CN107786989A - 一种Lora智能水表网络网关部署方法及装置 - Google Patents

一种Lora智能水表网络网关部署方法及装置 Download PDF

Info

Publication number
CN107786989A
CN107786989A CN201710945828.8A CN201710945828A CN107786989A CN 107786989 A CN107786989 A CN 107786989A CN 201710945828 A CN201710945828 A CN 201710945828A CN 107786989 A CN107786989 A CN 107786989A
Authority
CN
China
Prior art keywords
lora
gateway
water meter
antibody
intelligent water
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710945828.8A
Other languages
English (en)
Other versions
CN107786989B (zh
Inventor
姚英彪
陈宇翔
宋财华
员刚强
严军荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sanchuan Wisdom Technology Co Ltd
Original Assignee
Sanchuan Wisdom Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sanchuan Wisdom Technology Co Ltd filed Critical Sanchuan Wisdom Technology Co Ltd
Priority to CN201710945828.8A priority Critical patent/CN107786989B/zh
Publication of CN107786989A publication Critical patent/CN107786989A/zh
Application granted granted Critical
Publication of CN107786989B publication Critical patent/CN107786989B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H04W16/20—Network planning tools for indoor coverage or short range network deployment
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/22—Traffic simulation tools or models
    • H04W16/225—Traffic simulation tools or models for indoor or short range network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W40/00—Communication routing or communication path finding
    • H04W40/02—Communication route or path selection, e.g. power-based or shortest path routing
    • H04W40/04—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources
    • H04W40/10—Communication route or path selection, e.g. power-based or shortest path routing based on wireless node resources based on available power or energy
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
    • H04W52/02—Power saving arrangements
    • H04W52/0209—Power saving arrangements in terminal devices
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W84/00—Network topologies
    • H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
    • H04W84/04—Large scale networks; Deep hierarchical networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
    • H04W88/16—Gateway arrangements
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Abstract

本发明提供一种Lora智能水表网络网关部署方法及装置，其中，所述方法包括：S1，基于目标智能水表网络中Lora网关候选位置、Lora智能水表终端位置、Lora智能水表终端的最大通信半径和Lora网关最大服务数量，建立Lora网关部署优化模型，所述Lora网关部署优化模型内包含Lora网关部署距离优化函数和限定Lora智能水表终端与Lora网关对应关系的约束条件；S2，基于免疫算法求解所述Lora网关部署优化模型，获取网关优化部署位置。本发明提供的一种Lora智能水表网络网关部署方法及装置，在满足业务需求的条件下，降低了Lora智能水表网络实际运行过程中Lora智能水表终端节点的功耗。

Description

一种Lora智能水表网络网关部署方法及装置
技术领域
本发明涉及物联网技术领域，尤其涉及一种Lora智能水表网络网关部署方法及装置。
背景技术
