專利名稱：借助遺傳編程的電信網(wǎng)絡(luò)節(jié)點進化算法的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及電信，具體地說，涉及電信網(wǎng)絡(luò)。
背景技術(shù)：
電信網(wǎng)絡(luò)日益結(jié)合了自配置、自組織以及自適應(yīng)能力。隨著電信網(wǎng)絡(luò)的大小和復(fù)雜性的增加，存在以分散方式(即，每個節(jié)點可以僅使用本地信息個別地執(zhí)行操作)實施這些所謂的“自X”特性的動力。相應(yīng)地，日益需要開發(fā)自χ算法，S卩，用于網(wǎng)絡(luò)節(jié)點自適應(yīng)的必須在沒有關(guān)于網(wǎng)絡(luò)的全局信息也沒有網(wǎng)絡(luò)節(jié)點的協(xié)調(diào)中心控制的情況下工作的算法。無線網(wǎng)絡(luò)中的自X算法的一些實例包括用于優(yōu)化小區(qū)覆蓋和容量的算法以及資源調(diào)度算法。有線網(wǎng)絡(luò)領(lǐng)域中的一些實例是依賴于多種變量(如業(yè)務(wù)負(fù)荷級別、沿通信路徑的節(jié)點間的躍點數(shù)，以及服務(wù)質(zhì)量(Q0S)要求)工作的路由算法。一種公知的方式是由熟練的工程師基于關(guān)于網(wǎng)絡(luò)的特定假設(shè)(可能不切實際)而設(shè)計自X算法，所以經(jīng)常需要在網(wǎng)絡(luò)中實現(xiàn)算法之后評估、修正和改進算法。這是緩慢而昂貴的過程。在此公知的方式中，設(shè)計算法的熟練工程師很難考慮到節(jié)點所部署的各種不同環(huán)境。算法的設(shè)計基于關(guān)于網(wǎng)絡(luò)的特定假設(shè)，所述假設(shè)在實際中并不適用。在此公知的方式中，手動設(shè)計自χ算法，然后跨所有特定類型的網(wǎng)絡(luò)節(jié)點(例如， 無線蜂窩網(wǎng)絡(luò)中的所有基站)應(yīng)用所述算法。由于節(jié)點的工作環(huán)境存在巨大的差異而將降低性能，因為通用優(yōu)化算法的執(zhí)行效果不如更專用于特定問題或工作環(huán)境的算法。附帶地說，相反地，專用算法在應(yīng)用于它們所針對的特定區(qū)域以外時，它們的執(zhí)行效果也會降低。參考另一背景領(lǐng)域，遺傳編程是一種用于生成算法的公知進化方法，例如，參見 Koza, J. R. , Genetic Programming :0n the Programming of Computers by Means of Natural Selection 1992 :MIT Press，840。為了便于讀者理解，在此簡要說明遺傳編程。如圖1所示，遺傳編程(GP)涉及以下步驟(i)初始化算法的種群-種群是針對個體算法的集合使用的術(shù)語，至少在某種程度上隨機地生成初始種群中的算法；(ii)計算種群中的每個算法的適應(yīng)度-適應(yīng)度是針對完成算法任務(wù)中的算法性能的測量使用的術(shù)語；(iii)根據(jù)算法的適應(yīng)度選擇成為“父代”的算法；(iv)通過應(yīng)用遺傳算子，如針對先前步驟中選擇的父代的變異和交叉，產(chǎn)生新的算法；(ν)使用新產(chǎn)生的算法和從前一代種群選擇的幸存者來產(chǎn)生算法的下一代種群。重復(fù)上述步驟(ii)至(V)，直到滿足終止條件(例如，過程已經(jīng)歷設(shè)定的代數(shù)，或已產(chǎn)生的算法滿足目標(biāo)適應(yīng)度級別)。
