随着智能化时代的到来,未来8到10年将是物联网用户快速增长的时期。自2009年以来,国家七大战略性新兴产业之一就正式列入了物联网。蜂窝物联网是运营商抢占万物互联新市场的重要切入点,同时也是物联网发展战略落地的重要手段,鉴于物联网行业客户具有长期性和排他性的特点,对于蜂窝物联网的建设势在必行,运营商为了争取市场的主动权,需加快推进和部署。窄带物联网（Narrow Band Internet of Things,NB-IoT）基站选址优化实质是NP-hard问题,此类问题复杂程度较高,求解此类问题通常使用不同类型的智能算法。人工免疫算法通过模拟生物系统,在免疫学理论基础上发展起来的一种新兴的智能计算方法。它利用免疫系统的多样性产生和维持机制来保持群体的多样性,克服了一般寻优过程尤其是多峰函数寻优过程中难处理的“早熟”问题,最终取得全局的最优解。本文深入研究了NB-IoT基站选址问题,包括研究的背景、意义、目的和国内外研究现状等方面,论述了NB-IoT基站选址问题的困难以及应当遵循的原则,比较了基站选址问题常用模型的优缺点,选择了基于改进的人工免疫算法的NB-IoT基站选址模型。该模型综合考虑多个约束条件,如基站建设投资、网络覆盖范围和容量等,使用权重法将多目标问题转化为单目标优化问题,在满足所有约束因素的前提下,找出最优的选址方案。对于此模型采用改进的人工免疫算法并用Matlab2016a软件进行求解,最后使用本文的选址模型进行案列分析,得到最终的选址方案。
基本信息
| 题目 | 基于改进的人工免疫算法的NB-IoT基站选址研究 |
| 文献类型 | 硕士论文 |
| 作者 | 陈实 |
| 作者单位 | 南京邮电大学 |
| 导师 | 秦军 |
| 文献来源 | 南京邮电大学 |
| 发表年份 | 2020 |
| 学科分类 | 信息科技 |
| 专业分类 | 电信技术,计算机软件及计算机应用,自动化技术 |
| 分类号 | TP18;TP391.44;TN929.5 |
| 关键词 | 基站选址,权重法,改进的人工免疫算法 |
| 总页数： | 75 |
| 文件大小： | 1774k |
论文目录
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的与意义 |
| 1.2.1 研究目的 |
| 1.2.2 研究意义 |
| 1.3 国内外研究现状 |
| 1.3.1 基站选址优化的研究现状 |
| 1.3.2 基于人工免疫算法的基站选址研究进展 |
| 1.4 研究思路、方法和研究内容 |
| 1.4.1 研究思路 |
| 1.4.2 研究方法 |
| 1.4.3 研究内容 |
| 第二章 NB-IoT网络基站选址概述 |
| 2.1 NB-IoT的相关理论 |
| 2.1.1 NB-IoT的概念 |
| 2.1.2 NB-IoT的关键技术 |
| 2.1.3 NB-IoT技术优势 |
| 2.2 NB-IoT基站网络规划 |
| 2.2.1 NB-IoT基站网络架构 |
| 2.2.2 NB-IoT基站网络支持的频段 |
| 2.2.3 NB-IoT基站网络频谱的部署方式 |
| 2.3 NB-IoT基站选址理论分析 |
| 2.3.1 选址步骤 |
| 2.3.2 选址问题的困难 |
| 2.3.3 选址问题遵守的原则 |
| 2.3.4 选址问题的常用方法 |
| 2.4 本章小结 |
| 第三章 NB-IoT基站选址模型及人工免疫算法 |
| 3.1 基站选址模型的比较 |
| 3.1.1 单个基站的选址模型 |
| 3.1.2 多个基站的选址模型 |
| 3.2 人工免疫算法的基本概念及存在问题 |
| 3.2.1 人工免疫算法的基本思想 |
| 3.2.2 人工免疫算法的重要算子 |
| 3.2.3 传统的人工免疫算法存在的问题 |
| 3.3 改进的人工免疫算法 |
| 3.3.1 双向交叉与变异算子 |
| 3.3.2 种群更新算子 |
| 3.3.3 仿真实验及分析 |
| 3.4 改进的人工免疫算法的步骤 |
| 3.4.1 算法流程 |
| 3.4.2 初始抗体群体的产生 |
| 3.4.3 解的多样性评价 |
| 3.4.4 免疫操作 |
| 3.5 本章小结 |