为满足越来越多远距离物联网设备的连接需求，专为低带宽、低功耗、远距离、大量连接的物联网应用而设计的低功耗广域网(LPWAN)应运而生。在目前众多的LPWAN技术中，Lora由于其低功耗、高性能受到广泛关注。Lora是由美国升特公司(SEMTECH)发布的一种专用无线电调制解调的技术，在全球免费频段运行(即非授权频段)，包括433、868、915MHz等。Lora网络主要由终端(内置Lora模块)、网关(或称基站)、服务器和云四部分组成，应用数据可双向传输。Lora网络一般采用星型网络架构，即一对多的无线连接结构。Lora既可以搭建覆盖范围较广的广域网基础设施，也可以通过简单的网关设备搭建局域网，只要物联网设备中嵌入Lora芯片或模块，即可实现快速组网和快速配置。
智能水表的数据传输业务是一种典型的物联网应用，通过远传、自动抄读系统技术根本上改变了传统的抄表方式。而基于Lora的智能远传式水表能够和服务器进行低成本的实时通信，将水表数据和状态发送给服务器或接收服务器的控制，成为了智能水表的发展趋势之一。在实际的Lora智能水表网络应用中，Lora智能水表终端和Lora网关之间通过Lora技术相互通信，网关和服务器之间通过其他有线和无线技术通信。Lora智能水表终端和水表一起部署，但Lora网关的部署位置可以优化。理论上，网关和终端越近越能节省终端的功耗，但是网关部署的同时考虑业务量等实际要求，网关数量远远小于终端数量。
由于智能电表存在电力供应不便利的问题，如何在满足业务需求的条件下，通过优化网关的部署方法降低Lora智能水表终端的功耗，在应用中变得非常重要。
发明内容
本发明为解决现有技术中存在的问题，提供了一种Lora智能水表网络网关部署方法及装置。
一方面，本发明提出一种Lora智能水表网络网关部署方法，包括：S1，基于目标智能水表网络中Lora网关候选位置、Lora智能水表终端位置、Lora智能水表终端的最大通信半径和Lora网关最大服务数量，建立Lora网关部署优化模型，所述Lora网关部署优化模型内包含Lora网关部署距离优化函数和限定Lora智能水表终端与Lora网关对应关系的约束条件；S2，基于免疫算法求解所述Lora网关部署优化模型，获取网关优化部署位置。
优选地，所述步骤S1进一步包括：S11，根据Lora网关候选位置和Lora智能水表终端位置，建立Lora网关部署距离优化函数；S12，根据Lora智能水表终端的最大通信半径，建立第一约束条件，以使得每一所述Lora智能水表终端能够与至少一个Lora网关通信；S13，根据Lora网关最大服务数量，建立第二约束条件，以使得每一所述Lora网关实际服务的终端数量不超过Lora网关最大服务数量，同时每一所述Lora智能水表终端仅接入一个Lora网关。
优选地，所述步骤S11中所述Lora网关部署距离优化函数为所有所述Lora智能水表终端到其对应接入的Lora网关距离之和的最小值，如下式所示：
其中，F为所述Lora网关部署距离优化函数，dij为第i个Lora智能水表终端与第j个Lora网关间的欧式距离，cij为分配参数，cij＝1或0，当cij＝1时，第i个Lora智能水表终端接入第j个Lora网关；当cij＝0时，第i个Lora智能水表终端不接入第j个Lora网关；i∈[1,2,…,N]，j∈[1,2,…,M]，N为Lora智能水表终端数量，M为Lora网关候选位置的数量。
优选地，所述步骤S2进一步包括：S21，初始化抗体群；所述抗体群中每一抗体表示一种Lora网关部署位置；所述抗体群规模为n；S22，根据所述Lora网关部署优化模型获取任一所述抗体的抗体抗原亲和度；S23，将所述抗体群中抗体抗原亲和度最高的m个抗体存入记忆库，m为所述记忆库规模；S24，将所述抗体群中剩余的n-m个抗体执行选择、交叉和变异操作；S25，将所述记忆库中的m个抗体加入所述抗体群；S26，重复步骤S22至S25，直至满足终止条件；S27，输出所述抗体群中抗体抗原亲和度最高的抗体，得到网关优化部署位置。
优选地，所述步骤S21前还包括：获取每一所述抗体中所述Lora智能水表终端与Lora网关的分配参数、第一罚参数和第二罚参数；所述第一罚参数与第二罚参数分别对应所述第一约束条件与第二约束条件；对应的，所述步骤S21进一步包括：根据所述Lora网关部署距离优化函数、分配参数、第一罚参数和第二罚参数获取任一所述抗体的抗体抗原亲和度。
优选地，所述步骤S22还包括：根据任一所述抗体相似度获取所述任一抗体的浓度，根据每一抗体的所述抗体抗原亲和度和浓度获取所述每一抗体的期望繁殖概率。
优选地，所述步骤S24进一步包括：S241，将所述抗体群中剩余的n-m个抗体组成种群S’，根据所述每一抗体的期望繁殖概率应用轮盘赌算法从所述种群S’中获取n-m个抗体构成种群S”；S242，对所述种群S”执行单点交叉，获取种群S”’；S243，对所述种群S”’执行单点变异，更新所述抗体群。
另一方面，本发明提出一种Lora智能水表网络网关部署装置，包括：模型建立模块，基于目标智能水表网络中Lora网关候选位置、Lora智能水表终端位置、Lora智能水表终端的最大通信半径和Lora网关最大服务数量，建立Lora网关部署优化模型，所述Lora网关部署优化模型内包含Lora网关部署距离优化函数和限定Lora智能水表终端与Lora网关对应关系的约束条件；部署优化模块，基于免疫算法求解所述Lora网关部署优化模型，获取网关优化部署位置。
优选地，所述模型获取模块包括：函数建立模块，根据Lora网关候选位置和Lora智能水表终端位置，获取Lora网关部署距离优化函数；第一约束条件建立模块，根据Lora智能水表终端的最大通信半径，建立第一约束条件，以使得每一所述Lora智能水表终端能够与至少一个Lora网关通信；第二约束条件建立模块，根据Lora网关最大服务数量，建立第二约束条件，以使得每一所述Lora网关实际服务的终端数量不超过Lora网关最大服务数量，同时每一所述Lora智能水表终端仅接入一个Lora网关。
再一方面，本发明提出一种Lora智能水表网络网关部署设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如前所述的方法。
本发明提供的一种Lora智能水表网络网关部署方法和装置，应用免疫算法求解部署优化模型，获取网关优化部署位置，有效解决了Lora智能水表建网中网关部署选址难的问题，在满足业务需求的条件下，降低了Lora智能水表网络实际运行过程中Lora智能水表终端节点的功耗。
附图说明