如圖2所示，典型地在遺傳編程(GP)中使用分析樹(parse tree)表示以便將算法編碼成可以在其上執(zhí)行遺傳編程運算的形式。分析樹可用于表示諸如計算機程序的各種形式的算法?？梢砸岳缤ㄟ^狀態(tài)轉(zhuǎn)變圖的其他形式表示算法。圖3示出上述交叉和變異算子的示例性實例。交叉是混合來自兩個父代算法的成分以產(chǎn)生下一代(即，子代)算法。變異是修改個體父代算法的一部分以產(chǎn)生下一代算法。在IEEE 2006，Lewis Τ.，F(xiàn)anning N.以及 Clemo G.的標(biāo)題為 “Enhancing IEEE 802.11 DCF using Genetic Programming”的論文中描述了使用遺傳編程來生成算法以供在電信網(wǎng)絡(luò)中使用。

發(fā)明內(nèi)容
讀者可參考所附的獨立權(quán)利要求。在從屬權(quán)利要求中提出了某些優(yōu)選特征。本發(fā)明的一個實例是一種通過更新網(wǎng)絡(luò)節(jié)點的模型以及遺傳編程用于進化(或演進)電信網(wǎng)絡(luò)節(jié)點中的網(wǎng)絡(luò)節(jié)點控制算法的方法，包括(a)生成算法，(b)根據(jù)所述網(wǎng)絡(luò)節(jié)點的模型確定所述算法的適應(yīng)度級別，以及(c)選擇滿足預(yù)定適應(yīng)度級別的算法。自動重復(fù)步驟(a)、(b)以及(c)以提供隨著時間的過去而適應(yīng)所述網(wǎng)絡(luò)節(jié)點的變化模型的一系列算法，用于所述網(wǎng)絡(luò)節(jié)點中的可能實施。在優(yōu)選實施例中，例如從節(jié)點做出的本地測量獲得網(wǎng)絡(luò)節(jié)點的狀態(tài)信息，和/或作為來自相鄰節(jié)點的信息提供網(wǎng)絡(luò)節(jié)點的狀態(tài)信息。在優(yōu)選實施例中，每個網(wǎng)絡(luò)節(jié)點使用遺傳編程來生成新的算法以便供其自己使用，并且網(wǎng)絡(luò)的信息用于更新所述網(wǎng)絡(luò)節(jié)點的內(nèi)部模型。優(yōu)選地，所述節(jié)點使用該模型連同遺傳編程構(gòu)建塊來產(chǎn)生滿足諸如適應(yīng)度級別之類的目標(biāo)準(zhǔn)則的算法。優(yōu)選地，一旦提供了此類算法，就測試該算法，并且如果算法被視為可接受，則在所述網(wǎng)絡(luò)節(jié)點中實現(xiàn)該算法。因此，一個優(yōu)選實施例可以是其中每個網(wǎng)絡(luò)節(jié)點均運行自己的獨特算法的網(wǎng)絡(luò)。 該方法允許節(jié)點靈活、獨立以及智能地改變其行為。該方法適合于各種類型的網(wǎng)絡(luò)節(jié)點，例如自適應(yīng)的網(wǎng)絡(luò)節(jié)點，如毫微微蜂窩基站。 該方法適合于為自身是自適應(yīng)算法的實現(xiàn)提供算法。優(yōu)選實施例涉及蜂窩無線基站的網(wǎng)絡(luò)。其他優(yōu)選實施例涉及其他類型的電信網(wǎng)優(yōu)選實施例提供了以分布方式本地專用于網(wǎng)絡(luò)節(jié)點的算法的產(chǎn)生和自適應(yīng)。各優(yōu)選實施例以自主和高效的方式產(chǎn)生和優(yōu)化算法的功能形式以實現(xiàn)良好的網(wǎng)絡(luò)性能。在某些優(yōu)選實施例中，時常(例如，周期性地)重復(fù)提供、檢驗和實施算法的步驟。 在某些優(yōu)選實施例中，所提供的一系列算法是一系列用于網(wǎng)絡(luò)節(jié)點自配置的算法。


