[发明专利]基于网格化小面积原理和遗传算法的基站设备平面化优化布局方法

权利要求书

1.基于网格化小面积原理和遗传算法的基站设备平面化优化布局方法，其特征在于，所述方法包括如下步骤：

步骤(1)：网格化布局区域，具体包括以下子步骤：

(1.1)以布局区域的最下端和最左端分别作为网格坐标系的x轴和y轴；

(1.2)网格化所用网格采用单位长度e作为一个网格长度；

(1.3)建立布局区域边界坐标矩阵其中num_border为布局区域边界与网格交点的序号；x_border为布局区域边界与网格交点的横坐标；y_border为布局区域边界与网格交点的纵坐标；根据网格坐标的特点可知，num_border∈N，x_border,y_border∈R⁺；

步骤(2)根据实际情况确定可能安装基站设备的点，

所述基站设备的覆盖范围为360°；其覆盖半径为整数倍的网格单位长度，R＝n×e，且根据设备的实际能力，确定n为属于自然数集的一个自然数定值n∈N，网格化后，确定这些区域的基站设备位置坐标点矩阵其中假设这些点只能坐落在网格的交点位置；不在交点位置的选择距离其最近的交点位置作为其坐标位置；

步骤(3)：采用遗传算法求取安装基站设备的数量m和位置以实现最优化；具体包括以下子步骤：

(3.1)生成基站设备初始数量，对应可能安装基站设备位置坐标点矩阵生成实际设备位置坐标点矩阵B_location；具体步骤如下：

I.随机生成安装基站设备的数量且m∈N；

II.从范围内，随机选择m个正整数(z₁,z₂,…,z_m)，作为选中的安装设备的初始点位；

III.从矩阵中，查找序号与(z₁,z₂,…,z_m)各整数对应的各行，其坐标位置即可确认，m个位置全部选择完成后，生成实际设备坐标位置点矩阵B_location；

(3.2)产生初始种群；生成M个含有m个正整数(z₁,z₂,…,z_m)的初始“染色体”即二进制编码(z₁,z₂,…,z_m)²，其右上标的2表示二进制，确定初始种群；

(3.3)确定适应值函数Fitness，计算上述M个“染色体”的个体适应度并进行优化筛选；适应值函数为设备覆盖总面积S_sum与基站设备数量m的比值，即单个基站设备的平均覆盖范围最广；适应值计算过程采用(z₁,z₂,…,z_m)对应的实际基站设备位置坐标点矩阵B_location；根据“交叉区域的面积求取”算法和“小面积近似”算法，判断是否有两台基站设备覆盖有交叉的区域和基站设备覆盖范围超出布局区域的边界，按“交叉区域的面积求取”算法和“小面积近似”算法计算面积，则适应值函数可表示为：

即：

或者，不考虑设备数量，只要求基站设备对特定区域的覆盖率，此时，适应值函数选择为：

设置筛选比例0＜p＜10％，按筛选比例放弃适应值计算后较小的“染色体”，用适应值较高的“染色体”取代；

(3.4)设定交叉概率0＜P_cro＜1，对每个体染色体进行基因交叉操作；对上述适应值较高的M个“染色体”中两个z_i,z_j(i≠j)的位置进行交叉；

(3.5)设定变异概率0＜P_mut＜＜1，对上述适应值较高的M个“染色体”进行“基因变异”，即以概率P_mut随机更换其中某个代表基站设备的二进制编码组；

(3.6)输出计算结果；

设置迭代次数T和迭代阈值U；当达到迭代次数T后，则选择适应值计算最高的“染色体”所对应的各坐标位置作为该设备数量m对应的各设备的最佳部署位置，其适应值计算的结果作为最佳位置下的覆盖结果；或者，若某一“染色体”适应值Fitness≥U则该“染色体”所对应的各坐标位置作为该设备数量m对应的最佳设备部署位置，其适应值计算的结果作为最佳位置下的覆盖结果；

步骤(4)：比较法确定最佳的基站设备安装数量m；

上述遗传算法确定一组“优化”的设备数量m^opt与设备位置后，再按上述步骤3选择一组安装基站设备的数量m和位置进行优化计算，并比较两组“最优解”对应的适应值大小，选择适应值更大的结果对应的m^opt作为全局优化结果m^entire-opt，则其对应的基站设备坐标位置也即全局最优的部署位置

通过两次比较，还可判断m^opt是在变大还是变小，如果发现变大，则下次选择时的m应向大于m^opt的方向选择，反之，向小于m^opt的方向选择m，如此可快速定位全局优化结果m^entire-opt的位置，减小计算次数和计算量，取得更好的效果。