跟蹤區(qū)優(yōu)化劃分方法和裝置制造方法
【專利摘要】本發(fā)明公開了一種跟蹤區(qū)優(yōu)化劃分方法與裝置，先將用戶成本和基站成本中任一個作為目標(biāo)函數(shù)，另一個作為約束條件，根據(jù)目標(biāo)函數(shù)和約束條件對跟蹤區(qū)/跟蹤區(qū)列表進(jìn)行數(shù)學(xué)建模；然后從空間和時間兩個維度上對用戶進(jìn)行聚類分析，通過位置相關(guān)和時間相關(guān)兩類用戶的特性來獲取數(shù)學(xué)模型的啟發(fā)式信息；再運(yùn)用遺傳算法求解數(shù)學(xué)模型的解；最后根據(jù)所獲得的數(shù)學(xué)模型的解進(jìn)行跟蹤區(qū)優(yōu)化劃分。本發(fā)明在尋呼成本、跟蹤區(qū)更新成本和跟蹤區(qū)重構(gòu)成本三者之間達(dá)到了均衡；對用戶進(jìn)行預(yù)測聚類分析，使獲得的結(jié)果更加貼近實(shí)際，具有很好的工程應(yīng)用價值；運(yùn)用遺傳算法可以快速求解出數(shù)學(xué)模型的最優(yōu)解，同時確保解的準(zhǔn)確性，適合實(shí)際應(yīng)用。
【專利說明】跟蹤區(qū)優(yōu)化劃分方法和裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及網(wǎng)絡(luò)優(yōu)化【技術(shù)領(lǐng)域】，特別是涉及一種跟蹤區(qū)優(yōu)化劃分方法和裝置。
【背景技術(shù)】
[0002]隨著中國4G LTE網(wǎng)絡(luò)商用牌照的發(fā)放，TD-LTE網(wǎng)絡(luò)的規(guī)劃與建設(shè)已經(jīng)如火如荼地開展。在TD-LTE網(wǎng)絡(luò)中，數(shù)據(jù)業(yè)務(wù)服務(wù)預(yù)計(jì)會大幅度的增加，同時，更加強(qiáng)調(diào)用戶的移動性管理和服務(wù)質(zhì)量。這一切都使得4G LTE移動通信網(wǎng)絡(luò)系統(tǒng)的設(shè)計(jì)和優(yōu)化面臨巨大的挑戰(zhàn)。
[0003]與3G 中位置區(qū)(Location Area, LA) / 路由區(qū)(Routing Area, RA)的概念相類似，跟蹤區(qū)(Tracking Area, TA)是LTE網(wǎng)絡(luò)中核心網(wǎng)引入的概念，屬于用戶設(shè)備(UserEquipment, UE)漫游的最小顆粒，用于核心網(wǎng)移動性管理實(shí)體(Mobility ManagementEntuty1MME)側(cè)對UE的跟蹤和快速尋呼管理。TA是一簇小區(qū)的集合，用跟蹤區(qū)域標(biāo)示(Tracking Area Index, TAI)進(jìn)行標(biāo)識。在用戶側(cè),不同的用戶在激活LTE網(wǎng)絡(luò)注冊的時候，均會獲得一個跟蹤區(qū)列表(Tracking Area List, TA List)。TA List里面是兩層分布結(jié)構(gòu)，一般包含一組TA，同時，一個TA里面包含一組小區(qū)。一個簡易的TA List模型如圖1所示。單個小區(qū)只能屬于一個TA，但同一個基站下面的小區(qū)可以屬于不同的TA。
[0004]TA/TA List的設(shè)定和劃分，其主要作用體現(xiàn)在當(dāng)UE移動漫游的時候，核心網(wǎng)可以依據(jù)TA/TA List對UE進(jìn)行快速定位。當(dāng)UE有尋呼請求時，核心網(wǎng)會向TA List里面所有的小區(qū)發(fā)出尋呼信息，UE必然會屬于其中一個小區(qū)內(nèi)，收到尋呼信息后就能知UE具體的位置。與傳統(tǒng)的UE始終處于激活狀態(tài)，需要頻繁的進(jìn)行信令交互相比，TA/TA List的設(shè)置可以有效地減小信令的開銷，同時也能快速完成對UE的尋呼定位。
