6本章小结

第5章网优智能化的分析

5．1三种算法的分析对比

5．1．1蚁群算法的优缺点

5．1．2粒子群算法的优缺点

5．1．3模拟退火算法的优缺点

5．2三种算法决策性能的分析对比

5．2．1 DT测试

5．2．2 CQT测试

5．3智能决策与人工决策的分析对

5．3．1数据综合分析智能化

5．3．2优化调整智能化

5．3．3效果评估验证智能化

5．3．4流程管控智能化

5．3．5网优智能决策系统的作用

5．4本章小结

总结展望

参考文献

致谢

声明