图1为本发明具体实施例的一种Lora智能水表网络网关部署方法的流程示意图；
图2为本发明具体实施例的免疫算法的流程示意图；
图3为本发明具体实施例的一种Lora智能水表网络网关部署装置的结构示意图；
图4为本发明具体实施例的一种Lora智能水表网络网关部署设备的结构示意图；
图5为本发明具体实施例的待优化Lora网关部署规划区域图；
图6为本发明具体实施例的Lora网关优化部署位置图；
图7为本发明具体实施例的免疫算法的收敛曲线图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
图1为本发明具体实施例的一种Lora智能水表网络网关部署方法的流程示意图，如图1所示，一种Lora智能水表网络网关部署方法,包括：S1，基于目标智能水表网络中Lora网关候选位置、Lora智能水表终端位置、Lora智能水表终端的最大通信半径和Lora网关最大服务数量，建立Lora网关部署优化模型，所述Lora网关部署优化模型内包含Lora网关部署距离优化函数和限定Lora智能水表终端与Lora网关对应关系的约束条件；S2，基于免疫算法求解所述Lora网关部署优化模型，获取网关优化部署位置。
具体地，为了有效降低Lora智能水表网络实际运行过程中Lora智能水表终端的能耗，需要对Lora智能水表终端的能耗进行优化。而Lora智能水表终端的功耗与终端距Lora网关的距离相关，Lora智能水表终端距Lora网关越近，则Lora智能水表终端需要的发射功率越小，能耗也就越低。因此，Lora智能水表终端能耗的优化问题，可以转换为Lora智能水表终端与Lora网关距离的优化问题。
因此，为了降低Lora智能水表网络运行过程中Lora智能水表终端节点的功耗，基于目标智能水表网络中Lora网关候选位置、Lora智能水表终端位置、Lora智能水表终端的最大通信半径和Lora网关最大服务数量，将功耗优化建模为Lora网关部署优化模型。所述Lora网关部署优化模型内包含Lora网关部署距离优化函数和限定Lora智能水表终端与Lora网关对应关系的约束条件。
随后，通过免疫算法解上述Lora网关部署优化模型，获取部署优化模型的次优解，即Lora智能水表网络网关的优化部署位置。
其中，所述免疫算法是一种具有生成+检测(generate and test)的迭代过程的搜索算法，将免疫概念及其理论应用于遗传算法，在保留原算法优良特性的前提下，力图有选择、有目的地利用待求问题中的一些特征信息或知识来抑制其优化过程中出现的退化现象，具有较强模式分类能力，尤其对多模态问题的分析、处理和求解表现出较高的智能性和鲁棒性。
本发明具体实施例提供的一种Lora智能水表网络网关部署方法，应用免疫算法求解部署优化模型，获取网关优化部署位置，有效解决了Lora智能水表建网中网关部署选址难的问题，在满足业务需求的条件下，降低了Lora智能水表网络实际运行过程中Lora智能水表终端节点的功耗。
基于上述具体实施例，一种Lora智能水表网络网关部署方法，所述Lora网关候选位置、Lora智能水表终端位置、Lora智能水表终端的最大通信半径和Lora网关最大服务数量的获取如下：
其中，所述Lora网关的候选位置和Lora智能水表终端的位置根据实际Lora智能水表网络部署环境确定。
本发明具体实施例中，应用矩阵AN×2表示Lora智能水表终端的位置矩阵，AN×2＝{xi,yi}，i＝1,2,…,N。其中，xi为第i个Lora智能水表终端在二维平面X方向上的坐标，yi为第i个Lora智能水表终端在二维平面Y方向上的坐标，N是Lora智能水表终端数量，矩阵AN×2的下标N×2表示Lora智能水表终端的位置矩阵是一个N×2维的矩阵。
与此同时，应用矩阵BM×2表示可供部署Lora网关的位置矩阵，BM×2＝{xi,yi}，i＝1,2,…,M。其中，xi为第i个可供部署Lora网关位置在二维平面X方向上的坐标，yi为第i个可供部署Lora网关位置在二维平面Y方向上的坐标，M是Lora智能水表终端数量，矩阵BM×2的下标M×2表示Lora智能水表终端的位置矩阵是一个M×2维的矩阵。
此外，根据Lora智能水表终端的硬件情况和部署区域的信道条件，获取Lora智能水表终端的最大通信半径r。
所述Lora网关最大服务数量指每个Lora网关能够服务的Lora智能水表终端的数量上限。本发明具体实施例中，根据每个Lora网关能够服务的业务量Tgate和每个Lora智能水表终端的最大业务量Tnode确定Lora网关最大服务数量NumPGate：
其中，[]为取整符号，此处Lora网关最大服务数量为下取整。
本发明具体实施例中获取了Lora智能水表网络位置信息和Lora网关参数，为后续Lora网关部署优化模型的建立提供了数据支持。
基于上述任一具体实施例，一种Lora智能水表网络网关部署方法，所述步骤S1进一步包括：S11，根据Lora网关候选位置和Lora智能水表终端位置，获取Lora网关部署距离优化函数；S12，根据Lora智能水表终端的最大通信半径，建立第一约束条件，以使得每一所述Lora智能水表终端能够与至少一个Lora网关通信；S13，根据Lora网关最大服务数量，建立第二约束条件，以使得每一所述Lora网关实际服务的终端数量不超过Lora网关最大服务数量，同时每一所述Lora智能水表终端仅接入一个Lora网关。
具体地，所述步骤S1中，为了降低Lora智能水表网络运行过程中Lora智能水表终端节点的功耗，将功耗优化建模为Lora网关部署优化模型，进一步包括：
首先，根据Lora网关的候选位置和Lora智能水表终端的位置，向Lora智能水表终端分配对应接入的Lora网关，根据所有所述Lora智能水表终端到其对应接入的Lora网关距离，建立Lora网关部署距离优化函数。进一步地，所述Lora网关部署距离优化函数为所有所述Lora智能水表终端到其对应接入的Lora网关距离之和的最小值。如下式所示：
其中，F为所述Lora网关部署距离优化函数，dij为第i个Lora智能水表终端与第j个Lora网关间的欧式距离，cij为分配参数，cij＝1或0，当cij＝1时，第i个Lora智能水表终端接入第j个Lora网关；当cij＝0时，第i个Lora智能水表终端不接入第j个Lora网关；i∈[1,2,…,N]，j∈[1,2,…,M]，N为Lora智能水表终端数量，M为Lora网关候选位置的数量。
其次，根据最大通信半径r建立第一约束条件：
