克隆选择算法改进研究及其在3G基站选址中的应用

摘要

人工免疫算法是受人体免疫学启发而发展起来的进化计算方法，因其算法模型简单、易于实现、收敛速度快等优点，现已广泛应用于科学研究和工程应用领域。而随着待解决的优化问题复杂度增大，人工免疫算法本身也存在着诸如收敛精度低、后期收敛速度慢以及对大规模复杂问题易陷入局部最优而导致早熟收敛等缺陷。因此，对算法进行改进研究并应用于复杂工程优化问题具有重要的理论意义和实际价值。
　　 基本克隆选择算法中其克隆选择的评价尺度是抗体的亲和度，很容易将潜在的优秀抗体抛弃，但是这些优秀抗体对全局搜索却能起到非常重要的作用。鉴于此，本文提出了一种面向多模态函数优化的回溯克隆选择算法(BCSA)。其基本思想是:采用改进回溯机制和记忆库抗体抑制策略，保持抗体的多样性，以增强算法的全局搜索能力;通过对动态变异、选择与交叉操作的改进以加快算法的收敛速度。典型的多模态函数测试结果表明，该算法能够有效避免陷入局部最优，准确搜索到多模态函数的多个全局极值点。
　　 针对基本克隆选择算法优化复杂函数性能欠佳问题，本文在分析其原理和改进思路的基础上，为了克服算法的早熟收敛和进化后期收敛速度慢等缺陷，先对抗体的初始化方法进行改进，采用混沌反学习初始化方法，扩大了算法的搜索空间，改善了算法的全局收敛速度;然后利用人工蜂群搜索算子较强的探索能力，在进化后期对种群进行引导以帮助算法快速跳出局部最优点，从而避免算法早熟收敛。12个标准函数测试结果表明，该改进算法收敛速度较快、求解精度高，全局搜索能力强。
　　 3G基站选址是网络建设的关键环节，针对已有3G基站选址优化算法的不足和TD-SCDMA网络的特点，本文提出了一种基于克隆选择算法的TD-SCDMA网络基站选址优化方案。建立了基站选址问题描述和数学模型，设计了基于反学习的种群初始化方案和精英交叉策略，给出了免疫优化算法框架。实验结果表明，该算法不仅能够以较小的建站代价获得较高的网络覆盖率，即规划方案性价比高，而且算法具有较好的收敛性。

目录

声明

摘要

插图索引

附表索引

第1章 绪论

1．1 引言

1．2 人工免疫系统

1．2．1 人工免疫系统的概念

1．2．2 人工免疫系统研究内容

1．2．3 人工免疫系统国内外研究现状

1．3 无线网络规划概述

1．3．1 移动通信技术的发展

1．3．2 无线网络规划的概念

1．3．3 TD-SCDMA无线网络规划的目标

1．3．4 TD-SCDMA网络基站规划的意义

1．4 本文研究目的及内容

1．5 论文结构与章节安排

第2章 人工免疫算法概述

2．1 免疫学的基本理论

2．1．1 免疫的基本概念

2．1．2 免疫系统组成及其功能

2．2 AIS中的免疫机理

2．3 人工免疫算法

2．3．1 人工免疫算法的一般研究框架

2．3．2 人工免疫算法的基本框架

2．4 主要人工免疫算法

2．4．1 阴性选择算法

2．4．2 克隆选择算法

2．4．3 免疫网络算法

2．5 人工免疫算法的应用

2．6 小结

第3章 回溯克隆选择算法

3．1 引言

3．2 回溯机制及回溯方法的改进

3．3 基于回溯机制的改进克隆选择算法

3．4 回溯克隆选择算法步骤及流程

3．5 仿真实验及结果分析

3．5．1 实验函数与参数设置

3．5．2 实验结果及其分析

3．6 小结

第4章 融合蜂群搜索的差分克隆选择算法

4．1 引言

4．2 人工蜂群算法与差分进化算法

4．2．1 人工蜂群算法

4．2．2 差分进化算法

4．3 改进克隆选择算法设计

4．3．1 基于混沌反学习的种群初始化

4．3．2 蜂群搜索策略

4．3．3 相关操作算子

4．3．4 算法流程

4．4 仿真实验及结果分析

4．5 小结

第5章 TD-SCDMA网络基站选址优化

5．1 引言

5．2 TD-SCDMA网络基站选址优化问题

5．2．1 TD-SCDMA网络基站选址的困难及其原则

5．2．2 相关问题描述

5．2．3 基站选址问题的数学模型

5．3 基于改进克隆选择算法的基站选址优化

5．4 改进算法步骤

5．5 仿真实验与结果分析

5．6 小结

结论

参考文献

致谢

附录A 攻读学位期间发表与完成的学术论文

附录B 攻读学位期间参与的科研课题