現(xiàn)在將通過實例的方式并參考附圖描述本發(fā)明的各實施例，這些附圖是圖1是示意性地示出遺傳編程過程的示意圖(現(xiàn)有技術(shù))；圖2是示出以分析樹形式表示的計算機程序的示意圖(現(xiàn)有技術(shù))；圖3是示出在遺傳編程中應(yīng)用于表示為分析樹的程序部分的交叉和變異運算的示意圖(現(xiàn)有技術(shù))；
圖4是根據(jù)本發(fā)明的第一實施例的無線電信的網(wǎng)絡(luò)的示意表示；圖5是更詳細地示出圖4中所示的基站之一加上其相鄰基站之一的示意圖；圖6是示出圖5所示的基站中的遺傳編程單元的操作的流程圖；圖7是示出在一個基站中檢驗和實現(xiàn)的算法如何成為相鄰基站中的候選算法的示意圖；以及圖8是用于優(yōu)化由遺傳編程單元提供的無線電小區(qū)覆蓋的實例遺傳工程程序。
具體實施例方式發(fā)明人認(rèn)識到，在公知的無線網(wǎng)絡(luò)中，大量用戶部署的小型小區(qū)的使用將允許較高的數(shù)據(jù)速率并提供較高容量。此類小型小區(qū)的典型范圍為數(shù)十或數(shù)百米并經(jīng)常被稱為毫微微小區(qū)。但是，發(fā)明人認(rèn)識到，使用此類大量小型小區(qū)的副作用是提供這些小區(qū)的基站將經(jīng)歷的環(huán)境的多樣性。例如，取決于毫微微蜂窩基站在建筑物內(nèi)放置的位置，毫微微蜂窩基站的性能將顯著改變。這部分地是由于各種建筑物材料的影響。例如，與水泥墻相比，玻璃墻具有非常低的傳播損耗。這也部分地是由于業(yè)務(wù)需求的高度變化性。例如，覆蓋諸如繁忙休息室的業(yè)務(wù)需求熱點的毫微微蜂窩基站所經(jīng)歷的需求將極大地不同于覆蓋安靜區(qū)域 (比如說，二十米之外)的另一毫微微蜂窩基站。發(fā)明人還認(rèn)識到，在此類小型小區(qū)中，用于控制和優(yōu)化基站的自χ算法必須在多種環(huán)境中提供適合的性能，這樣通用算法可能不能勝任并且算法最好專用于特定環(huán)境。作為一個實例，在具有水泥構(gòu)成的建筑物的居住區(qū)域中工作的毫微微小區(qū)可能需要的無線覆蓋控制算法的形式不同于在具有正面是玻璃的建筑物的居住區(qū)域中工作的毫微微小區(qū)。但是，發(fā)明人認(rèn)識到，由于涉及的復(fù)雜性和成本，針對每種不同類型的環(huán)境手動設(shè)計新算法的現(xiàn)有技術(shù)方法是不切實際的。在專注于實例遺傳編程單元及其工作之前，現(xiàn)在將描述實例網(wǎng)絡(luò)和網(wǎng)絡(luò)節(jié)點。在此實例中，網(wǎng)絡(luò)節(jié)點是毫微微小區(qū)基站。此后，將描述如何將檢驗后的算法分發(fā)到其他節(jié)點，然后給出此類算法的特定實例。之后將描述某些變型和備選方式。在本說明書中，使用術(shù)語“算法”來表示用于解決問題或完成任務(wù)的一組規(guī)則或方法?？梢砸跃哂屑夹g(shù)應(yīng)用的數(shù)學(xué)公式、計算機程序、諸如狀態(tài)轉(zhuǎn)變圖或流程圖的系統(tǒng)行為表示的形式指定算法。電信網(wǎng)絡(luò)節(jié)點中的算法的實例是一種自動調(diào)整無線小區(qū)的覆蓋區(qū)域的方法以及一種通過網(wǎng)絡(luò)路由器節(jié)點路由業(yè)務(wù)的方法。網(wǎng)絡(luò)如圖4所示，電信網(wǎng)絡(luò)2包括無線接入網(wǎng)絡(luò)4，無線接入網(wǎng)絡(luò)4包括一些互連的蜂窩基站21、22、23、24?；?1、22、23、M均運行各自的算法以執(zhí)行預(yù)定任務(wù)。如圖5所示，每個基站包括各自的遺傳編程單元10，遺傳編程單元10用于使用遺傳編程提供新的改進版本的算法，如以下更詳細說明的。