[0005]當(dāng)UE在核心網(wǎng)注冊激活的時候，核心網(wǎng)會為其分配一組TA List。當(dāng)UE移動超出TA List的范圍的時候，UE需要讀取系統(tǒng)的廣播信息，獲得核心網(wǎng)的MME為該小區(qū)配置的TAList,并申請發(fā)起跟蹤區(qū)更新(Tracking List Update, TAU)過程。當(dāng)UE發(fā)起TAU過程后，MME會為UE重新分配當(dāng)前UE所駐留的小區(qū)的TA List。TAU過程本身會產(chǎn)生信令交互。
[0006]在TA/TA List設(shè)置的過程中，TA和TA List的規(guī)模要適宜，若是設(shè)定規(guī)模太大，包含較多的TA和小區(qū)，則會造成在核心網(wǎng)尋呼定位的時候?qū)ず暨^載，導(dǎo)致尋呼成功率下降；尋呼時間過長也會消耗UE的電池能量，造成UE本身續(xù)航時間不長。但同時，TA List的規(guī)模設(shè)置過小的話，會造成UE側(cè)的TAU過于頻繁，加重MME的負(fù)擔(dān)，達(dá)不到TA list設(shè)定的為了減小信令開銷的目的。此外，對TA的邊界要盡量做到有規(guī)則，不應(yīng)讓UE頻繁的進(jìn)行TAList更新，盡量以市區(qū)中的山體、河流等作為TA的邊界。若是UE大規(guī)模的頻繁移動，可以會導(dǎo)致TA重構(gòu)，即小區(qū)自身的TA配置發(fā)生改變，這對于小區(qū)內(nèi)所有的UE的服務(wù)來說，TA重構(gòu)會帶來系統(tǒng)時延，這會使得UE產(chǎn)生TA重置的代價。例如，當(dāng)UE使用的是對時延非常敏感的服務(wù)(視頻通話、語音服務(wù)等)的時候，TA重構(gòu)會對服務(wù)質(zhì)量產(chǎn)生嚴(yán)重的影響。
[0007]關(guān)于TA/TA List劃分現(xiàn)有的技術(shù)方案有:基于運(yùn)動模型的自組織TA List劃分算法，在該技術(shù)方案中，作者用馬爾科夫鏈對UE的移動進(jìn)行建模，并對用戶的移動趨勢進(jìn)行預(yù)測，根據(jù)用戶的移動對系統(tǒng)的TA list進(jìn)行更新?；趫D劃分模型的TA劃分算法，在該技術(shù)方案中，作者將TA規(guī)劃建模成一個圖劃分問題，用圖中的節(jié)點(diǎn)作為小區(qū)內(nèi)用戶的尋呼量，將圖中的每一條邊作為小區(qū)之間移動的用戶數(shù)量，最終通過運(yùn)用現(xiàn)有的圖劃分算法對其進(jìn)行求解。
[0008]基于運(yùn)動模型的自組織TA List劃分算法，其主要特點(diǎn)在于使用馬爾科夫鏈對UE的移動趨勢做出預(yù)測，在得到一個初步的TA List之后，逐步對其進(jìn)行優(yōu)化更新，其使用馬爾科夫鏈需要預(yù)先知道每一步用戶具體狀態(tài)的跳變概率，這在模型中是假設(shè)用戶已知，但這并與實(shí)際并不相符合，使得本身并不能完整的對用戶的移動進(jìn)行合理的建模，且該TA規(guī)劃本身是漸變式的，通過用戶的移動隨著時間逐漸改進(jìn)，在實(shí)際中，用戶的移動會改變TA內(nèi)的總體用戶數(shù)和用戶的尋呼量，直接用馬爾科夫鏈進(jìn)行建模，并不能體現(xiàn)這種變化。基于圖劃分模型的TA規(guī)劃方法，其將TA劃分問題建模成圖劃分問題，這會帶來大量的計(jì)算量，計(jì)算復(fù)雜度過大，使得其并不能直接指導(dǎo)工程設(shè)計(jì)工作。

【發(fā)明內(nèi)容】