所述第一约束条件限制每个Lora智能水表终端到其对应接入的Lora网关的距离小于等于最大通信半径r，从而保证每个Lora智能水表终端均至少能与一个Lora网关通信。
与此同时，根据Lora网关最大服务数量NumPGate建立第二约束条件：
所述第二约束条件保证了每一Lora网关服务的Lora智能水表终端数量不超过Lora网关最大服务数量，同时还保证了每一Lora智能水表仅接入一个Lora网关。
本发明具体实施例提供了获取Lora网关部署距离优化函数和约束条件的具体技术方案，将功耗优化转换为距离优化，为获取更低功耗的Lora网关部署方案提供了条件，在寻求低功耗的同时满足了业务需求，节省了Lora网关配置资源。
基于上述任一具体实施例，图2为本发明具体实施例的免疫算法的流程示意图，参考图2，一种Lora智能水表网络网关部署方法，所述步骤S2进一步包括：S21，初始化抗体群；所述抗体群中每一抗体表示一种Lora网关部署位置；所述抗体群规模为n；S22，根据所述Lora网关部署优化模型获取任一所述抗体的抗体抗原亲和度；S23，将所述抗体群中抗体抗原亲和度最高的m个抗体存入记忆库，m为所述记忆库规模；S24，将所述抗体群中剩余的n-m个抗体执行选择、交叉和变异操作；S25，将所述记忆库中的m个抗体加入所述抗体群；S26，重复步骤S22至S25，直至满足终止条件；S27，输出所述抗体群中抗体抗原亲和度最高的抗体，获取网关优化部署位置。
具体地，步骤S2中，通过免疫算法解所述步骤S1中获取的Lora网关部署优化模型，获取部署优化模型的次优解，即Lora智能水表网络网关的优化部署位置，进一步包括：
首先，初始化抗体群。第一代抗体群生成时，记忆库为空，在可行解空间下随机产生n个抗体组成第一代抗体群，抗体群规模为n。
所述抗体采用自然数编码的方式来生成，具体的抗体形式可以表示为：
且v1，v2，v3，…，vNgate互不相同。
所述抗体群中每一个抗体v代表一种Lora网关部署选址方案，代表在第v1，v2，v3，…，vNgate个Lora网关候选位置处部署Lora网关。每一抗体的长度均为Ngate，Ngate表示实际部署需要的Lora网关数量，根据Lora网关最大服务数量NumPGate和网络中Lora智能水表终端的数量N确定Ngate：
式中，[]为取整函数，此处实际部署需要的Lora网关数量Ngate为上取整。
随后，根据所述Lora网关部署优化模型获取任一所述抗体的抗体抗原亲和度，所述抗体抗原亲和度越高，代表所述Lora网关部署优化模型的解越优。
接着，按照上一步骤中获取的抗体群中各个抗体的抗体抗原亲和度值从高到低对抗体群中的抗体进行排序，将所述抗体群中抗体抗原亲和度值最高的m个抗体存入记忆库中，实现对记忆库的更新。所述记忆库的规模为m。
然后，对所述抗体群中余下的n-m个抗体执行选择、交叉、变异的免疫操作，获取n-m个新抗体，并将上一步骤中存入记忆库中的原抗体群中亲和度最高的m个抗体与所述n-m个新抗体组合，构成新的抗体群。
再次根据所述Lora网关部署优化模型获取新的抗体群中任一所述抗体的抗体抗原亲和度，并根据抗体抗原亲和度对新的抗体群中的抗体进行排序，更新记忆库，获取新的抗体构成下一代抗体群。迭代生成新的抗体群，直至满足终止条件。
迭代结束后，在最后一代抗体群中选取抗体抗原亲和度最高的抗体作为输出结果，所述抗体抗原亲和度最高的抗体中包含的Lora网关位置就是免疫算法求得的网关优化部署位置。
本发明具体实施例提出了应用免疫算法求解Lora网关部署优化模型，快速收敛获取了次优部署方案，为Lora网关的位置部署提供了快速优化方法。
基于上述任一具体实施例，一种Lora智能水表网络网关部署方法，所述步骤S21前还包括：获取每一所述抗体中所述Lora智能水表终端与Lora网关的分配参数、第一罚参数和第二罚参数；所述第一罚参数与第二罚参数分别对应所述第一约束条件与第二约束条件。
具体地，根据所述Lora网关部署优化模型获取任一所述抗体的抗体抗原亲和度之前，还包括：
计算每个Lora智能水表终端到所述任一抗体v中的每个Lora网关的欧式距离向量Dis＝[d1,d2,d3,…，dNgate]，并根据下式获取所述任一抗体中Lora智能水表终端与Lora网关的分配参数：
式中，表示使得函数取得其最小值的所有自变量j的集合。
由上式可知，Lora智能水表终端与距离其最近的Lora网关的分配参数为1，表示Lora智能水表仅接入距离其最近的Lora网关。
与此同时，根据第一约束条件和第二约束条件获取对应的第一罚参数和第二罚参数。其中，第一罚参数eij＝1是指第i个Lora智能水表终端到其分配的Lora网关j的欧式距离dij超过Lora智能水表终端的最大通信半径r，即违反第一约束条件，eij根据下式取1或者0：
第二罚参数bj＝1是指第j个Lora网关实际服务的Lora智能水表终端数量超过它的最大服务数量NumPGate，即违反第二约束条件，bj根据下式取1或者0：
对应的，所述步骤S21进一步包括：根据所述Lora网关部署距离优化函数、分配参数、第一罚参数和第二罚参数获取任一所述抗体的抗体抗原亲和度。所述抗体抗原亲和度函数fitv定义如下：
式中，分母为抗体的适应度值adaptv。adaptv的第一项是Lora网关部署距离优化函数F，因为adaptv和fitv呈反比的关系，因此最小的适应度值adaptv对应的亲和度值fitv最大。
而对于上述步骤提出的第一约束条件和第二约束条件则通过罚函数的方式来处理：式中分母第二项表示对违反第一约束条件加入的第一罚函数，分母第三项表示对违反第二约束条件加入的第二罚函数，C和D为惩罚因子，eij和bj分别为第一罚参数和第二罚参数。通过两项罚函数的引入，降低了不满足第一、第二约束条件的抗体的抗体抗原亲和度值fitv，从而降低了抗体期望繁殖概率P，使之被遗传到下一代的机会大大减少，逐渐被淘汰。
本发明具体实施例提供了抗体抗原亲和度的具体获取方法，为快速优化Lora网关的位置部署提供了条件。
基于上述任一具体实施例，一种Lora智能水表网络网关部署方法，所述步骤S22还包括：根据任一所述抗体相似度获取所述任一抗体的浓度，根据每一抗体的所述抗体抗原亲和度和浓度获取所述每一抗体的期望繁殖概率。
具体地，首先，获取任一所述抗体与其他抗体的相似度：
式中，Sv,u表示抗体v和抗体u的相似度，kv,u表示抗体v和抗体u间Lora网关选址相同的个数，Ngate表示实际部署的Lora网关数量。如果Sv,u超过给定阈值x，则认为抗体v和抗体u是相似的，即：
式中，wv,u表示抗体v和抗体u是否相似，相似则wv,u为1。