每個基站均可操作以與其相鄰基站通信并感測其相鄰基站。例如，第一基站21可操作以與其相鄰基站22、23、對通信并感測其相鄰基站22、23、對。為避免混淆，將所考慮的特定基站稱為“本地”基站9，“本地”基站9具有一組(以 25表示)相鄰基站。哪些基站屬于組25取決于本地基站9如何發(fā)現(xiàn)其鄰居。在此實例中，本地基站9執(zhí)行從其他基站接收的導(dǎo)頻信號的測量，以便確定哪些基站在其鄰居組25中。 在一個備選實施例中，本地基站在回程網(wǎng)絡(luò)上執(zhí)行查詢和響應(yīng)過程以便確定鄰居。鄰居組25中的基站是那些對本地基站具有顯著影響的基站，并且反之亦然。例如，增大組25中的基站的發(fā)射功率將增大對本地基站10的干擾。如以下將更詳細說明的，網(wǎng)絡(luò)20中的基站21、22、23、24、9、25均運行它們自己的算法以完成特定任務(wù)，如調(diào)整它們的無線覆蓋的大小。所述基站還均使用遺傳編程運行算法自適應(yīng)過程，以便周期性地更新和改進它們運行的算法的確切功能形式。每個基站本地地改進其算法，所以末端效應(yīng)是每個基站運行它們自己的相應(yīng)被優(yōu)化為適合它們自己的本地環(huán)境并因此可能是獨特的算法。遺傳編稈單元如圖5所示，使用遺傳編程產(chǎn)生在基站中使用的算法的遺傳編程單元10包括遺傳處理器11、算法實現(xiàn)平臺12以及本地信息收集平臺13。遺傳處理器包括函數(shù)和終端集合(terminal set) 111、遺傳算子112以及適應(yīng)度函數(shù)113作為對進化處理器15的輸入。函數(shù)和終端集合111是算法的構(gòu)建塊。遺傳算子 112是操縱現(xiàn)有算法以產(chǎn)生新算法的運算并包括諸如變異和交叉之類的運算。適應(yīng)度函數(shù) 113是用于計算適應(yīng)度(換言之，算法的性能)的函數(shù)。例如，根據(jù)網(wǎng)絡(luò)運營商的要求預(yù)先確定適應(yīng)度函數(shù)113。在使用中，進化處理器15用于使用網(wǎng)絡(luò)節(jié)點的模型14的信息運行網(wǎng)絡(luò)節(jié)點的仿真，并且所生成的各種不同算法和性能結(jié)果與適應(yīng)度函數(shù)13—起用于計算與每個算法關(guān)聯(lián)的適應(yīng)度。在這些仿真中使用網(wǎng)絡(luò)節(jié)點的最新模型14。如以下將更詳細說明的，在自動的基礎(chǔ)上生成要在基站中使用的新的和改進后的算法。圖6中示出了此自動過程中執(zhí)行的主要步驟的流程圖。如圖6所示，在遺傳編程單元10中，生成并評估(步驟A)關(guān)于適應(yīng)度級別的下一代算法。判定(步驟B)所生成的算法是否滿足預(yù)定適應(yīng)度級別。在滿足預(yù)定適應(yīng)度級別時，該算法被視為足夠良好以便可執(zhí)行算法檢驗過程。如上所述，算法檢驗處理器17預(yù)先測試(步驟C)該算法以檢查部署在網(wǎng)絡(luò)2中的適合性。然后判定(步驟D)測試是失敗還是通過。如果測試失敗，則丟棄(步驟E)該算法并返回生成和適應(yīng)度評估(步驟A)。另一方面，如果測試通過，則在網(wǎng)絡(luò)節(jié)點中實現(xiàn)算法(步驟F)。圖6中的步驟A和B在圖5所示的進化處理器15中發(fā)生。圖6中的步驟C、D和 E在圖5所示的算法檢驗處理器17中發(fā)生。這在下面更詳細地說明。現(xiàn)在將更詳細地說明遺傳編程單元10的各個組件和方面。具體地說，現(xiàn)在將說明進化處理器、模型構(gòu)建處理器、算法檢驗處理器以及算法實現(xiàn)平臺。