[0009]基于上述情況，本發(fā)明提出了一種跟蹤區(qū)優(yōu)化劃分方法，計(jì)算簡單，結(jié)果準(zhǔn)確，與實(shí)際情況相符，具有很好的工程應(yīng)用價值。
[0010]為了實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案為:
[0011]一種跟蹤區(qū)優(yōu)化劃分方法，包括以下步驟:
[0012]將用戶成本和基站成本中任一個作為目標(biāo)函數(shù)，另一個作為約束條件，根據(jù)所述目標(biāo)函數(shù)和約束條件對跟蹤區(qū)/跟蹤區(qū)列表進(jìn)行數(shù)學(xué)建模，所述用戶成本包括跟蹤區(qū)更新成本與尋呼成本，所述基站成本包括跟蹤區(qū)重構(gòu)成本；
[0013]從空間和時間兩個維度上對用戶進(jìn)行聚類分析，通過位置相關(guān)和時間相關(guān)兩類用戶的特性來獲取數(shù)學(xué)模型的啟發(fā)式信息，所述啟發(fā)式信息包括數(shù)學(xué)模型中未知參數(shù)的值；
[0014]基于所獲取的數(shù)學(xué)模型的啟發(fā)式信息，運(yùn)用遺傳算法求解數(shù)學(xué)模型的解，所述數(shù)學(xué)模型的解包括小區(qū)與跟蹤區(qū)之間的關(guān)系；
[0015]根據(jù)所獲得的數(shù)學(xué)模型的解進(jìn)行跟蹤區(qū)優(yōu)化劃分。
[0016]針對現(xiàn)有技術(shù)問題，本發(fā)明還提出了一種跟蹤區(qū)優(yōu)化劃分裝置，進(jìn)行便捷準(zhǔn)確地跟蹤區(qū)劃分，符合實(shí)際情況，適合應(yīng)用。
[0017]具體實(shí)現(xiàn)方式為:一種跟蹤區(qū)優(yōu)化劃分裝置，包括:
[0018]數(shù)學(xué)建模模塊，用于將用戶成本和基站成本中任一個作為目標(biāo)函數(shù)，另一個作為約束條件，根據(jù)所述目標(biāo)函數(shù)和約束條件對跟蹤區(qū)/跟蹤區(qū)列表進(jìn)行數(shù)學(xué)建模，所述用戶成本包括跟蹤區(qū)更新成本與尋呼成本，所述基站成本包括跟蹤區(qū)重構(gòu)成本；
[0019]聚類分析模塊，用于從空間和時間兩個維度上對用戶進(jìn)行聚類分析，通過位置相關(guān)和時間相關(guān)兩類用戶的特性來獲取數(shù)學(xué)模型的啟發(fā)式信息，所述啟發(fā)式信息包括數(shù)學(xué)模型中未知參數(shù)的值；
[0020]求解模塊，基于所獲取的數(shù)學(xué)模型的啟發(fā)式信息，運(yùn)用遺傳算法求解數(shù)學(xué)模型的解，所述數(shù)學(xué)模型的解包括小區(qū)與跟蹤區(qū)之間的關(guān)系；
[0021]優(yōu)化劃分模塊，用于根據(jù)所獲得的數(shù)學(xué)模型的解進(jìn)行跟蹤區(qū)優(yōu)化劃分。
[0022]與現(xiàn)有技術(shù)相比，本發(fā)明的有益效果為:本發(fā)明跟蹤區(qū)優(yōu)化劃分方法與裝置，先將用戶成本和基站成本中任一個作為目標(biāo)函數(shù)，另一個作為約束條件，根據(jù)所述目標(biāo)函數(shù)和約束條件對跟蹤區(qū)/跟蹤區(qū)列表進(jìn)行數(shù)學(xué)建模，用戶成本包括跟蹤區(qū)更新成本與尋呼成本，基站成本包括跟蹤區(qū)重構(gòu)成本；然后從空間和時間兩個維度上對用戶進(jìn)行聚類分析，通過位置相關(guān)和時間相關(guān)兩類用戶的特性來獲取數(shù)學(xué)模型的啟發(fā)式信息，啟發(fā)式信息包括數(shù)學(xué)模型中未知參數(shù)的值；再基于所獲取的數(shù)學(xué)模型的啟發(fā)式信息，運(yùn)用遺傳算法求解數(shù)學(xué)模型的解，數(shù)學(xué)模型的解包括小區(qū)與跟蹤區(qū)之間的關(guān)系；最后根據(jù)所獲得的數(shù)學(xué)模型的解進(jìn)行跟蹤區(qū)優(yōu)化劃分。