本發(fā)明涉及電力無線專網(wǎng)建設(shè)技術(shù)領(lǐng)域，更具體地，涉及一種基于人工魚群算法的電力無線專網(wǎng)基站規(guī)劃方法。

背景技術(shù)：

目前，電力無線通信網(wǎng)是實(shí)現(xiàn)智能電網(wǎng)配用電通信的重要組成部分，它承載了電網(wǎng)生產(chǎn)、調(diào)度、經(jīng)營(yíng)、管理信息和數(shù)據(jù)采集等多種業(yè)務(wù)。電力無線網(wǎng)的基站規(guī)劃工作是電力通信系統(tǒng)中不可或缺的一環(huán)，有著重要意義。傳統(tǒng)的基站規(guī)劃主要依靠人工測(cè)量，這種方式消耗大量的人力和物力，引入高效的智能算法來取代繁瑣的人工網(wǎng)絡(luò)規(guī)劃是必要的。

基站規(guī)劃問題本質(zhì)上是離散、非線性、多目標(biāo)的大規(guī)模組合優(yōu)化問題。傳統(tǒng)的優(yōu)化方法有混合整數(shù)規(guī)劃、線性規(guī)劃等,這些算法常常產(chǎn)生搜索方向錯(cuò)誤、迭代發(fā)散等問題。近年來隨著智能優(yōu)化算法的發(fā)展，禁忌搜索算法、粒子群算法、免疫算法、遺傳算法等算法，已經(jīng)逐步應(yīng)用于基站規(guī)劃優(yōu)化中。但是這些算法都具有自身的局限性,其中禁忌算法對(duì)初值有較強(qiáng)的依賴性,遺傳算法的收斂速度比較慢,粒子群算法和免疫算法容易陷入局部最優(yōu)解等,從而限制其應(yīng)用。

人工魚群算法是受魚群行為啟發(fā)，提出的一種智能優(yōu)化算法，該算法主要模擬魚類覓食、群聚和追尾等行為，創(chuàng)建人工魚并通過人工魚的局部?jī)?yōu)化來搜索全局優(yōu)化值。近年來，其在電網(wǎng)規(guī)劃方面的應(yīng)用受到重視。

如論文《基于改進(jìn)人工魚群算法的配電網(wǎng)規(guī)劃》(內(nèi)蒙古科技與經(jīng)濟(jì)，2012(22):95-97)中提出一種引入禁忌搜索中的記憶功能的人工魚群算法解決配電網(wǎng)規(guī)劃問題。改進(jìn)后的人工魚群算法可以避免迂回搜索從而提高計(jì)算的效率。但改進(jìn)后的人工魚群算法只考慮覓食以及追 尾行為，因此只適用于小規(guī)模的配電網(wǎng)規(guī)劃問題，不具有通用性。

論文《基于人工魚群算法的移動(dòng)通信網(wǎng)絡(luò)基站覆蓋優(yōu)化問題》(北京交通大學(xué)學(xué)報(bào):自然科學(xué)版，2013,37(6):99-102)中針對(duì)移動(dòng)通信網(wǎng)絡(luò)節(jié)點(diǎn)嚴(yán)重冗余，基站之間相互干擾的情況，并利用人工魚群算法對(duì)移動(dòng)通信網(wǎng)絡(luò)基站覆蓋優(yōu)化問題進(jìn)行求解,得到了最優(yōu)設(shè)計(jì)方案。但該方案采用傳統(tǒng)的人工魚群算法，在計(jì)算復(fù)雜度以及收斂性方面的存在缺陷，比較容易出現(xiàn)重復(fù)搜索等現(xiàn)象，另外該方案只針對(duì)基站覆蓋優(yōu)化問題，模型比較簡(jiǎn)單適應(yīng)性較差。

論文《基于人工魚群算法的無線網(wǎng)絡(luò)規(guī)劃方法研究》(軟件導(dǎo)刊，2014(9):64-66)中為了降低TD-SCDMA的網(wǎng)絡(luò)建設(shè)成本，提出了基于人工魚群算法的基站規(guī)劃方案。但該方案只適用于3G網(wǎng)絡(luò)場(chǎng)景，擴(kuò)展性較差。