進化處理器函數(shù)和終端集合111、遺傳算子112、適應(yīng)度函數(shù)113以及來自模型(仿真器)14 的仿真結(jié)果是到進化處理器15的輸入。進化處理器15執(zhí)行遺傳編程。如前所述，遺傳編程(GP)涉及以下步驟(i)初始化算法的種群-種群是針對個體算法的集合使用的術(shù)語，至少在某種程度上隨機地生成初始種群中的算法；(ii)計算種群中的每個算法的適應(yīng)度-適應(yīng)度是針對完成算法任務(wù)中的算法性能的測量使用的術(shù)語；(iii)根據(jù)算法的適應(yīng)度選擇成為“父代”的算法；(iv)通過應(yīng)用諸如針對先前步驟中選擇的父代的變異和交叉的遺傳算子產(chǎn)生新的算法；(ν)使用新產(chǎn)生的算法和從前一代種群選擇的幸存者來產(chǎn)生算法的下一代種群。重復(fù)上述步驟(ii)至(V)，直到滿足終止條件(例如，已產(chǎn)生的算法滿足目標(biāo)適應(yīng)度級別)。可以將從進化處理器15輸出的算法視為已由進化過程選擇的算法。此算法被從進化處理器15輸出到算法檢驗處理器17。樽型構(gòu)津過稈在遺傳編程單元10中具有模型構(gòu)建處理器16，模型構(gòu)建處理器16作用于網(wǎng)絡(luò)節(jié)點的模型14以使模型14保持最新，方式為利用關(guān)于相鄰節(jié)點25的狀態(tài)的信息，例如，它們當(dāng)前正在使用何種算法，加上它們正在經(jīng)歷的業(yè)務(wù)狀況，如負(fù)荷、呼叫類型等，以及利用關(guān)于本地基站9自身的本地信息。由本地信息收集處理器13收集關(guān)于本地基站9自身的本地信息，本地信息收集處理器13使用各種工具來獲得關(guān)于本地?zé)o線環(huán)境的信息，如用戶終端發(fā)送的測量報告以及內(nèi)置無線發(fā)送器(未示出)進行的測量。此處理器13還收集可用的內(nèi)部信息，例如關(guān)于本地基站的業(yè)務(wù)負(fù)荷的統(tǒng)計信息。此處理器13還將諸如發(fā)射功率和以活動用戶數(shù)表示的平均負(fù)荷的關(guān)于本地基站9的相關(guān)信息傳播到本地基站9的鄰居20。相應(yīng)地，模型構(gòu)建處理器16引入了應(yīng)用于基站的無線環(huán)境和狀況中發(fā)生的顯著變化(所以可能對算法進化過程具有影響)，并且還用于改進模型14以便提高模型14的效率。相應(yīng)地，通過時常(例如，周期性)更新來改變模型。模型構(gòu)建處理器16使用從網(wǎng)絡(luò)節(jié)點自身加上從網(wǎng)絡(luò)節(jié)點的鄰居獲得的關(guān)于網(wǎng)絡(luò)節(jié)點的信息。算法檢驗算法檢驗處理器17預(yù)先測試所選擇的算法以檢查在基站中部署的適合性。測試在部署之前執(zhí)行并旨在確保算法的行為良好并且不會導(dǎo)致在網(wǎng)絡(luò)中發(fā)生不希望的行為。由于可能出現(xiàn)不希望的和未預(yù)期的行為，所以此測試對用于網(wǎng)絡(luò)節(jié)點的分散控制的自X算法 (例如，自配置、自組織等)尤為重要。此類不希望的行為可導(dǎo)致網(wǎng)絡(luò)運行效率低下，并且在極端情況下可導(dǎo)致整個網(wǎng)絡(luò)出現(xiàn)級聯(lián)故障。應(yīng)指出的是，負(fù)面影響可總體上在算法中出現(xiàn)， 并且不是遺傳編程產(chǎn)生的特定副作用。算法檢驗處理器17執(zhí)行自動檢驗過程。盡管使用仿真的方案和基站在其本地環(huán)境中的最新模型14來開發(fā)來自進化處理器15的選定算法，但是該算法可能具有在其他方案下導(dǎo)致不希望的結(jié)果的缺陷。