使用本發(fā)明的技術(shù)后，在尋呼成本、跟蹤區(qū)更新成本和跟蹤區(qū)重構(gòu)成本三者之間達(dá)到了均衡；對用戶進(jìn)行預(yù)測聚類分析，使獲得的結(jié)果更加貼近實(shí)際，具有很好的工程應(yīng)用價值；運(yùn)用遺傳算法可以快速求解出數(shù)學(xué)模型的最優(yōu)解，同時確保解的準(zhǔn)確性，適合應(yīng)用。
【專利附圖】

【附圖說明】
[0023]圖1為一個實(shí)施例中跟蹤區(qū)列表模型的結(jié)構(gòu)示意圖；
[0024]圖2為一個實(shí)施例中跟蹤區(qū)優(yōu)化劃分方法的流程示意圖；
[0025]圖3為一個實(shí)施例中用戶在時間和空間兩個維度上的聚類示意圖；
[0026]圖4為一個實(shí)施例中運(yùn)用遺傳算法求解出數(shù)學(xué)模型的最優(yōu)解的流程示意圖；
[0027]圖5為一個實(shí)施例中跟蹤區(qū)優(yōu)化劃分裝置的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0028]為使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對本發(fā)明進(jìn)行進(jìn)一步的詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的【具體實(shí)施方式】僅僅用以解釋本發(fā)明，并不限定本發(fā)明的保護(hù)范圍。
[0029]一個實(shí)施例中跟蹤區(qū)優(yōu)化劃分方法，如圖2所示，所述方法包括:
[0030]步驟SlOl:將用戶成本和基站成本中任一個作為目標(biāo)函數(shù),另一個作為約束條件，根據(jù)所述目標(biāo)函數(shù)和約束條件對跟蹤區(qū)/跟蹤區(qū)列表進(jìn)行數(shù)學(xué)建模，所述用戶成本包括跟蹤區(qū)更新成本與尋呼成本，所述基站成本包括跟蹤區(qū)重構(gòu)成本；
[0031]步驟S102:從空間和時間兩個維度上對用戶進(jìn)行聚類分析，通過位置相關(guān)和時間相關(guān)兩類用戶的特性來獲取數(shù)學(xué)模型的啟發(fā)式信息，所述啟發(fā)式信息包括數(shù)學(xué)模型中未知參數(shù)的值；
[0032]步驟S103:基于所獲取的數(shù)學(xué)模型的啟發(fā)式信息，運(yùn)用遺傳算法求解數(shù)學(xué)模型的解，所述數(shù)學(xué)模型的解包括小區(qū)與跟蹤區(qū)之間的關(guān)系；
[0033]步驟S104:根據(jù)所獲得的數(shù)學(xué)模型的解進(jìn)行跟蹤區(qū)優(yōu)化劃分。
[0034]從以上描述可知，本方法將跟蹤區(qū)劃分問題歸結(jié)為目標(biāo)函數(shù)和約束條件的規(guī)劃問題，從時間和空間兩個維度上對用戶進(jìn)行聚類分析，以此來獲得啟發(fā)式信息來輔助優(yōu)化求解，同時，利用遺傳算法對模型進(jìn)行快速求解，具有較好的工程應(yīng)用價值。
[0035]作為一個實(shí)施例，所述將用戶成本和基站成本中任一個作為目標(biāo)函數(shù)，另一個作為約束條件，根據(jù)所述目標(biāo)函數(shù)和約束條件對跟蹤區(qū)/跟蹤區(qū)列表進(jìn)行數(shù)學(xué)建模，所述用戶成本包括跟蹤區(qū)更新成本與尋呼成本，所述基站成本包括跟蹤區(qū)重構(gòu)成本的具體步驟包括:[0036]將跟蹤區(qū)更新成本最小化與尋呼成本最小化進(jìn)行組合作為目標(biāo)函數(shù):