根据抗体v与抗体群中其他抗体是否相似，确定抗体v的浓度conv，conv是指抗体群中与所述抗体v相似的抗体所占的比例：
根据抗体的所述抗体抗原亲和度和浓度获取所述抗体的期望繁殖概率P：
式中，α为多样性评价参数。抗体亲和度值fitv越高，期望繁殖概率P越高，抗体浓度conv越高，期望繁殖概率P越低。
本发明具体实施例中通过抗体抗原亲和度和浓度获取了抗体的期望繁殖概率，通过期望繁殖概率能够促进亲和度值高的抗体被遗传到下一代的概率，同时抑制浓度高的抗体，加快免疫算法的收敛速度。
基于上述任一具体实施例，一种Lora智能水表网络网关部署方法,所述步骤S24进一步包括：S241，将所述抗体群中剩余的n-m个抗体组成种群S’，根据所述每一抗体的期望繁殖概率应用轮盘赌算法从所述种群S’中获取n-m个抗体构成种群S”；S242，对所述种群S”执行单点交叉，获取种群S”’；S243，对所述种群S”’执行单点变异，更新所述抗体群。
具体地，对抗体群中余下的n-m个抗体执行选择、交叉、变异的免疫操作，获取n-m个新抗体，进一步包括：
S241，将所述抗体群中剩余的n-m个抗体组成种群S’，采用轮盘赌算法从种群S’中选择个体进行交叉操作。
进一步地，首先，计算所述种群S’中各个抗体期望繁殖概率P的和sum，Pi为第i个抗体的期望繁殖概率。
其次，获取所述种群S’中每个抗体的选择概率pi，pi＝Pi/sum。
接着，获取所述种群S’中各个抗体的轮盘赌选择区间[qi-1,qi-1+pi]，其中，
最后，生成[0,1]之间的随机数rand，如果rand∈[qi-1,qi-1+pi]，则选择所述种群S’中对应的第i个抗体。重复生成随机数rand，直到选满n-m个抗体，构成新的种群S”。
S242，对所述种群S”执行单点交叉，获取种群S”’，进一步包括：
A)从所述种群S”任意选择两个抗体v和u。
B)生成[0,1]之间的随机数rand，若rand<pcross，则执行步骤C，进行交叉操作；否则跳到步骤E。其中，pcross为交叉概率。
C)随机产生交叉位置pos1，pos1是一个2至Ngate-1之间的自然数。然后，将抗体v和u从交叉位置pos1开始的元素进行交换。例如pos1＝3，则交叉后的两个抗体变为：
v′＝[v1,v2,u3,…，uNgate]，u′＝[u1,u2,v3,…，vNgate]
D)检测交叉之后的抗体v’和u’是否符合编码规则。所述编码规则抗体中的每个元素为1～M之间的自然数且唯一。步骤C中执行交叉可能存在违反编码规则的情况。
若检测到抗体v’和u’的元素不符合唯一性原则，则对重复的元素进行变异，使得变异后v’和u’符合抗体编码规则。
例如v′＝[v1,v2,v3,…，vNgate]，但v3＝vNgate。
此处抗体v’破坏抗体编码的唯一性原则，因而将vNgate进行变异，使其取值不等于v1，v2，…，vNgate-1，且为1～M中的自然数。将符合抗体编码规则的抗体v’和u’加入到新种群S”’。
E)重复步骤A至D，直到所述种群S”中的抗体全部交叉完成，得到新种群S”’。
S243，采用单点变异操作对种群S”’进行变异操作。具体操作如下：
A)从种群S”’中任意选择抗体v。
B)生成[0,1]之间的随机数rand，若rand<pmut，则执行步骤C，进行变异操作；否则跳到步骤D。pmut为变异概率。
C)随机产生变异位置pos2，pos2是1至Ngate之间的自然数。然后，将抗体v的变异位置pos2处元素进行变异，并确保变异后的抗体仍然符合抗体编码规则。将v’加入抗体群。
例如pos2＝3，则变异后的抗体v变为v′＝[v1,v2,v3′,…，vNgate]，其中v3′∈{1,2,…,M}且v3′≠v1,v2,…，vNgate。
D)重复步骤A-C，直到S”’中的抗体全部变异完成，最后得到新抗体群。
本发明具体实施例中提供了选择、交叉、变异的免疫操作具体方法，为生成新的抗体群和免疫算法的迭代提供了条件。
基于上述任一方法具体实施例，图3为本发明具体实施例的一种Lora智能水表网络网关部署装置的结构示意图。如图3所示，一种Lora智能水表网络网关部署装置，包括模型获取模块301和部署优化模块302。
其中，所述模型建立模块301，基于目标智能水表网络中Lora网关候选位置、Lora智能水表终端位置、Lora智能水表终端的最大通信半径和Lora网关最大服务数量，建立Lora网关部署优化模型，所述Lora网关部署优化模型内包含Lora网关部署距离优化函数和限定Lora智能水表终端与Lora网关对应关系的约束条件；所述部署优化模块302，基于免疫算法求解所述Lora网关部署优化模型，获取网关优化部署位置。
具体地，为了有效降低Lora智能水表网络实际运行过程中Lora智能水表终端的能耗，需要对Lora智能水表终端的能耗进行优化。而Lora智能水表终端的功耗与终端距Lora网关的距离相关。所述模型建立模块301基于目标智能水表网络中Lora网关候选位置、Lora智能水表终端位置、Lora智能水表终端的最大通信半径和Lora网关最大服务数量，将功耗优化建模为Lora网关部署优化模型，并将所述Lora网关部署优化模型发送给部署优化模块302。所述Lora网关部署优化模型内包含Lora网关部署距离优化函数和限定Lora智能水表终端与Lora网关对应关系的约束条件。
所述部署优化模块302接收到所述模型建立模块301建立的Lora网关部署优化模型后，通过免疫算法解上述Lora网关部署优化模型，获取部署优化模型的次优解，即Lora智能水表网络网关的优化部署位置。
本发明具体实施例提供的一种Lora智能水表网络网关部署装置，应用免疫算法求解部署优化模型，获取网关优化部署位置，有效解决了Lora智能水表建网中网关部署选址难的问题，在满足业务需求的条件下，降低了Lora智能水表网络实际运行过程中Lora智能水表终端节点的功耗。
基于上述任一具体实施例，一种Lora智能水表网络网关部署装置，所述模型建立模块301包括函数获取模块、第一约束条件建立模块和第二约束条件建立模块。
其中，所述函数获取模块，根据Lora网关候选位置和Lora智能水表终端位置，获取Lora网关部署距离优化函数；所述第一约束条件建立模块，根据Lora智能水表终端的最大通信半径，建立第一约束条件，以使得每一所述Lora智能水表终端能够与至少一个Lora网关通信；所述第二约束条件建立模块，根据Lora网关最大服务数量，建立第二约束条件，以使得每一所述Lora网关实际服务的终端数量不超过Lora网关最大服务数量，同时每一所述Lora智能水表终端仅接入一个Lora网关。