與其它智能優(yōu)化算法相比，人工魚群算法具有初值、參數(shù)選擇不敏感、簡(jiǎn)單易實(shí)現(xiàn)、克服局部極值、魯棒性強(qiáng)等優(yōu)點(diǎn),但該算法在解決離散優(yōu)化問題時(shí)運(yùn)行后期的搜索盲目性較大，嚴(yán)重影響該算法的性能和質(zhì)量。

技術(shù)實(shí)現(xiàn)要素：

為克服上述問題或者至少部分地解決上述問題，本發(fā)明提供一種兼顧搜索全局最優(yōu)和搜索局部最優(yōu)的基于人工魚群算法的電力無線專網(wǎng)基站規(guī)劃方法。

根據(jù)本發(fā)明的一個(gè)方面，一種基于人工魚群算法的電力無線專網(wǎng)基站規(guī)劃方法，包含以下步驟：

S1、將規(guī)劃區(qū)域內(nèi)的電力無線專網(wǎng)基站規(guī)劃位置信息映射到人工魚群算法中的人工魚位置信息；

S2、綜合建站成本和配用電業(yè)務(wù)覆蓋率兩方面的參數(shù)建立目標(biāo)函數(shù)；

S3、通過對(duì)目標(biāo)函數(shù)的運(yùn)算，確認(rèn)人工魚群中食物濃度較高的位 置，當(dāng)人工魚群中存在食物濃度高且不擁擠的位置，調(diào)整人工魚的位置信息；

S4、當(dāng)人工魚群中人工魚的周圍開始出現(xiàn)擁擠的狀態(tài)時(shí)，基于優(yōu)化的人工魚群算法，調(diào)整人工魚的視野、步距或運(yùn)動(dòng)方式；

S5、將運(yùn)算得到的目標(biāo)函數(shù)值最大的魚群位置信息記錄在公告板上，對(duì)應(yīng)于基站規(guī)劃最佳位置信息。

將規(guī)劃區(qū)域內(nèi)的基站規(guī)劃位置信息映射到人工魚群算法中的人工魚位置信息，并綜合建站成本和配用電業(yè)務(wù)覆蓋率兩方面的參數(shù)建立目標(biāo)函數(shù)，采用優(yōu)化的人工魚群算法進(jìn)行運(yùn)算，極大了提高了運(yùn)算的準(zhǔn)確度和可靠性。

本發(fā)明的有益效果主要如下：

(1)將電力無線專網(wǎng)基站的位置信息映射到人工魚群算法的人工魚群的位置信息，解決電力無線專網(wǎng)基站規(guī)劃問題，節(jié)省了網(wǎng)絡(luò)規(guī)劃的人力和物力資源，提高了規(guī)劃效率；

(2)聯(lián)合考慮了基站的成本優(yōu)化問題和配用電業(yè)務(wù)覆蓋優(yōu)化問題，使其電力無線專網(wǎng)基站規(guī)劃達(dá)到最優(yōu)；

(3)區(qū)分總體人工魚群分布密度，分別采用不同的處理方式，簡(jiǎn)化處理過程；

(4)優(yōu)化人工魚群算法，根據(jù)不同的運(yùn)算階段，自適應(yīng)調(diào)整對(duì)人工魚的視野、步距，充分保證搜索全局最優(yōu)和搜索局部最優(yōu)，減少了人工魚群的搜索路徑，加快了算法的收斂速度；

(5)優(yōu)化人工魚找到和沒有找到較優(yōu)點(diǎn)時(shí)的運(yùn)動(dòng)方式，極大的簡(jiǎn)化了運(yùn)算過程，提高了運(yùn)算效率；

(6)全面考慮了已有基站、業(yè)務(wù)時(shí)延和路徑損耗因素的影響，提高了電力無線專網(wǎng)網(wǎng)基站規(guī)劃的可靠性和科學(xué)性。