| 第四章 NB-IoT基站选址模型的建立 |
| 4.1 模型的提出 |
| 4.2 模型的建立 |
| 4.2.1 模型的描述 |
| 4.2.2 模型的假设 |
| 4.2.3 模型的建立 |
| 4.2.4 基于改进的人工免疫算法求解NB-IoT基站选址模型 |
| 4.3 基于Matlab的人工免疫算法 |
| 4.4 本章小结 |
| 第五章 算例分析 |
| 5.1 算例介绍 |
| 5.2 算例求解 |
| 5.3 本章小结 |
| 第六章 结论及展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 附录1 攻读硕士学位期间撰写的论文 |
| 附录2 Matlab仿真实验的主要代码 |
| 致谢 |
参考文献
| [1] 基于强化学习的人工免疫算法参数优化[J]. 电工材料 2020(06) |
| [2] 人工免疫算法在网络入侵检测中的应用[J]. 吉林省教育学院学报 2019(07) |
| [3] 人工免疫算法在桥梁健康监测中的应用[J]. 重庆理工大学学报(自然科学) 2016(12) |
| [4] 基于双重阈值检测的自适应人工免疫算法研究[J]. 信息与电脑(理论版) 2017(13) |
| [5] 基于人工免疫算法的网络可生存性增强与优化[J]. 科学中国人 2016(33) |
| [6] 一种基于人工免疫算法的温度预报方法[J]. 电脑编程技巧与维护 2018(08) |
| [7] 人工免疫算法的船舶避碰智能策略研究[J]. 舰船科学技术 2016(02) |
| [8] 基于改进人工免疫算法的云计算任务调度[J]. 激光杂志 2014(11) |
| [9] 人工免疫算法在故障诊断中的应用研究[J]. 电脑知识与技术 2009(18) |
| [10] 大数据下的一种人工免疫算法在汽车设备检测中的研究[J]. 科技通报 2019(03) |
| [11] 人工免疫算法在建筑照明改造中的应用[J]. 照明工程学报 2019(02) |
| [12] 改进人工免疫算法的多机协同空战目标分配方法[J]. 西北工业大学学报 2019(02) |
| [13] 基于人工免疫算法的网络安全态势预测[J]. 长春工程学院学报(自然科学版) 2018(01) |
| [14] 利用小波——人工免疫算法对某高压实验大厅进行结构的损伤识别与诊断[J]. 山西电力 2018(04) |
| [15] 改进的人工免疫算法在机床颤振诊断中的应用[J]. 制造技术与机床 2010(03) |
| [16] 基于改进的人工免疫算法的函数优化[J]. 计算机仿真 2008(07) |
| [17] 基于人工免疫算法的软件输出域覆盖测试[J]. 南京大学学报(自然科学) 2018(04) |
| [18] 人工免疫算法在入侵检测中的应用[J]. 微计算机信息 2010(27) |
| [19] 人工免疫算法在引水工程中的应用[J]. 潍坊学院学报 2014(02) |
| [20] 基于人工免疫算法的波长选取在光谱分析中的应用[J]. 计算机工程与设计 2010(10) |
| [21] 一种用于入侵检测的改进人工免疫算法[J]. 计算机工程 2009(18) |
| [22] 一种基于学习型人工免疫算法的股价预测模型[J]. 计算机与现代化 2017(11) |
| [23] 基于改进人工免疫算法的入侵检测算法研究[J]. 软件导刊 2015(12) |
| [24] 人工免疫算法在入侵检测系统中的应用[J]. 电脑知识与技术 2012(16) |
| [25] 基于欧氏距离的人工免疫算法的研究[J]. 黑龙江科技信息 2009(36) |
| [26] 多种群人工免疫算法在多峰函数上的优化[J]. 南昌大学学报(工科版) 2018(03) |
| [27] 自然计算在通信安全中的应用[J]. 信息通信 2017(05) |
| [28] 人工免疫算法及其在多元非线性优化问题中的应用[J]. 铜仁学院学报 2012(03) |
| [29] 人工免疫算法在机械设计中的应用[J]. 煤矿机械 2016(07) |
| [30] 人工免疫算法在空空导弹故障诊断中应用研究[J]. 设备管理与维修 2018(10) |