具体地，所述模型建立模块301为了降低Lora智能水表网络运行过程中Lora智能水表终端节点的功耗，将功耗优化建模为Lora网关部署优化模型，进一步包括：
函数获取模块，根据Lora网关的候选位置和Lora智能水表终端的位置，向Lora智能水表终端分配对应接入的Lora网关，根据所有所述Lora智能水表终端到其对应接入的Lora网关距离，建立Lora网关部署距离优化函数。进一步地，所述Lora网关部署距离优化函数为所有所述Lora智能水表终端到其对应接入的Lora网关距离之和的最小值。如下式所示：
其中，F为所述Lora网关部署距离优化函数，dij为第i个Lora智能水表终端与第j个Lora网关间的欧式距离，cij为分配参数，cij＝1或0，当cij＝1时，第i个Lora智能水表终端接入第j个Lora网关；当cij＝0时，第i个Lora智能水表终端不接入第j个Lora网关；i∈[1,2,…,N]，j∈[1,2,…,M]，N为Lora智能水表终端数量，M为Lora网关候选位置的数量。
第一约束条件建立模块，根据最大通信半径r建立第一约束条件：
所述第一约束条件限制每个Lora智能水表终端到其对应接入的Lora网关的距离小于等于最大通信半径r，从而保证每个Lora智能水表终端均至少能与一个Lora网关通信。
第二约束条件建立模块，根据Lora网关最大服务数量NumPGate建立第二约束条件：
所述第二约束条件保证了每一Lora网关服务的Lora智能水表终端数量不超过Lora网关最大服务数量，同时还保证了每一Lora智能水表仅接入一个Lora网关。
本发明具体实施例提供了获取Lora网关部署距离优化函数和约束条件的具体技术方案，将功耗优化转换为距离优化，为获取更低功耗的Lora网关部署方案提供了条件，在寻求低功耗的同时满足了业务需求，节省了Lora网关配置资源。
图4为本发明具体实施例的一种Lora智能水表网络网关部署设备的结构示意图，如图4所示，该设备包括：至少一个处理器401；以及与所述处理器401通信连接的至少一个存储器402，其中：所述存储器402存储有可被所述处理器401执行的程序指令，所述处理器401调用所述程序指令能够执行上述各实施例所提供的网络设备配置核查的方法，例如包括：基于目标智能水表网络中Lora网关候选位置、Lora智能水表终端位置、Lora智能水表终端的最大通信半径和Lora网关最大服务数量，建立Lora网关部署优化模型，所述Lora网关部署优化模型内包含Lora网关部署距离优化函数和限定Lora智能水表终端与Lora网关对应关系的约束条件；基于免疫算法求解所述Lora网关部署优化模型，获取网关优化部署位置。
为了更好地理解与应用本发明提出的一种Lora智能水表网络网关部署方法及装置，本发明进行以下示例，且本发明不仅局限于以下示例。
图5为本发明具体实施例的待优化Lora网关部署规划区域图，如图5所示，Lora智能水表网络设置规划区域在5000*6000的区域内，Lora智能水表终端数为60，Lora网关候选位置为20个点，其中白点代表Lora智能水表终端分布，黑点表示Lora网关候选位置分布。
Lora智能水表网络网关部署方法具体实施步骤如下：
步骤1：
根据实际部署问题确定Lora智能水表终端的位置矩阵AN×2和Lora网关候选位置矩阵BM×2。其中：
AN×2＝[1304,2312；3639,1315；3326,1556；…...；4860,1790；5100,1580]，Lora智能水表终端数量N＝60。
BM×2＝[2935,3240；2271,2017；2317,1229；......；2820,3980；3750,4780]，Lora网关候选位置数量M＝20。
步骤2：
根据每个Lora网关能够服务的业务量Tgate和每个Lora智能水表终端的最大业务量Tnode确定Lora网关最大服务数量NumPGate：
本例中NumPGate＝14。
根据Lora网关最大服务数量NumPGate和网络中Lora智能水表终端的数量N确定Ngate，Ngate表示实际部署需要的Lora网关数量：
本例中Ngate＝5。
步骤3：
根据Lora网关的候选位置和Lora智能水表终端的位置，向Lora智能水表终端分配对应接入的Lora网关，根据所有所述Lora智能水表终端到其对应接入的Lora网关距离，建立Lora网关部署优化模型，即所有所述Lora智能水表终端到其对应接入的Lora网关距离之和的最小值。如下式所示：
其中，F为所述Lora网关部署距离优化函数，dij为第i个Lora智能水表终端与第j个Lora网关间的欧式距离，cij为分配参数，cij＝1或0，当cij＝1时，第i个Lora智能水表终端接入第j个Lora网关；当cij＝0时，第i个Lora智能水表终端不接入第j个Lora网关；i∈[1,2,…,N]，j∈[1,2,…,M]，N为Lora智能水表终端数量，N＝60，M为Lora网关候选位置的数量，M＝20。
其次，根据所述Lora智能水表终端的硬件情况和部署区域的信道条件，获取所述Lora智能水表终端的最大通信半径r＝3000。根据最大通信半径r建立第一约束条件：
所述第一约束条件限制每个Lora智能水表终端到其对应接入的Lora网关的距离小于等于3000，从而保证每个Lora智能水表终端均至少能与一个Lora网关通信。
与此同时，根据Lora网关最大服务数量NumPGate建立第二约束条件：
所述第二约束条件保证了每一Lora网关服务的Lora智能水表终端数量不超过Lora网关最大服务数量，同时还保证了每一Lora智能水表仅接入一个Lora网关。
步骤4：
通过免疫算法解Lora网关部署优化模型，获取部署优化模型的次优解，即Lora智能水表网络网关的优化部署位置，进一步包括：
步骤4.1：初始化抗体群。第一代抗体群生成时，记忆库为空，在可行解空间下随机产生n个抗体组成第一代抗体群，抗体群规模n＝60。
所述抗体采用自然数编码的方式来生成，具体的抗体形式可以表示为v＝[v1,v2,v3,…,vNgate]，且v1，v2，v3，…，vNgate互不相同。所述抗体群中每一个抗体v代表一种Lora网关部署选址方案，代表在第v1，v2，v3，…，vNgate个Lora网关候选位置处部署Lora网关。每一抗体的长度均为Ngate，Ngate表示实际部署需要的Lora网关数量，Ngate＝5，因而v＝[v1,v2,v3,v4,v5]。
