具有自优化功能的SON网络模型研究毕业设计论文

第二节主要讲的是通过电磁波在自有空间中的传播理论，分析了对网络容量影响的因素，根据这个对网络容量进行建模。

后面又分析了基站分配给各个用户时发射功率时所产生的能耗，因此，建立节能的模型。

最后，引入了实时业务量的控制变量，来分析不同场景下优化目标的选取，从而建立了最终的自优化模型。

重庆邮电大学自考毕业设计论文第四章自优化网络模型仿真分析通过前章的对自组织网络中的功率优化进化问题建立相应的数学模型，分析结果得出，它是目标函数而不是凸函数，因此简单的迭代方法，如最速下降算法，双线性变换算法以及共轭梯度算法就不能很好的解决自优化这个问题。

那么怎样避免在求解过程中陷入局部最优这个问题，就成为求解该数学模型算法选择的个重要考虑因素。

通过已有文献证明，人工鱼群算法是解决局部最优问题的最好方法。

第节人工鱼群算法人工鱼群算法的介绍人工鱼群算法，是李晓磊等人于年在对动物群体智能行为研究的基础上提出的种新型仿生优化算法，该算法根据水域中鱼生存数目最多的地方般就是本水域中富含营养物质最多的地方这特点模仿鱼群的觅食行为而实现寻优。

人工鱼群算法主要利用鱼的三大基本行为觅食聚群和追尾行为，采用自上而下的寻优模式从构造个体的底层行为开始，通过鱼群中各个体的局部寻优，达到全局最优值在群体中突现出来的目的。

二人工鱼群算法的思想经过漫长的自然界的优胜劣汰，动物在进化过程中，形成了形形色色的觅食和生存方式，这些方式为人类解决问题带来了不少鼓舞和启发。

动物个体的智能般不具备人类所具有的综合判断能力和复杂逻辑推理能力，是通过个体或群体的简单行为而突现出来的。

在本章中我们可以通过模仿鱼群的聚群觅食和追尾等行为，从而实现全局最优，这就是我们所介绍的鱼群算法的基本思想。

三人工鱼群的算法人工鱼群算法就是种基于动物行为的自治体寻优模式，它是基于鱼类的生重庆邮电大学自考毕业设计论文活动特点构建起来的新型智能仿生算法。

通过观察可以知道鱼类有如下的几种行为觅食行为聚群行为追尾行为随机行为。

这几种鱼类的行为对解决本章问题有着紧密的关系。

因此，采用何种简便且有效的方式来构造和实现这些鱼群的行为将是算法实施的主要问题。

算法的基本概念假设在个维的目标搜索空间中，有条组成的个群体的人工鱼，每天人工鱼个体的状态可表示为向量，，其中，为欲寻优的变量人工鱼当前所在位置的食物浓度表示，其中为目标函数为拥挤度因子，为人工鱼移动步长，人工鱼个体间距离表示为，表示人工鱼每次觅食最大试探次数，表示人工鱼的感知范围见图。

图人工鱼的视野和步长算法的优点具备全局寻优能力，能快速跳出局部极值点。

只需比较目标函数值，对目标函数的性质要求不高。

对参数设定的要求不高，容许范围大。

初值可随机产生或设为固定值，即对初值的要求不高，。

具备并行处理能力，寻优速度较快。

算法的行为描述随机行为指人工鱼在视野内随机移动，它们旦发现食物，就会快速的向重庆邮电大学自考毕业设计论文着食物逐渐增多的方向移动。

觅食行为指人工鱼游向食物多的地方的种行为，人工鱼在其视野内随机选择个状态，然后分别对它们的目标函数值进行计算和比较，如果发现比优，则向的方向移动步否则，继续在其视野内选择状态，判断是否满足前进条件，反复尝试次后，仍没有满足前进条件，则随机移动步使到达个新的状态。

聚群行为人工鱼为了保证它们自身的生存和躲避危害，所以它们会在游动过程中自然地聚集成群。

鱼在聚群时需要遵守三条规则分割规则尽量避免与临近伙伴过于拥挤对准规则尽量与临近伙伴的平均方向致内聚规则尽量朝临近伙伴的中心移动。

人工鱼收索其视野内的伙伴数目及中心位置，若，表明伙伴中心位置状态较优且不太拥挤，则朝伙伴的中心位置移动步，否则执行觅食行为。

追尾行为追尾行为是指人工鱼在它们的可视区域内移向最优方向的种行为。

人工鱼搜索其视野内所有伙伴中的函数最优伙伴，如果，就说明最优伙伴的周围不太拥挤，则朝此伙伴移动步，否则执行觅食行为。

公告板公告板是记录最优人工鱼个体状态的地方。

每条人工鱼在执行完次迭代后将自身当前状态与公告板中记录的状态进行比较，如果由于公告板中的状态则用自身状态更新公告班中的状态，否则公告板的状态不变。

当整个算法的迭代结束后，输出公告板的值，就是我们所求的最优值。

鉴于以上描述的人工鱼群行为，每条人工鱼探索它当前所处的环境状况和伙伴的状况，从而选择种行为来实际执行，最终几个局部极值周围将集结不同数量的人工鱼。

但是往往在讨论极大值问题的时候，般在极值较大的极值域周围拥有较大适应值的人工鱼，这有助于获取全局极值域，而往往更多的人工鱼将会集结在值较大的极值区域周围，这将有助于判断并获取全局极值。