【權(quán)利要求】
1.一種跟蹤區(qū)優(yōu)化劃分方法，其特征在于，包括以下步驟: 將用戶成本和基站成本中任一個作為目標(biāo)函數(shù)，另一個作為約束條件，根據(jù)所述目標(biāo)函數(shù)和約束條件對跟蹤區(qū)/跟蹤區(qū)列表進(jìn)行數(shù)學(xué)建模，所述用戶成本包括跟蹤區(qū)更新成本與尋呼成本，所述基站成本包括跟蹤區(qū)重構(gòu)成本； 從空間和時間兩個維度上對用戶進(jìn)行聚類分析，通過位置相關(guān)和時間相關(guān)兩類用戶的特性來獲取數(shù)學(xué)模型的啟發(fā)式信息，所述啟發(fā)式信息包括數(shù)學(xué)模型中未知參數(shù)的值； 基于所獲取的數(shù)學(xué)模型的啟發(fā)式信息，運(yùn)用遺傳算法求解數(shù)學(xué)模型的解，所述數(shù)學(xué)模型的解包括小區(qū)與跟蹤區(qū)之間的關(guān)系； 根據(jù)所獲得的數(shù)學(xué)模型的解進(jìn)行跟蹤區(qū)優(yōu)化劃分。
2.根據(jù)權(quán)利要求1所述的跟蹤區(qū)優(yōu)化劃分方法，其特征在于，所述將用戶成本和基站成本中任一個作為目標(biāo)函數(shù)，另一個作為約束條件，根據(jù)所述目標(biāo)函數(shù)和約束條件對跟蹤區(qū)/跟蹤區(qū)列表進(jìn)行數(shù)學(xué)建模，所述用戶成本包括跟蹤區(qū)更新成本與尋呼成本，所述基站成本包括跟蹤區(qū)重構(gòu)成本的具體步驟包括: 將跟蹤區(qū)更新成本最小化與尋呼成本最小化進(jìn)行組合作為目標(biāo)函數(shù):minZ Σ (c MiM-.Kij) + acPuiKij) ’其中i，j表示小區(qū)的編號,N表示小區(qū)總的集合；cu表
/eA /eiV, 1Φ1示單個用戶跟蹤區(qū)更新成本;MU表示從小區(qū)i移動到小區(qū)j的用戶個數(shù)；α表示單個小區(qū)內(nèi)用戶的尋呼率；cp表示單個用戶尋呼成本；Ui表示小區(qū)i的用戶總個數(shù)；KU表示單個跟蹤區(qū)下小區(qū)i與小區(qū)j的關(guān)系； 確定小區(qū)i與跟蹤區(qū)I的關(guān)系各G“ =1 ’ Z.eiV’其中N表示小區(qū)總的集合，I e L，L



IeL表示跟蹤區(qū)總的集合，Gil表示小區(qū)i與跟蹤區(qū)I的歸屬關(guān)系； Kij 與 Gil 的關(guān)系=GiJGjl-1 ( Kij ；Κ^.+6α-1 ( Gjl, i，j e N，I e L，其中 N表示小區(qū)總的集合，L表示跟蹤區(qū)總的集合，Gil表示小區(qū)i與跟蹤區(qū)I的歸屬關(guān)系，Gjl表示小區(qū)j與跟蹤區(qū)I的歸屬關(guān)系，Kij表示單個跟蹤區(qū)下小區(qū)i與小區(qū)j的關(guān)系； 小區(qū)1、小區(qū)j與小區(qū)η的關(guān)系:!^.+Kjn-Kin= I, i, j, n e N, i ^ j ^ η,其中N表示小區(qū)總的集合，Ku表示單個跟蹤區(qū)下小區(qū)i與小區(qū)j的關(guān)系，K#表示單個跟蹤區(qū)下小區(qū)j與小區(qū)η的關(guān)系，Kin表示單個跟蹤區(qū)下小區(qū)i與小區(qū)η的關(guān)系； 將跟蹤區(qū)重構(gòu)成本作為約束條件:Σ"α —乂單個時隙內(nèi)一個小區(qū)內(nèi)用戶的跟蹤區(qū)重構(gòu)成本要低于預(yù)定值B，其中Ui表示小區(qū)i的用戶總個數(shù)，GtiC1表示在單個時隙內(nèi)小區(qū)i內(nèi)用戶的跟蹤區(qū)變化。