步骤4.2：计算每个Lora智能水表终端到所述任一抗体v中的每个Lora网关的欧式距离向量Dis＝[d1,d2,d3,d4,d5]，并根据下式获取所述任一抗体中Lora智能水表终端与Lora网关的分配参数：
式中，表示使得函数取得其最小值的所有自变量j的集合。
由上式可知，Lora智能水表终端与距离其最近的Lora网关的分配参数为1，表示Lora智能水表仅接入距离其最近的Lora网关。
与此同时，根据第一约束条件和第二约束条件获取对应的第一罚参数和第二罚参数。其中，第一罚参数eij＝1是指第i个Lora智能水表终端到其分配的Lora网关j的欧式距离dij超过Lora智能水表终端的最大通信半径r＝3000，即违反第一约束条件，eij根据下式取1或者0：
第二罚参数bj＝1是指第j个Lora网关实际服务的Lora智能水表终端数量超过它的最大服务数量NumPGate＝14，即违反第二约束条件，bj根据下式取1或者0：
步骤4.3：根据所述Lora网关部署距离优化函数、分配参数、第一罚参数和第二罚参数获取任一所述抗体的抗体抗原亲和度。所述抗体抗原亲和度函数fitv定义如下：
式中，分母为抗体的适应度值adaptv。adaptv的第一项是Lora网关部署距离优化函数F，因为adaptv和fitv呈反比的关系，因此最小的适应度值adaptv对应的亲和度值fitv最大。
而对于上述步骤提出的第一约束条件和第二约束条件则通过罚函数的方式来处理：式中分母第二项表示对违反第一约束条件加入的第一罚函数，分母第三项表示对违反第二约束条件加入的第二罚函数，C和D为惩罚因子，C＝D＝4×104，eij和bj分别为第一罚参数和第二罚参数。通过两项罚函数的引入，降低了不满足第一、第二约束条件的抗体的抗体抗原亲和度值fitv，从而降低了抗体期望繁殖概率P，使之被遗传到下一代的机会大大减少，逐渐被淘汰。
其次，获取任一所述抗体与其他抗体的相似度：
式中，Sv,u表示抗体v和抗体u的相似度，kv,u表示抗体v和抗体u间Lora网关选址相同的个数，Ngate表示实际部署的Lora网关数量，Ngate＝5。如果Sv,u超过给定阈值x＝0.7，则认为抗体v和抗体u是相似的，即：
式中，wv,u表示抗体v和抗体u是否相似，相似则wv,u为1。
根据抗体v与抗体群中其他抗体是否相似，确定抗体v的浓度conv，conv是指抗体群中与所述抗体v相似的抗体所占的比例：
根据抗体的所述抗体抗原亲和度和浓度获取所述抗体的期望繁殖概率P：
式中，α为多样性评价参数，α＝0.95。抗体亲和度值fitv越高，期望繁殖概率P越高，抗体浓度conv越高，期望繁殖概率P越低。
步骤4.4：按照上一步骤中获取的抗体群中各个抗体的抗体抗原亲和度值fitv从高到低对抗体群中的抗体进行排序，将所述抗体群中抗体抗原亲和度值fitv最高的m个抗体存入记忆库中，实现对记忆库的更新。所述记忆库的规模m＝10。
步骤4.5：对所述抗体群中余下的50个抗体执行选择、交叉、变异的免疫操作，获取50个新抗体，并将上一步骤中存入记忆库中的原抗体群中亲和度最高的10个抗体与所述50个新抗体组合，构成新的抗体群。进一步包括：
步骤4.5.1，将所述抗体群中剩余的50个抗体组成种群S’，采用轮盘赌算法从种群S’中选择个体进行交叉操作。
首先，计算所述种群S’中各个抗体期望繁殖概率P的和sum，Pi为第i个抗体的期望繁殖概率。
其次，获取所述种群S’中每个抗体的选择概率pi，pi＝Pi/sum。
接着，获取所述种群S’中各个抗体的轮盘赌选择区间[qi-1,qi-1+pi]，其中，
最后，生成[0,1]之间的随机数rand，如果rand∈[qi-1,qi-1+pi]，则选择所述种群S’中对应的第i个抗体。重复生成随机数rand，直到选满50个抗体，构成新的种群S”。
步骤4.5.2，对所述种群S”执行单点交叉，获取种群S”’，进一步包括：
A)从所述种群S”任意选择两个抗体v和u。
B)生成[0,1]之间的随机数rand，若rand<pcross，则执行步骤C，进行交叉操作；否则跳到步骤E。其中交叉概率pcross＝0.5。
C)随机产生交叉位置pos1，pos1是一个2至Ngate-1之间的自然数，Ngate-1＝4。然后，将抗体v和u从交叉位置pos1开始的元素进行交换。例如pos1＝3，则交叉后的两个抗体变为：
v′＝[v1,v2,u3,u4,u5]，u′＝[u1,u2,v3,v4,v5]
D)检测交叉之后的抗体v’和u’是否符合编码规则。所述编码规则抗体中的每个元素为1～20之间的自然数且唯一。步骤C中执行交叉可能存在违反编码规则的情况。
若检测到抗体v’和u’的元素不符合唯一性原则，则对重复的元素进行变异，使得变异后v’和u’符合抗体编码规则。
例如v′＝[v1,v2,v3,v4,v5]，但v3＝v5。此抗体破坏抗体编码的唯一性原则，因而将v5进行变异，使其取值不等于v1、v2、v3和v4，且为1～20中的自然数。将符合抗体编码规则的抗体v’和u’加入到新种群S”’。
E)重复步骤A至D，直到所述种群S”中的抗体全部交叉完成，得到新种群S”’。
步骤4.5.3，采用单点变异操作对种群S”’进行变异操作。具体操作如下：
A)从种群S”’中任意选择抗体v。
B)生成[0,1]之间的随机数rand，若rand<pmut，则执行步骤C，进行变异操作；否则跳到步骤D。其中，变异概率pmut＝0.4。
C)随机产生变异位置pos2，pos2是1至Ngate之间的自然数，Ngate＝5。然后，将抗体v的变异位置pos2处元素进行变异，并确保变异后的抗体仍然符合抗体编码规则。将v’加入抗体群。
例如pos2＝3，则变异后的抗体v变为v′＝[v1,v2,v3′,v4,v5]，其中v3′∈{1,2,…,M}且v3′≠v1,v2,v4,v5。
D)重复步骤A-C，直到S”’中的抗体全部变异完成，最后得到新抗体群。
步骤4.5.4，将步骤4.4中存入记忆库中的原抗体群中亲和度最高的10个抗体与所述50个新抗体组合，构成新的抗体群。
步骤4.6：重复步骤4.2至4.5，直到迭代到最后一代为止，迭代次数设为100。
步骤4.7：迭代结束后，在最后一代抗体群中选取抗体抗原亲和度最高的抗体作为输出结果，输出结果如图6所示。图6为本发明具体实施例的Lora网关优化部署位置图，其中，白点代表Lora智能水表终端分布，黑点表示Lora网关候选位置分布，连线代表Lora智能水表终端和对应Lora网关的通信连接，有连接的黑点代表被选中的Lora网关，无连接的黑点代表未选中的Lora网关。
