[发明专利]一种基于Adam的网络工作参数优化方法

权利要求书

1.一种基于Adam的网络工作参数优化方法，其特征在于，包括：

获取待优化的工作参数；

在采样点中随机抽取t个采样点；

根据获取的待优化的工作参数，确定待优化目标区域中所述t个采样点的整体覆盖率，所述整体覆盖率等于所述t个采样点被覆盖的覆盖效果的均值，每个采样点被覆盖的覆盖效果为[0,1]之间的连续值；

根据所述t个采样点的整体覆盖率，利用连续求导法则，确定工作参数的导数向量；

获取上一次迭代梯度对本次更新时一阶梯度、二阶梯度的影响值，根据确定的工作参数的导数向量以及获取的上一次迭代梯度对本次更新时一阶梯度、二阶梯度的影响值，确定优化后的工作参数；

其中，所述获取上一次迭代梯度对本次更新时一阶梯度、二阶梯度的影响值，根据确定的工作参数的导数向量以及获取的上一次迭代梯度对本次更新时一阶梯度、二阶梯度的影响值，确定优化后的工作参数包括：

利用公式更新第k+1代的工作参数P_k+1，直至满足预设的最大迭代次数；

其中，M_k＝ρ*M_k-1+(1-ρ)*D_k，N_k＝μ*N_k-1+(1-μ)*D_k²，P_k表示第k代的工作参数，ρ表示上一代梯度对本次更新时一阶梯度的影响大小，μ表示上一代梯度对本次更新时二阶梯度的影响大小，是M_k的修正值，是N_k的修正值，M_k、M_k-1分别表示第k代、第k-1的一阶梯度的条件累加和，N_k、N_k-1分别表示第k代、第k-1的二阶梯度的条件累加和，D_k表示第k代的工作参数的导数向量，lr表示学习率，ε为防止被除数为0的保险值。

2.根据权利要求1所述的基于Adam的网络工作参数优化方法，其特征在于，所述获取待优化的工作参数包括：

获取天线下倾角和天线方位角；

获取天线相对于所述t个采样点的采样点下倾角和采样点方位角；

根据获取的天线下倾角、天线方位角、采样点下倾角和采样点方位角，确定水平角和垂直角。

3.根据权利要求2所述的基于Adam的网络工作参数优化方法，其特征在于，所述水平角表示为：alpha＝azimuth_gt-P_azimuth_k；

所述垂直角表示为：beta＝P_tilt_k-tilt_gt；

其中，alpha表示水平角，P_azimuth_k表示第k次迭代的天线方位角，azimuth_gt表示采样点方位角；beta表示垂直角，P_tilt_k表示第k次迭代的天线下倾角，tilt_gt表示采样点下倾角。

4.根据权利要求1所述的基于Adam的网络工作参数优化方法，其特征在于，所述根据获取的待优化的工作参数，确定待优化目标区域中所述t个采样点的整体覆盖率包括：

确定用于评判覆盖效果的参数；

根据获取的待优化的工作参数，确定评判覆盖效果参数的值；

根据确定的评判覆盖效果参数的值，结合S型函数，得到待优化目标区域中所述t个采样点被覆盖的覆盖效果，每个采样点被覆盖的覆盖效果为[0,1]之间的连续值；

对所述t个采样点被覆盖的覆盖效果求平均值，得到所述t个采样点的整体覆盖率。