附圖說明

圖1為根據(jù)本發(fā)明實(shí)施例中一種基于人工魚群算法的電力無線專 網(wǎng)基站規(guī)劃方法的流程示意圖；

圖2為根據(jù)本發(fā)明實(shí)施例中一種基于人工魚群算法的電力無線專網(wǎng)基站規(guī)劃方法的效率比對(duì)圖。

具體實(shí)施方式

下面結(jié)合附圖和實(shí)施例，對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)描述。以下實(shí)施例用于說明本發(fā)明，但不用來限制本發(fā)明的范圍。

參見圖1所示，一種基于人工魚群算法的電力無線專網(wǎng)基站規(guī)劃方法，具體包括以下步驟：

S1、將規(guī)劃區(qū)域內(nèi)電力無線專網(wǎng)基站規(guī)劃的位置信息映射到人工魚群算法中的人工魚位置信息；

S2、綜合建站成本和配用電業(yè)務(wù)覆蓋率兩方面的參數(shù)建立目標(biāo)函數(shù)；

S3、通過對(duì)目標(biāo)函數(shù)的運(yùn)算，確認(rèn)人工魚群中食物濃度較高的位置，當(dāng)人工魚群中存在食物濃度高且不擁擠的位置，調(diào)整人工魚的位置信息；

S4、當(dāng)人工魚群中人工魚的周圍開始出現(xiàn)擁擠的狀態(tài)時(shí)，基于優(yōu)化的人工魚群算法，調(diào)整人工魚的視野、步距或運(yùn)動(dòng)方式；

S5、將運(yùn)算得到的目標(biāo)函數(shù)值最大的魚群位置信息記錄在公告板上，對(duì)應(yīng)于基站規(guī)劃最佳位置信息。

當(dāng)人工魚群中存在食物濃度高且不擁擠的位置時(shí)，通過重復(fù)步驟S3的運(yùn)算，將人工魚群中人工魚的位置調(diào)整至更優(yōu)的狀態(tài)，同時(shí)，通過對(duì)后續(xù)的人工魚視野、步距或運(yùn)動(dòng)方式的調(diào)整，在搜索全局最優(yōu)的基礎(chǔ)上，進(jìn)一步精確運(yùn)算最優(yōu)目標(biāo)函數(shù)值。

重復(fù)上述步驟S1-S5的運(yùn)算過程，根據(jù)運(yùn)算的結(jié)果，不斷調(diào)整基站規(guī)劃方案中基站的位置信息，直至得到最優(yōu)目標(biāo)函數(shù)值對(duì)應(yīng)的最佳電力無線專網(wǎng)基站規(guī)劃方案。

該方法根據(jù)電力無線專網(wǎng)基站規(guī)劃的具體情況，將電力無線專網(wǎng) 基站規(guī)劃設(shè)計(jì)涉及的具體參數(shù)對(duì)應(yīng)到魚群算法的參數(shù)設(shè)置中，使采用人工魚群算法對(duì)電力無線專網(wǎng)基站的規(guī)劃設(shè)計(jì)的適用性更強(qiáng)。

同時(shí)，對(duì)現(xiàn)有的魚群算法進(jìn)行優(yōu)化，在初始條件下，設(shè)置人工魚群中人工魚的視野和步距的初始值為最大值，通過調(diào)整人工魚的視野、步距、運(yùn)動(dòng)方式或最優(yōu)魚的運(yùn)動(dòng)方式，實(shí)現(xiàn)人工魚群位置變化和搜索范圍的調(diào)整，能夠更好的結(jié)合全局搜索最優(yōu)和局部搜索最優(yōu)的優(yōu)勢(shì)，確定最佳的基站分布設(shè)置。

上述步驟S1中將基站規(guī)劃位置信息與人工魚群算法中的人工魚的位置信息的映射關(guān)系為：

其中，n為基站的建站總數(shù)，k為人工魚群中的人工魚數(shù)量，b_k為第k條人工魚的位置信息，即第k套基站的位置信息，為第k條魚中的第i個(gè)基站的坐標(biāo)。

將一套電力無線專網(wǎng)基站規(guī)劃方案中設(shè)置的所有基站的坐標(biāo)全部映射到人工魚群中某一人工魚的位置信息。通過不斷變換的人工魚的位置信息，并配合基站規(guī)劃設(shè)計(jì)的具體參數(shù)，即可直接對(duì)基站規(guī)劃的設(shè)計(jì)參數(shù)進(jìn)行優(yōu)化，方法直觀、具體。

