| 成果名称： |
5G移动通信网络室内分布系统规划建模及快速算法研究 |
| 完成单位： |
广东省电信规划设计院有限公司,香港城市大学,广东工业大学 |
| 研究人员： |
李炯城,张青富,刘海林,李海东,宋林琦,辜方清,唐忠杰,邱景秀,陈磊,袁嘉蔚,杨宁,王伟仲,肖俊荣 |
| 介绍： |
| 本项目在基于PDAS器件类型和天线输出功率限制约束，以最小化PDAS部署成本、天线间输出功率偏差为目标，建立PDAS结构优化模型。为了保证获得可行解方案，提出了一种基于哈夫曼编码思想的编码方式，用该编码方式表示PDAS设计方案，在此基础上提出了5G室内分布系统规划优化算法。 本项目针对高维高代价优化问题，分析了RBF模型和Kriging模型的特性，以及两者分别作为全局模型 和局部模型的优缺点，为后续结合两者长处，开发出一种更高效、更稳健的算法打下了基础。基于对RBF模型和Kriging模型各自特性的分析，提出了一种求解高维高代价问题的全局和局部代理辅助差分进化算法（GL-SADE）。该算法利用所有样本训练一个全局RBF模型，并借助全局RBF模型的最优解来加速收敛；同时，该算法利用局部Kriging模型和动态权重的LCB选择标准对搜索空间进行探索，避免陷入局部最优。当局部搜索找到比数据库中所有数据更优的解时，该算法通过执行奖励搜索策略来进一步开发局部Kriging模型的预测能力。实验结果表明，该算法可与现有的三种算法相媲美或优于现有的三种算法，并且对不同维度的问题具有较好的自适应能力。 此外，针对另一类特殊的高代价问题——多目标双层优化问题，本项目通过条件生成对抗网络（cGANs）来逼近多目标双层优化问题中潜在的集值映射，进而提出一种条件生成对抗网络辅助的多目标双层优化算法(cGMBOA)，并进行相关实验研究。具体思想是把下层任务的最优解看作是服从下层任务的帕累托最优解集（PS）的分布的样本，使用cGANs逼近多目标双层优化问题中从上层向量到下层PS的集值映射，通过向cGANs的生成器能输入上层向量和高斯噪声，生成对应近似的下层PS。为避免cGANs的产生的种群缺乏多样性，采用一种自适应多种群策略。该策略根据前一代cGANs产生的子代的质量自适应地调整cGANs产生的子代数量，通过cGANs和自适应多种群策略，能够使得cGMBOA算法节省下层函数评估次数，达到快速求解的目的。 |
|
| 登记号： |
|
| 登记日期： |
2024/4/17 |
| 研究起止时间： |
2021-01-01至2022-12-31 |
| 成果应用行业： |
信息传输、计算机服务和软件业 |
| 高新科技领域： |
电子信息 |
| 学科分类： |
|
| 鉴定单位： |
广东省科学技术厅 |
| 评价日期： |
2023/12/27 |
| 登记办理状态： |
公示中 |
|
