進化多目標算法及在無線網絡中的應用.pdf

1、在現實世界中存在著很多優(yōu)化問題，這些優(yōu)化問題都同時涉及著多個目標，而且這多個目標彼此之間都是相互矛盾、相互沖突的，所以不存在著多個目標同時達到最優(yōu)，進化多目標算法作為一種智能群體搜索算法非常適合于用來解決這種多目標優(yōu)化問題。多目標優(yōu)化問題可以分為連續(xù)多目標優(yōu)化問題和離散多目標優(yōu)化問題，而且離散多目標優(yōu)化不具有通用性。在實際應用中，存在著很多離散的多目標優(yōu)化問題，不同問題的解決需要根據其具體情況來設計不同的進化多目標算法。本文主要探討和研

2、究了進化多目標算法在4G基站選址和基于車聯網的路側單元選址中的應用。
　　在4G無線網絡規(guī)劃中，本文建立了4G基站選址模型，并根據模型設計了一種針對重點區(qū)域進行交叉、變異的進化多目標算法。該算法能有效減少個體進行交叉和變異時編碼的長度、降低復雜度，使處理4G基站選址模型的進化多目標算法性能大大提高。在交叉變異之后，我們再根據約束條件對非重點區(qū)域進行搜索，在非重點區(qū)域中，激活能夠最大程度覆蓋到未被覆蓋測試點的候選基站，以此類推，直到

3、全部激活的基站的覆蓋率滿足模型覆蓋率約束為止，最后用極大極小方法求解出了一組最優(yōu)解集。模擬4G基站選址問題的計算機仿真表明，該算法非常有效。
　　車聯網方面，本文在基于車聯網的智能交通中，建立了路側單元的選址模型，并仿真模擬現實中的城市道路，根據實際交通情況給定了車流量、車輛的位置以及路側單元的候選位置。為提高算法的效率，避免解集的大幅度擺動，本文在進化多目標算法中采用經典的單點交叉算子和單點變異算子，并且設計了一種局部搜索，對進

4、行交叉變異產生的新個體進行局部修正。本文的局部搜索主要是對激活的路側單元進行兩兩比較，如果發(fā)現任意兩個路側單元擁有較大的相同覆蓋區(qū)域時，就認為其中一個是沒必要的，然后隨機去除其中一個，直到任意兩個激活的路側單元不再擁有較大的相同覆蓋區(qū)域，接著檢查路側單元的總覆蓋率，如果其總覆蓋率未達到最低覆蓋要求，則激活能夠最大程度覆蓋到未被覆蓋車輛的路側單元，直到滿足最低覆蓋要求為止，最后用極大極小方法求解出了一組最優(yōu)解集。實驗仿真結果表明，使用局部