此類缺陷的一個易于檢測的實例是除零計算。相應(yīng)地，執(zhí)行此預(yù)先測試。—旦對算法執(zhí)行了預(yù)先測試并且算法被視為是適合的，就會在網(wǎng)絡(luò)節(jié)點中實現(xiàn)該算法。算法實現(xiàn)通過算法實現(xiàn)平臺12在網(wǎng)絡(luò)節(jié)點中實現(xiàn)現(xiàn)在被視為適合的算法。此算法實現(xiàn)平臺12獲取分析樹形式的算法并將算法轉(zhuǎn)換成取代先前使用的算法的軟件指令。在此實例中，算法實現(xiàn)平臺12包括算法讀取器(未示出)，算法讀取器直接從分析樹形式轉(zhuǎn)換并運行算法。在一個類似的實施例(未示出)中，將分析樹轉(zhuǎn)換成軟件代碼(C++，Java)，然后編譯所述軟件代碼。將算法分發(fā)到其他節(jié)點如圖7所示，檢驗后的算法還由算法實現(xiàn)平臺12發(fā)送到相鄰基站25(為了簡潔， 示出了表示為21的一個此類基站)，以便包括在它們的進化過程中。從相鄰基站的角度，當(dāng)基站21從其鄰居之一接收到此算法時，基站21在進化過程中插入此算法作為當(dāng)前算法種群中的個體。以此方式分發(fā)到鄰居算法的算法并不為鄰居立即使用，而是只是被包括在下一代算法的種群中以便進一步進化。這在圖7中示出，其中從本地基站9的角度，相鄰基站21 接收到本地基站9的新的算法。如果此接收到的算法恰好是基站21的種群中的最佳算法， 則遺傳處理器15將作為其正常操作的一部分而在后續(xù)進化周期中開始使用該算法。通過此步驟，在一個基站中進化和檢驗的良好算法被傳播到其他基站。這可改進算法自適應(yīng)過程通過網(wǎng)絡(luò)的收斂速率，這可以被視為一種形式的并行計算，其中由一組基站而不是個別基站執(zhí)行搜索。由于基站所經(jīng)歷的多種環(huán)境，算法的傳播可能是有限的。例如，用于密集城市環(huán)境中的基站的良好算法不一定在郊區(qū)或鄉(xiāng)村環(huán)境中運行良好。如上所述的算法分發(fā)在基站之間發(fā)生，例如，基站向其鄰居發(fā)送良好算法并且也接收來自鄰居的良好算法。-.mt^Mm^一種類型的將經(jīng)歷如上所述的遺傳編程和選擇的算法的實例是一種優(yōu)化無線網(wǎng)絡(luò)中的小區(qū)的無線覆蓋的算法，換言之，根據(jù)在基站環(huán)境中的網(wǎng)絡(luò)內(nèi)執(zhí)行的測量自動調(diào)整該基站的無線覆蓋。圖8中以分析樹和等式兩種形式表示了此類算法的一個實例。等式如下
權(quán)利要求
1.一種在電信網(wǎng)絡(luò)節(jié)點中通過時常更新網(wǎng)絡(luò)節(jié)點的模型以及遺傳編程進化網(wǎng)絡(luò)節(jié)點控制算法的方法，包括(a)生成算法，(b)根據(jù)所述網(wǎng)絡(luò)節(jié)點的模型確定所述算法的適應(yīng)度級別，以及(c)選擇滿足預(yù)定適應(yīng)度級別的算法，自動重復(fù)步驟(a)、(b)以及(c)以提供隨著時間的過去而適應(yīng)所述網(wǎng)絡(luò)節(jié)點的變化模型的一系列算法，用于所述網(wǎng)絡(luò)節(jié)點中的可能實施。
2.根據(jù)權(quán)利要求1的方法，其中使用與所述網(wǎng)絡(luò)節(jié)點本地特定的無線電狀況和業(yè)務(wù)狀況中的至少一個有關(guān)的信息更新所述模型。
3.根據(jù)權(quán)利要求1或2的方法，其中使用來自與所述網(wǎng)絡(luò)節(jié)點相鄰的至少一個節(jié)點的信息更新所述模型。