上述步驟S2中的目標(biāo)函數(shù)為

其中，X_ik為第k條魚的第i個(gè)基站的建站成本，表示第k條魚的第j個(gè)測(cè)試點(diǎn)是否在業(yè)務(wù)覆蓋范圍內(nèi)，λ₁為基站建設(shè)成本的權(quán)重值，λ₂為業(yè)務(wù)覆蓋率的權(quán)重值，規(guī)劃區(qū)域內(nèi)設(shè)置的測(cè)試點(diǎn)數(shù)量m。

在目標(biāo)函數(shù)中，分別從建站成本優(yōu)化和業(yè)務(wù)覆蓋優(yōu)化方面綜合考慮基站的規(guī)劃設(shè)計(jì)，并分別針對(duì)建站成本和業(yè)務(wù)覆蓋兩方面的規(guī)劃設(shè)計(jì)參數(shù)，選擇基站規(guī)劃設(shè)計(jì)的最優(yōu)方案。

上述步驟S3中調(diào)整人工魚位置信息的具體方式為：

S31、通過目標(biāo)函數(shù)計(jì)算得到第k條人工魚的食物濃度值即第k套 基站所在位置信息形成的目標(biāo)函數(shù)值f(b_k)和所有人工魚的目標(biāo)函數(shù)均值并進(jìn)行比較，當(dāng)時(shí)，進(jìn)入步驟S32，當(dāng) 時(shí)，進(jìn)入步驟S33；

S32、當(dāng)時(shí)，且該人工魚視域內(nèi)存在目標(biāo)函數(shù)值f(b_i)較大的較優(yōu)人工魚i且較優(yōu)人工魚i周圍不擁擠，表明該人工魚處于饑餓狀態(tài)，即此種基站規(guī)劃方案的業(yè)務(wù)覆蓋率較低，則優(yōu)先考慮人工魚群算法的追尾行為，該人工魚朝人工魚i所在的位置前進(jìn)一步，否則進(jìn)入步驟S4；

S33、當(dāng)時(shí)，且人工魚群的中心位置的目標(biāo)函數(shù)值f(b_i)較大，并且該處周圍不擁擠，表明該人工魚處于飽腹?fàn)顟B(tài)，即此種基站規(guī)劃方案中，中心區(qū)域的業(yè)務(wù)覆蓋率較低，則優(yōu)先考慮人工魚群算法的聚群行為，該人工魚朝人工魚群的中心位置方向前進(jìn)一步，否則進(jìn)入步驟S4。

上述步驟中，根據(jù)設(shè)定的擁擠度因子δ，區(qū)分較優(yōu)人工魚i周圍及人工魚群中心的食物濃度及擁擠情況，對(duì)擁擠狀態(tài)的確認(rèn)方式為：

當(dāng)且K＝1或f(b_i)/K>δf(b_k)時(shí)，表明該人工魚i周圍有較高的食物濃度且不擁擠；

當(dāng)且f(b_i)/K>δf(b_k)時(shí)，表明該人工魚群中心有較高的食物濃度且不擁擠。

首先通過對(duì)魚群的分布情況進(jìn)行總體的判斷，即對(duì)基站分布情況進(jìn)行總體的分析判斷，當(dāng)人工魚群中人工魚的周圍不擁擠，業(yè)務(wù)覆蓋達(dá)不到需求時(shí)，調(diào)整人工魚的位置信息，保證基站規(guī)劃方案在建設(shè)成 本和業(yè)務(wù)覆蓋方面綜合達(dá)到更優(yōu)的狀態(tài)。

當(dāng)人工魚群中人工魚的周圍開始出現(xiàn)擁擠的狀態(tài)時(shí)，進(jìn)入步驟S4，人工魚群執(zhí)行覓食行為。

上述步驟S4中，優(yōu)化的人工魚群算法具體的內(nèi)容為：

S41、調(diào)整人工魚的視野和步距；

S42、設(shè)置人工魚的視野和步距所允許達(dá)到的最小值Visual_min和Step_min；

S43、計(jì)算人工魚的視野的最大值和最小值的差值Visual_max、以及步距的最大值和最小值的差值Step_max；

S44、人工魚群每變換一次位置，對(duì)人工魚的視野和步距都采用迭代方式進(jìn)行一次調(diào)整，隨著人工魚群算法的運(yùn)行，人工魚的視野和步距逐漸減小，精確求解最優(yōu)值。

