本发明属于移动通信，具体涉及一种多目标优化的5g基站布局优化方法。
背景技术：
1、5g通信技术满足了各类新兴应用场景的信号传播需要和速度需要。然而，毫米波的特性导致其遇到阻塞、干扰、穿透和衰减等情况时更易损耗，这使得5g通信基站的有效覆盖范围极其有限。由于5g通信基站超密集异构网络特点、建筑物阻碍毫米波信号传播以及其它相关技术发展的约束，其基站的布局是较为关键的一步。尤其是在遇到多变和复杂的环境时，基站间距离将大幅度缩小。海量且密集化的规模将成为5g基站部署的重要特征。而基站密度的提升必然带来成本的对应攀升。在5g通信基站的空间布局优化设计中，我们面临着一大挑战：如何在确保基站提供高速率、低延迟和大容量服务的同时，维持多变和复杂环境中的有效覆盖范围，并降低建设成本。由于5g基站基数大、覆盖范围多样化，传统的人工规划方法已难以胜任。因此，当前研究的重点转向了利用智能优化决策技术和空间信息技术，结合遗传算法等先进方法，对基站的空间位置布局进行精细化优化。
2、具体而言，这一优化设计的目标是基于可部署位置的空间信息，充分考虑基站的信号传输特性和部署环境的限制，在合理控制基站数量的基础上，追求最优的空间覆盖范围和卓越的通信服务质量。这一问题本质上是一个包含多重约束条件的空间节点选择优化决策问题。而遗传算法的交叉变异机制能够灵活应对5g通信基站在多个不同位置进行选择性布局的需求，确保基站布局方案在信号覆盖范围上达到最佳效果。
技术实现思路
1、为了达到实现保证信号传播覆盖率的同时尽可能减少基站数量的目的，本发明一种多目标优化的5g基站布局优化方法，包括以下步骤：
2、s1、获取5g基站建设规划区的空间数据，建立坐标系如图1所示，基于采样方法和数据模型设置备选基站点的坐标集合c，大小为n，即集合c＝{c1(xc1,yc1),c2(xc2,yc2),...,cn(xcn,ycn)}；
3、s2、将基站布局优化问题转换为适合遗传算法的优化问题，基站选择可以视为基于解决0～1背包问题的动态规划模型，设备选基站数量为n，每个基站的位置状态为xi(i＝1,2,...,n)，其中xi＝1表示选择该位置作为基站，xi＝0表示不选择；
4、s3、单个基站覆盖半径r已确认，可以根据蒙特卡洛原理计算覆盖率，随机选取布局空间范围内m个点的集合
5、k＝{k1(xk1,yk1),k2(xk2,yk2),...,kn(xkm,ykm)}
6、计算每个点k到状态xi＝1的基站点的距离li，当存在li≤r时表示该点在覆盖范围内，覆盖范围内点数量m1与m比值即为覆盖率
7、s4、设置适应度函数为已选择基站数量百分比，计算满足覆盖率个体的编码计算适应度，大小为n的种群中个体位置状态为0的数量n0，则个体适应度值
8、s5、采用多目标优化的遗传算法，利用目标函数之间的pareto支配关系，进化筛选出一组互不支配的解，求解5g基站的优化布局方案；
9、所述步骤s5采用遗传算法求解5g基站的优化布局方案，步骤如下：
10、s51、确定种群大小、交叉变异概率和最大迭代次数，初始化种群；
11、s52、复制出一个操作种群，按照交叉概率对其中的个体进行交叉操作；
12、s53、按照变异概率对步骤s52得到的新种群的个体进行变异操作；
13、s54、合并操作种群与原种群生成大小为2n的新一代种群；
14、s55、计算新一代种群中每个个体的适应度值和覆盖率并进行非支配排序，如果个体p在优化目标覆盖率pcov和适应度值fitness的大小都不小于个体q，并且至少在一个目标上大于个体q，那么就说个体p支配个体q，反之则称个体p被个体q支配，如果个体之间均不满足上述条件，称二者之间为非支配关系，然后根据个体支配其他个体的数量进行排序区分层级，支配数量越多非支配层级越小；
15、s56、根据非支配层级从小到大逐层放入新种群，直到有一层不能完全放入下一代时，计算这一层中所有个体的拥挤度值，并以拥挤度值作为指标从大到小逐个放入下一代种群中直到下一代种群大小为n；
16、s57、拥挤度值计算方法为根据指定个体i在当前层级中的位置，计算包含个体i但是不包含其他个体的最大长方形的周长，拥挤度的加入可以使得到解集中的解尽可能地分散，维持种群的多样性；
17、s58、根据终止条件判断是否终止迭代，并在满足终止条件后输出选址方案合集；
18、s59、解码步骤s58输出的pareto最优解集，根据现场实际情况及需求选择出最终方案。
19、作为优选，所述s51中设置初始种群大小为n，设置交叉操作概率为pcro，变异操作概率为pmut，最大迭代次数为g，随机基站的位置状态xi(i＝1,2,...,n)为0或1，生成一个集合xn＝{x1,x2,...,xn}为一个个体，重复执行n次，生成初始种群。
20、作为优选，所述步骤s52的具体步骤为：