3.根據(jù)權(quán)利要求1所述的跟蹤區(qū)優(yōu)化劃分方法，其特征在于，所述將用戶成本和基站成本中任一個作為目標(biāo)函數(shù)，另一個作為約束條件，根據(jù)所述目標(biāo)函數(shù)和約束條件對跟蹤區(qū)/跟蹤區(qū)列表進(jìn)行數(shù)學(xué)建模，所述用戶成本包括跟蹤區(qū)更新成本與尋呼成本，所述基站成本包括跟蹤區(qū)重構(gòu)成本的具體步驟包括: 將跟蹤區(qū)重構(gòu)成本最小化作為目標(biāo)函數(shù):minIM1 ―士)，其中Ui表示小區(qū)i的用戶




i已N總個數(shù)，G,,?表示在單個時隙內(nèi)小區(qū)i內(nèi)用戶的跟蹤區(qū)變化；確定小區(qū)i與跟蹤區(qū)I的關(guān)系:
4.根據(jù)權(quán)利要求1所述的跟蹤區(qū)優(yōu)化劃分方法，其特征在于，所述從空間和時間兩個維度上對用戶進(jìn)行聚類分析，通過位置相關(guān)和時間相關(guān)兩類用戶的特性來獲取數(shù)學(xué)模型的啟發(fā)式信息，所述啟發(fā)式信息包括數(shù)學(xué)模型中未知參數(shù)的值的具體步驟包括: 在空間維度上聚類:設(shè)定一個聚類距離L1，對用戶進(jìn)行空間聚類，設(shè)定聚類中心節(jié)點(diǎn)，以中心節(jié)點(diǎn)為圓心，計(jì)算用戶與中心節(jié)點(diǎn)之間的距離，以L1為半徑的范圍作為一個跟蹤區(qū)；在時間維度上聚類:在空間維度聚類的基礎(chǔ)上，設(shè)定觀察時間，在所述觀察時間內(nèi)，統(tǒng)計(jì)單個時隙內(nèi)小區(qū)之間用戶的切換統(tǒng)計(jì)數(shù)據(jù)，根據(jù)所述切換統(tǒng)計(jì)數(shù)據(jù)對小區(qū)進(jìn)行聚類；根據(jù)聚類的結(jié)果，獲取數(shù)學(xué)模型的啟發(fā)式信息，包括:參數(shù)Ku、Mij, Gil和七的值，其中Kij表示單個跟蹤區(qū)下小區(qū)i與小區(qū)j的關(guān)系，Μ、表示從小區(qū)i移動到小區(qū)j的用戶個數(shù)，Gil表示小區(qū)i與跟蹤區(qū)I的歸屬關(guān)系，^7。表示在單個時隙內(nèi)小區(qū)i內(nèi)用戶的跟蹤區(qū)變化；其中，所述聚類中心節(jié)點(diǎn)由以下步驟計(jì)算得到: 任意選擇m個用戶作為初始中心點(diǎn)Oi，對應(yīng)的類為Ci，i e {1,2, - ,m}； 計(jì)算用戶Pi與初始中心點(diǎn)Oi的相似度(!(Oi, Pi)，Pi e Po, Pi.φ Oi, Po表示用戶總的集合； 將與初始中心點(diǎn)Oi最相似的用戶p,p e Pi指派到相應(yīng)的類中P e Ci,并計(jì)算評價函數(shù) m.的值=
5.根據(jù)權(quán)利要求1所述的跟蹤區(qū)優(yōu)化劃分方法，其特征在于，所述基于所獲取的數(shù)學(xué)模型的啟發(fā)式信息，運(yùn)用遺傳算法求解數(shù)學(xué)模型的解，所述數(shù)學(xué)模型的解包括小區(qū)與跟蹤區(qū)之間的關(guān)系的具體步驟包括: 設(shè)定數(shù)學(xué)模型的解的初始變量為A (O) = ^ (O)，…，an (O)，…aN (O)}，將所得到的目標(biāo)函數(shù)作為適應(yīng)度函數(shù)，計(jì)算ax (O)的適應(yīng)度為Fx (O)，x=l, 2，…，N ; 對A(O)進(jìn)行選擇運(yùn)算:設(shè)定交叉概率，對A(O)進(jìn)行交叉運(yùn)算；設(shè)定變異概率，對A(O)進(jìn)行變異運(yùn)算； 