通過對(duì)視野、步距等參數(shù)的自適應(yīng)調(diào)整，改進(jìn)了人工魚群算法，減少了人工魚的搜索路徑，加快了算法的收斂速度。在算法的后期階段，人工魚的視野和步距較小，搜索區(qū)域集中在較小的領(lǐng)域內(nèi)，提高了求解目標(biāo)函數(shù)最大值的最優(yōu)解精度。

上述步驟S4中，優(yōu)化的人工魚群算法具體的內(nèi)容為：當(dāng)人工魚執(zhí)行覓食行為時(shí)，若尋找到較優(yōu)點(diǎn)，則臨時(shí)增大步距直接到達(dá)該點(diǎn)。

現(xiàn)有人工魚群算法的覓食行為，是在視野范圍內(nèi)隨機(jī)選擇一個(gè)點(diǎn)作比較，如果該點(diǎn)的食物濃度優(yōu)于當(dāng)前狀態(tài)，則向該點(diǎn)移動(dòng)一步。但是，由于人工魚的視野距離遠(yuǎn)大于步距，該行為很容易產(chǎn)生環(huán)路路徑。

本申請(qǐng)中改進(jìn)后的人工魚群算法，在找到較優(yōu)點(diǎn)后，不考慮步距的限制，而直接到達(dá)較優(yōu)點(diǎn)，防止人工魚在到達(dá)較優(yōu)點(diǎn)之前改變方向，進(jìn)行無意義的環(huán)形移動(dòng)，從而極大的降低了冗余運(yùn)算，提高了算法的運(yùn)算效率。

上述步驟S4中，優(yōu)化的人工魚群算法具體的內(nèi)容為：當(dāng)人工魚群中的最優(yōu)人工魚執(zhí)行覓食行為時(shí)，若沒有找到較優(yōu)點(diǎn)，則跳過隨機(jī)行 為，保持原地不動(dòng)。

最優(yōu)人工魚在覓食過程中，根據(jù)具體的情況，選擇性的跳過隨機(jī)行為，極大的減少了人工魚群算法的運(yùn)算步驟，減少了運(yùn)算過程，提高了運(yùn)算效率，同時(shí)，避免了最優(yōu)人工魚的大概率退化現(xiàn)象。

在覓食過程中，當(dāng)其他人工魚在視野內(nèi)沒有找到較優(yōu)點(diǎn)，則隨機(jī)移動(dòng)一步。便于人工魚在移動(dòng)的過程中，擴(kuò)大搜索范圍，提高全局搜索效率。

上述步驟中，目標(biāo)函數(shù)中基站建設(shè)成本X_ik的確定方式為：

其中，d₁表示低成本區(qū)域內(nèi)的建站成本，d₂表示正常區(qū)域內(nèi)的建站成本，M表示低成本區(qū)域的范圍，為第k條魚中的第i個(gè)基站的坐標(biāo)。

低成本區(qū)域的范圍是指已有基站站址的區(qū)域范圍，當(dāng)人工魚群中某人工魚的位置信息中包含已有基站站址的區(qū)域，則該區(qū)域內(nèi)的基站建站成本為d₁，否則為d₂。

這種選擇方式對(duì)現(xiàn)有基站進(jìn)行了充分的利用，在新的基站規(guī)劃設(shè)計(jì)中，避免了造成已有基站的不必要浪費(fèi)，有效降低電力無線專網(wǎng)基站建設(shè)成本。

上述步驟中，目標(biāo)函數(shù)中業(yè)務(wù)覆蓋范圍的確認(rèn)方式為：

其中，P_i^k為基站的發(fā)射功率，為第k條魚中第i個(gè)基站到第j個(gè)測(cè)試點(diǎn)的路徑損耗，Q_i表示從核心網(wǎng)到基站i的傳播路徑距離，Q_ij表示測(cè)試點(diǎn)j到與其對(duì)應(yīng)的基站i的傳播路徑距離，s為信號(hào)的傳播速度，h為配用電業(yè)務(wù)時(shí)延的門限值。