4.根據(jù)權(quán)利要求3的方法，其中所述信息與相應(yīng)相鄰節(jié)點經(jīng)歷的業(yè)務(wù)狀況和無線電狀況中的至少一個有關(guān)。
5.根據(jù)任一先前權(quán)利要求的方法，其中所述網(wǎng)絡(luò)節(jié)點或每個網(wǎng)絡(luò)節(jié)點是無線電信基站。
6.根據(jù)權(quán)利要求5的方法，其中所述基站或每個基站是毫微微蜂窩基站。
7.根據(jù)權(quán)利要求5或6的方法，其中所述算法用于調(diào)整基站無線電覆蓋的大小。
8.根據(jù)任一先前權(quán)利要求的方法，其中隨著時間的過去提供的一系列算法均經(jīng)歷檢驗過程以便檢查相應(yīng)算法在所述網(wǎng)絡(luò)節(jié)點中實現(xiàn)的適合性。
9.根據(jù)權(quán)利要求8的方法，其中在所述網(wǎng)絡(luò)節(jié)點中實現(xiàn)被視為適合的每個算法。
10.根據(jù)權(quán)利要求8或9的方法，其中，在傳編程中，被視為適合的每個算法被發(fā)送到與所述網(wǎng)絡(luò)節(jié)點相鄰的節(jié)點并在至少一個相鄰節(jié)點中使用。
11.根據(jù)權(quán)利要求10的方法，其中在所述相鄰節(jié)點中，通過根據(jù)該相鄰節(jié)點的模型確定適應(yīng)度級別而考慮所述算法，并且在該算法滿足預(yù)定適應(yīng)度級別時，選擇該算法用于該相鄰節(jié)點中的可能實施。
12.—種遺傳編程裝置，所述裝置包括進化處理器，配置為生成控制電信網(wǎng)絡(luò)中的網(wǎng)絡(luò)節(jié)點的算法并選擇滿足預(yù)定適應(yīng)度函數(shù)的算法以便輸出；以及所述網(wǎng)絡(luò)節(jié)點的模型，在所述進化處理器內(nèi)針對該模型改變所述算法，其中時常更新所述模型，并且所述進化處理器自動提供隨著時間的過去而適應(yīng)所述網(wǎng)絡(luò)節(jié)點的變化模型的一系列算法，用于所述網(wǎng)絡(luò)節(jié)點中的可能實施。
13.根據(jù)權(quán)利要求12的遺傳編程裝置，還包括配置為檢查相應(yīng)算法在所述網(wǎng)絡(luò)節(jié)點中實現(xiàn)的適合性的算法檢驗處理器。
14.根據(jù)權(quán)利要求12或13的遺傳編程裝置，其中在使用中，鄰居網(wǎng)絡(luò)節(jié)點接收被視為適合的算法并由所述進化處理器在提供所述算法中使用。
15.一種包括根據(jù)權(quán)利要求12至14中的任一權(quán)利要求的遺傳編程裝置的電信網(wǎng)絡(luò)節(jié)點ο
全文摘要
本發(fā)明提供了一種電信網(wǎng)絡(luò)節(jié)點中通過更新網(wǎng)絡(luò)節(jié)點的模型以及遺傳編程進化網(wǎng)絡(luò)節(jié)點的控制算法的方法，所述遺傳編程包括(a)生成算法，(b)根據(jù)所述網(wǎng)絡(luò)節(jié)點的模型確定所述算法的適應(yīng)度級別，以及(c)選擇滿足預(yù)定適應(yīng)度級別的算法，自動重復(fù)步驟(a)、(b)以及(c)以提供隨著時間的過去而適應(yīng)所述網(wǎng)絡(luò)節(jié)點的變化模型的一系列算法，用于所述網(wǎng)絡(luò)節(jié)點中的可能實施。
文檔編號G06N3/12GK102576424SQ201080034665
公開日2012年7月11日 申請日期2010年6月4日 優(yōu)先權(quán)日2009年6月11日
發(fā)明者H·克勞森, I·阿什拉夫, L·G·塞繆爾, L·T·W·霍 申請人:阿爾卡特朗訊公司