計(jì)算得到A (t) = …，an(t),...aN(t)}，t表示迭代次數(shù)； 約束條件處理:得到的ax (t)，x=l, 2，…，N滿足所設(shè)定的約束條件，與預(yù)設(shè)目標(biāo)相符的為優(yōu)；得到的ax(t)，x=l, 2，…，N不滿足所設(shè)定的約束條件，超出量最小的為優(yōu)； 得到滿足所設(shè)定的約束條件的A' (t) = {a/⑴，…，an'⑴，…a/ (t)}，M≤N，計(jì)算已^⑴的適應(yīng)度？^ (t), x=l, 2，…，M ; 重復(fù)以上步驟，直至迭代次數(shù)t大于預(yù)設(shè)的總的迭代次數(shù)T，結(jié)束計(jì)算，求解出數(shù)學(xué)模型的最優(yōu)解。
6.一種跟蹤區(qū)優(yōu)化劃分裝置，其特征在于，包括: 數(shù)學(xué)建模模塊，用于將用戶成本和基站成本中任一個作為目標(biāo)函數(shù)，另一個作為約束條件，根據(jù)所述目標(biāo)函數(shù)和約束條件對跟蹤區(qū)/跟蹤區(qū)列表進(jìn)行數(shù)學(xué)建模，所述用戶成本包括跟蹤區(qū)更新成本與尋呼成本，所述基站成本包括跟蹤區(qū)重構(gòu)成本； 聚類分析模塊，用于從空間和時間兩個維度上對用戶進(jìn)行聚類分析，通過位置相關(guān)和時間相關(guān)兩類用戶的特性來獲取數(shù)學(xué)模型的啟發(fā)式信息，所述啟發(fā)式信息包括數(shù)學(xué)模型中未知參數(shù)的值； 求解模塊，基于所獲取的數(shù)學(xué)模型的啟發(fā)式信息，運(yùn)用遺傳算法求解數(shù)學(xué)模型的解，所述數(shù)學(xué)模型的解包括小區(qū)與跟蹤區(qū)之間的關(guān)系； 優(yōu)化劃分模塊，用于根據(jù)所獲得的數(shù)學(xué)模型的解進(jìn)行跟蹤區(qū)優(yōu)化劃分。
7.根據(jù)權(quán)利要求6所述的跟蹤區(qū)優(yōu)化劃分裝置，其特征在于，所述將用戶成本和基站成本中任一個作為目標(biāo)函數(shù)，另一個作為約束條件，根據(jù)所述目標(biāo)函數(shù)和約束條件對跟蹤區(qū)/跟蹤區(qū)列表進(jìn)行數(shù)學(xué)建模，所述用戶成本包括跟蹤區(qū)更新成本與尋呼成本，所述基站成本包括跟蹤區(qū)重構(gòu)成本的具體步驟包括: 將跟蹤區(qū)更新成本最小化與尋呼成本最小化進(jìn)行組合作為目標(biāo)函數(shù):
8.根據(jù)權(quán)利要求6所述的跟蹤區(qū)優(yōu)化劃分裝置，其特征在于，所述將用戶成本和基站成本中任一個作為目標(biāo)函數(shù)，另一個作為約束條件，根據(jù)所述目標(biāo)函數(shù)和約束條件對跟蹤區(qū)/跟蹤區(qū)列表進(jìn)行數(shù)學(xué)建模，所述用戶成本包括跟蹤區(qū)更新成本與尋呼成本，所述基站成本包括跟蹤區(qū)重構(gòu)成本的具體步驟包括: 將跟蹤區(qū)重構(gòu)成本最小化作為目標(biāo)函數(shù):，其中Ui表示小區(qū)i的用戶




總個數(shù)，表示在單個時隙內(nèi)小區(qū)i內(nèi)用戶的跟蹤區(qū)變化； 確定小區(qū)i與跟蹤區(qū)I的關(guān)系:Σ&=1，實(shí)中N表示小區(qū)總的集合，