21、s521、首先对复制出的操作种群个体的每个基因随机生成介于0～1之间的浮点数p1用于决定该个体是否参加交叉操作；若p1<pcro，则随机选择新种群中另一个个体进行交叉操作；
22、s522、其次每对进行交叉的个体，随机生成两个0～n之间的自然数r1和r2作为交叉起点和终点，从交换个体中第r1位到第r2位的部分基因产生两个新的子代个体；
23、s523、将交叉操作后的新个体存入操作种群；
24、s524、最后将其余未进行交叉操作的个体存入操作种群。
25、作为优选，所述步骤s53的具体步骤为：
26、s531、对操作种群个体的每个基因随机生成介于0～1之间的浮点数p2，决定每个个体是否参加变异，若p1<pmut，则进行变异操作，否则跳过变异操作；
27、s532、对进行变异操作的个体，随机生成r个0～n之间的自然数，将个体中对应位置的0-1编码进行反转；
28、s533、将变异操作后的新个体存入操作种群；
29、s534、将其余未进行变异操作的个体存入操作种群。
30、作为优选，所述步骤s55计算单个个体的覆盖率和适应度值然后根据覆盖率和适应度值进行非支配排序，确定每个个体的支配层级；种群中每个个体都有两个参数ci和si，其中ci为种群中支配个体i的其他个体的数量，si是被个体i所支配的个体的集合。
31、作为优选，所述步骤s56根据支配层级从上至下选择全部个体放入新种群，直到有一层不能完全放入下一代时，计算这一层中所有个体的拥挤度值，并以拥挤度值作为指标从大到小逐个放入下一代种群中直到下一代种群大小为n。
32、作为优选，所述步骤s57根据个体ni对应的坐标ci(xi,yi)，获取其前后相邻的两个个体坐标ci-1(xi-1,yi-1)和ci+1(xi+1,yi+1)，计算以ci-1和ci+1为对角的长方形的半周长li＝|xi-1-xi+1|+|yi-1-yi+1|即为拥挤度，最两端的个体被认为拥挤度值为正无穷，优先选择进入下一代。
33、作为优选，所述步骤s58设终止条件为算法是否已收敛或者算法是否已达到最大迭代次数，若满足其中任意一个条件，则终止迭代，将适应度值最高的个体作为选址方案输出；否则继续执行直至满足终止条件。
34、与现有技术相比，本发明的优点和积极效果在于：
35、1.优化了基站布局，可以在保证信号覆盖率的同时尽可能减少基站数量，在理论研究的基础上，将基于遗传算法的覆盖面积优化应用于基站布局中，保证产品应用质量，减少基础建设成本。
36、2.覆盖面积优化问题的研究适用于整个基站选址设计，能够高效率、高质量给出设计方案或参考方案，能够快速、准确地解决实际问题，具有很大的现实意义价值。
1.一种多目标优化的5g基站布局优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多目标优化的5g基站布局优化方法，其特征在于，所述s51中设置初始种群大小为n，设置交叉操作概率为pcro，变异操作概率为pmut，最大迭代次数为g，随机基站的位置状态xi(i＝1,2,...,n)为0或1，生成一个集合xn＝{x1,x2,...,xn}为一个个体，重复执行n次，生成初始种群。
3.根据权利要求1所述的一种多目标优化的5g基站布局优化方法，其特征在于，所述步骤s52的具体步骤为：
4.根据权利要求1所述的一种多目标优化的5g基站布局优化方法，其特征在于，所述步骤s53的具体步骤为：
5.根据权利要求1所述的一种多目标优化的5g基站布局优化方法，其特征在于，所述步骤s55计算单个个体的覆盖率和适应度值然后根据覆盖率和适应度值进行非支配排序，确定每个个体的支配层级；种群中每个个体都有两个参数ci和si，其中ci为种群中支配个体i的其他个体的数量，si是被个体i所支配的个体的集合。
6.根据权利要求1所述的一种多目标优化的5g基站布局优化方法，其特征在于，所述步骤s56根据支配层级从上至下选择全部个体放入新种群，直到有一层不能完全放入下一代时，计算这一层中所有个体的拥挤度值，并以拥挤度值作为指标从大到小逐个放入下一代种群中直到下一代种群大小为n。
7.根据权利要求1所述的一种多目标优化的5g基站布局优化方法，其特征在于，所述步骤s57根据个体ni对应的坐标ci(xi,yi)，获取其前后相邻的两个个体坐标ci-1(xi-1,yi-1)和ci+1(xi+1,yi+1)，计算以ci-1和ci+1为对角的长方形的半周长li＝|xi-1-xi+1|+|yi-1-yi+1|即为拥挤度，最两端的个体被认为拥挤度值为正无穷，优先选择进入下一代。
8.根据权利要求1所述的一种多目标优化的5g基站布局优化方法，其特征在于，所述步骤s58设终止条件为算法是否已收敛或者算法是否已达到最大迭代次数，若满足其中任意一个条件，则终止迭代，将适应度值最高的个体作为选址方案输出；否则继续执行直至满足终止条件。