人工鱼群算法具体的步骤如下确定种群规模，在变量可行域内随机生成个个体，设定人工鱼的可视域，步长，拥挤度因子，尝试次数。

计算初始鱼群各个个体适应值，取最优人工鱼状态及其值赋给公告板。

个体通过觅食，聚群，追尾行为更新自己，生成新鱼群。

评价所有个体。

若个体由于公告板，则将公告板更新为该个体。

当公告板上最优解达到满意误差界内，算法结束，否则转。

根据本章实际的仿真需求，对人工鱼群算法做了如下具体设计鱼群的每个个体表示个候选的解决方案，在这，我们可设组各个用户的功率初值，即重庆邮电大学自考毕业设计论文相当于条鱼，当搜索开始后，首先根据搜索空间的大小确定鱼群的中心位置，随机产生鱼群中的个体。

然后进行追尾活动，每条鱼都查看在自己可视域范围内即距离小于，根据搜索空间的大小而定，在本章中设为的其他鱼，从中找到效应函数值最大的个，其效应函数值记为，周围可视域内的其他个体数量记为，若为拥挤度因子，此处取，则表明周围食物较多且不太拥挤，这时就向靠近。

追尾活动若不成功，则进行聚群行为，每条鱼都先找出自己周围可视域内的其他鱼，形成个小鱼群，然后找出这群鱼的中心点，接着采用和前面相同方法查看中心点的食物是否拥挤是否较多，然后根据这个判断决定是否向中心点靠近。

如果人工鱼聚群失败就进行觅食活动，则鱼随机从自身取出内的组功率值，对其进行变化产生个新的状态，若新状态优于原状态则向新状态移动，否则就再次进行觅食活动，重复最大迭代次数视搜索空间大小而定，此处设为后如果还是没有找到更优的状态则及进行随机移动。

算法中设有公告板，每次搜索完成后公告板同鱼群中最优的个体进行比较，若此个体优于公告板则更新公告板。

算法在下三种情况下结束搜索时间达到规定的最大搜索时间搜索次数达到规定的最大搜索次数公告板达到效应函数最大的要求。

整个算法的流程图见图。

重庆邮电大学自考毕业设计论文初始化条人工鱼，初始化公告板信息，对第条人工鱼试探追尾有进步对第条人工鱼试探聚群执行追尾计算适应值，与公告板比较比公告板优更新公告板有进步执行觅食聚群计算适应值，与公告板比较计算适应值，与公告板比较比公告板优比公告板优更新公告板更新公告板达到最大迭代次数或是满足其他终止条件输出结果，结束图人工鱼群算法流第二节仿真软件的介绍在不管是在数值计算方面还是在数学类科技应用软件方面都是被人赞不绝口的。

它主要在控制设计图像处理工程计算信号处理等领域进行运用。

当然，它也可以进行绘制函数和数据创建用户界面矩阵运算等。

所以和并称为三大数学软件。

语言最大的特点是简单和直接，它主要有如下四个主要特点重庆邮电大学自考毕业设计论文编程效率高。

的思维方式比等语言的思维方式更加浅显易懂，它不仅可以使用数学形式的语言来编写程序，而且也是种面向科学与工程计算的高级语言。

用户使用方便。

语言在编写程序方面与其他程序语言的编写有很大的不同，般程序语言的编写都要有顺序的经过编辑编译连接执行和调试这四个步骤，这使得编程过程非常繁琐，而语言较好的解决了上述问题，它将编辑编译链接和执行绑定在了起，同时语言有丰富的调试程序手段，并且其调试速度快。

它也是种解释执行的语言，需要学习时间少，可以认为语言在编程和调试的过程中比还要简单。

高效方便的矩阵和数组运算。

语言跟大多数程序语言样规定了矩阵的条件运算符逻辑运算符关系运算符和算术运算符，但是与其他语言的不同之处在于中的运算符基本上都可以原封不动在数组间进行运算，比如我们只需要在算术运算符增加个符号就可用于数组间的运算了。

其次，它在不定义数组的维数的情况下给出特殊矩阵专门的库函数和矩阵函数，这让它在解决优化系统识别信号处理建模控制等领域的问题时就表现出大大的高效简捷和方便，这就是语言比其他高级语言的高明之处。

方便的绘图功能。

与其他编程语言不同的是软件有方便的绘图功能，它只需要条用不同的绘图函数如对数坐标线性函数和极坐标等，并且所绘制图形上的解释也只需调用相应命令如轴标注格绘制和标出图形标题等，这使得其绘图变的非常简单与方便。

其次，为了使所画图形更加美化易懂，我们可以在调用绘图函数时调整自变量，从而可绘出不变颜色的线点或复线。

设计的这种强大绘图功能是通用的编程语言所不能及的。

正是由于有上述强大的绘图功能高效的矩阵计算和高效的编程效率等优点，所以本章以为仿真平台，对网络的自优化功能进行仿真，并对其仿真进行分析。

第三节仿真与分析仿真设置在仿真分析中，设定了个基站和个移动用户，分布在个椭圆形的区域内见图。

其中基站的位置为个移动用户的位置由其横纵坐标决定，而每个移动用户的横坐标和纵坐标都是在到千米之间以均匀分布的随机函数产生，设信号在理想的自由空间中传播，信号的波长为。

重庆邮电大学自考毕业设计论文图小区中随机用户分布图对于网络中个移动用户的情况，在仿真中设定人工鱼数量为，即相当于我们开始就随机设定个初值，且各个初值里的元素都是以均匀分布的随机函数所产生的在到之间个元素，上行链路中，各个用户