9.根據(jù)權(quán)利要求6所述的跟蹤區(qū)優(yōu)化劃分裝置，其特征在于，所述從空間和時間兩個維度上對用戶進(jìn)行聚類分析，通過位置相關(guān)和時間相關(guān)兩類用戶的特性來獲取數(shù)學(xué)模型的啟發(fā)式信息，所述啟發(fā)式信息包括數(shù)學(xué)模型中未知參數(shù)的值的具體步驟包括: 在空間維度上聚類:設(shè)定一個聚類距離L1，對用戶進(jìn)行空間聚類，設(shè)定聚類中心節(jié)點(diǎn)，以中心節(jié)點(diǎn)為圓心，計(jì)算用戶與中心節(jié)點(diǎn)之間的距離，以L1為半徑的范圍作為一個跟蹤區(qū)； 在時間維度上聚類:在空間維度聚類的基礎(chǔ)上，設(shè)定觀察時間，在所述觀察時間內(nèi)，統(tǒng)計(jì)單個時隙內(nèi)小區(qū)之間用戶的切換統(tǒng)計(jì)數(shù)據(jù)，根據(jù)所述切換統(tǒng)計(jì)數(shù)據(jù)對小區(qū)進(jìn)行聚類；根據(jù)聚類的結(jié)果，獲取數(shù)學(xué)模型的啟發(fā)式信息，包括:參數(shù)Ku、Mij, Gil和^。的值，其中Kij表示單個跟蹤區(qū)下小區(qū)i與小區(qū)j的關(guān)系，Μ、表示從小區(qū)i移動到小區(qū)j的用戶個數(shù)，Gil表示小區(qū)i與跟蹤區(qū)I的歸屬關(guān)系,?。表示在單個時隙內(nèi)小區(qū)i內(nèi)用戶的跟蹤區(qū)變化； 其中，所述聚類中心節(jié)點(diǎn)由以下步驟計(jì)算得到: 任意選擇m個用戶作為初始中心點(diǎn)Oi，對應(yīng)的類為Ci，i e {1,2, - ,m}； 計(jì)算用戶Pi與初始中心點(diǎn)Oi的相似度(!(Oi, Pi)，Pi e Po, Pi.φ Oi, Po表示用戶總的集合； 將與初始中心點(diǎn)Oi最相似的用戶P,P e Pi指派到相應(yīng)的類中P e Ci,并計(jì)算評價函數(shù)的值:
10.根據(jù)權(quán)利要求6所述的跟蹤區(qū)優(yōu)化劃分裝置，其特征在于，所述基于所獲取的數(shù)學(xué)模型的啟發(fā)式信息，運(yùn)用遺傳算法求解數(shù)學(xué)模型的解，所述數(shù)學(xué)模型的解包括小區(qū)與跟蹤區(qū)之間的關(guān)系的具體步驟包括: 設(shè)定數(shù)學(xué)模型的解的初始變量為A (O) = ^ (O)，…，an (O)，…aN (O)}，將所得到的目標(biāo)函數(shù)作為適應(yīng)度函數(shù)，計(jì)算ax (O)的適應(yīng)度為Fx (O)，x=l, 2，…，N ; 對A(O)進(jìn)行選擇運(yùn)算:設(shè)定交叉概率，對A(O)進(jìn)行交叉運(yùn)算；設(shè)定變異概率，對A(O)進(jìn)行變異運(yùn)算； 計(jì)算得到A (t) = …，an(t),...aN(t)}，t表示迭代次數(shù)； 約束條件處理:得到的ax (t)，x=l, 2，…，N滿足所設(shè)定的約束條件，與預(yù)設(shè)目標(biāo)相符的為優(yōu)；得到的ax(t)，x=l, 2，…，N不滿足所設(shè)定的約束條件，超出量最小的為優(yōu)； 得到滿足所設(shè)定的約束條件的A' (t) = {a/⑴，…，an'⑴，…a/ (t)}，M≤N，計(jì)算已^⑴的適應(yīng)度？^ (t), x=l, 2，…，M ; 重復(fù)以上步驟，直至迭代次數(shù)t大于預(yù)設(shè)的總的迭代次數(shù)T，結(jié)束計(jì)算，求解出數(shù)學(xué)模型的最優(yōu)解。
【文檔編號】G06F17/30GK103810270SQ201410042471
【公開日】2014年5月21日 申請日期:2014年1月28日 優(yōu)先權(quán)日:2014年1月28日
【發(fā)明者】楊超, 肖恒輝, 李炯城, 陳運(yùn)動, 賴志堅(jiān) 申請人:廣東省電信規(guī)劃設(shè)計(jì)院有限公司