對(duì)業(yè)務(wù)覆蓋范圍進(jìn)行確認(rèn)，只針對(duì)在業(yè)務(wù)覆蓋范圍內(nèi)的區(qū)域進(jìn) 行基站規(guī)劃的設(shè)計(jì)，大大簡(jiǎn)化了運(yùn)算過程，有效的提升了運(yùn)算效率。

在業(yè)務(wù)覆蓋范圍的確定過程中，考慮路徑損耗的影響，更精確的確定業(yè)務(wù)覆蓋區(qū)域的性質(zhì)，提高基站規(guī)劃設(shè)計(jì)的可靠性。

同時(shí)，在考慮路徑損耗的影響時(shí)，區(qū)分不同信號(hào)強(qiáng)度的影響，并且納入了對(duì)配用電業(yè)務(wù)時(shí)延的門限值的影響因素的分析，提高了電力無線專網(wǎng)基站規(guī)劃的科學(xué)性和可靠性。

在一個(gè)具體的實(shí)施例中，路徑損耗采用公式計(jì)算如下：

其中，f為信號(hào)發(fā)射頻率，單位為MHz；h_b為基站天線的有效高度，單位為米；h_m為移動(dòng)臺(tái)天線的有效高度，單位為米；為第k條魚中第j個(gè)測(cè)試點(diǎn)坐標(biāo)；a(h_m)為移動(dòng)臺(tái)天線高度修正因子；C為城市修正因子。

對(duì)不同測(cè)試點(diǎn)路徑損耗的運(yùn)算，便于準(zhǔn)確判斷業(yè)務(wù)覆蓋的范圍。上述步驟中，對(duì)人工魚的視野和步距進(jìn)行調(diào)整的迭代方式為：

其中，Visual_min、Step_min是人工魚的視野和步距所允許達(dá)到的最小值，Visual_max、Step_max是人工魚的視野和步距所允許達(dá)到的最大值和最小值的差值，iter為當(dāng)前迭代的次數(shù)，T_max為總迭代次數(shù)。在運(yùn)行到算法最后，人工魚的視野和視距會(huì)縮小到最小值。

根據(jù)人工魚群的位置信息的變化，對(duì)人工魚的視野和步距由大到小進(jìn)行調(diào)節(jié)，加快運(yùn)算的收斂速度，提高計(jì)算結(jié)果的精度，既充分保證了規(guī)劃區(qū)域內(nèi)的業(yè)務(wù)覆蓋，又有效的避免了密集的基站部署造成的同頻或鄰頻干擾的情況，并降低成本。

參見圖2所示，通過仿真實(shí)例，將采用本發(fā)明的基于人工魚群算法的電力無線專網(wǎng)基站規(guī)劃方法對(duì)電力無線專網(wǎng)基站規(guī)劃的效率，與傳統(tǒng)方法進(jìn)行了比較，在相同的迭代次數(shù)，其目標(biāo)函數(shù)值顯著增大。

本發(fā)明的基于人工魚群算法的電力無線專網(wǎng)基站規(guī)劃方法，通過將基站規(guī)劃的位置信息映射到人工魚群算法的人工魚的位置信息，并對(duì)人工魚群的人工魚周圍的擁擠狀態(tài)、視野、步距或運(yùn)動(dòng)方式進(jìn)行逐步的實(shí)時(shí)調(diào)整，在一次完整的人工魚群算法中，在人工魚群搜索全局最優(yōu)運(yùn)算的基礎(chǔ)上，進(jìn)一步精確運(yùn)算最優(yōu)目標(biāo)函數(shù)值，從而更準(zhǔn)確的確定電力無線專網(wǎng)基站規(guī)劃設(shè)計(jì)的方案。

最后，本申請(qǐng)的方法僅為較佳的實(shí)施方案，并非用于限定本發(fā)明的保護(hù)范圍。凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。