图7为本发明具体实施例的免疫算法的收敛曲线图，如图7所示，本实施方式中解空间为M和解空间并不非常大，故最优结果可以通过穷尽搜索得到，经穷尽搜搜得到的最优值和免疫算法的最优值一致。本例中，免疫算法运行时间18.570s，穷尽搜索算法43.771s。
本发明提供的一种Lora智能水表网络网关部署方法和装置，应用免疫算法求解部署优化模型，获取网关优化部署位置，有效解决了Lora智能水表建网中网关部署选址难的问题，在满足业务需求的条件下，降低了Lora智能水表网络实际运行过程中Lora智能水表终端节点的功耗。
最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种Lora智能水表网络网关部署方法，其特征在于，包括：
S1，基于目标智能水表网络中Lora网关候选位置、Lora智能水表终端位置、Lora智能水表终端的最大通信半径和Lora网关最大服务数量，建立Lora网关部署优化模型，所述Lora网关部署优化模型内包含Lora网关部署距离优化函数和限定Lora智能水表终端与Lora网关对应关系的约束条件；
S2，基于免疫算法求解所述Lora网关部署优化模型，获取网关优化部署位置。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1进一步包括：
S11，根据Lora网关候选位置和Lora智能水表终端位置，获取Lora网关部署距离优化函数；
S12，根据Lora智能水表终端的最大通信半径，建立第一约束条件，以使得每一所述Lora智能水表终端能够与至少一个Lora网关通信；
S13，根据Lora网关最大服务数量，建立第二约束条件，以使得每一所述Lora网关实际服务的终端数量不超过Lora网关最大服务数量，同时每一所述Lora智能水表终端仅接入一个Lora网关。
3.根据权利要求2所述的方法，其特征在于，所述步骤S11中所述Lora网关部署距离优化函数为所有所述Lora智能水表终端到其对应接入的Lora网关距离之和的最小值，如下式所示：
<mrow> <mi>F</mi> <mo>=</mo> <mi>m</mi> <mi>i</mi> <mi>n</mi> <mrow> <mo>(</mo> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>j</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>M</mi> </munderover> <munderover> <mo>&amp;Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>c</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <msub> <mi>d</mi> <mrow> <mi>i</mi> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> </mrow>
其中，F为所述Lora网关部署距离优化函数，dij为第i个Lora智能水表终端与第j个Lora网关间的欧式距离，cij为分配参数，cij＝1或0，当cij＝1时，第i个Lora智能水表终端接入第j个Lora网关；当cij＝0时，第i个Lora智能水表终端不接入第j个Lora网关；i∈[1,2,…,N]，j∈[1,2,…,M]，N为Lora智能水表终端数量，M为Lora网关候选位置的数量。
4.根据权利要求2所述的方法，其特征在于，所述步骤S2进一步包括：
S21，初始化抗体群；所述抗体群中每一抗体表示一种Lora网关部署位置；所述抗体群规模为n；
S22，根据所述Lora网关部署优化模型获取任一所述抗体的抗体抗原亲和度；
S23，将所述抗体群中抗体抗原亲和度最高的m个抗体存入记忆库，m为所述记忆库规模；
S24，将所述抗体群中剩余的n-m个抗体执行选择、交叉和变异操作；
S25，将所述记忆库中的m个抗体加入所述抗体群；
S26，重复步骤S22至S25，直至满足终止条件；
S27，输出所述抗体群中抗体抗原亲和度最高的抗体，得到网关优化部署位置。
5.根据权利要求4所述的方法，其特征在于，所述步骤S21前还包括：
获取每一所述抗体中所述Lora智能水表终端与Lora网关的分配参数、第一罚参数和第二罚参数；所述第一罚参数与第二罚参数分别对应所述第一约束条件与第二约束条件；
对应的，所述步骤S21进一步包括：根据所述Lora网关部署距离优化函数、分配参数、第一罚参数和第二罚参数获取任一所述抗体的抗体抗原亲和度。
6.根据权利要求4所述的方法，其特征在于，所述步骤S22还包括：根据任一所述抗体相似度获取所述任一抗体的浓度，根据每一抗体的所述抗体抗原亲和度和浓度获取所述每一抗体的期望繁殖概率。
7.根据权利要求6所述的方法，其特征在于，所述步骤S24进一步包括：
S241，将所述抗体群中剩余的n-m个抗体组成种群S’，根据所述每一抗体的期望繁殖概率应用轮盘赌算法从所述种群S’中获取n-m个抗体构成种群S”；
S242，对所述种群S”执行单点交叉，获取种群S”’；
S243，对所述种群S”’执行单点变异，更新所述抗体群。
8.一种Lora智能水表网络网关部署装置，其特征在于，包括：
模型建立模块，基于目标智能水表网络中Lora网关候选位置、Lora智能水表终端位置、Lora智能水表终端的最大通信半径和Lora网关最大服务数量，建立Lora网关部署优化模型，所述Lora网关部署优化模型内包含Lora网关部署距离优化函数和限定Lora智能水表终端与Lora网关对应关系的约束条件；
部署优化模块，基于免疫算法求解所述Lora网关部署优化模型，获取网关优化部署位置。
9.根据权利要求8所述的装置，其特征在于，所述模型建立模块包括：
函数建立模块，根据Lora网关候选位置和Lora智能水表终端位置，获取Lora网关部署距离优化函数；
第一约束条件建立模块，根据Lora智能水表终端的最大通信半径，建立第一约束条件，以使得每一所述Lora智能水表终端能够与至少一个Lora网关通信；
第二约束条件建立模块，根据Lora网关最大服务数量，建立第二约束条件，以使得每一所述Lora网关实际服务的终端数量不超过Lora网关最大服务数量，同时每一所述Lora智能水表终端仅接入一个Lora网关。
10.一种Lora智能水表网络网关部署设备，其特征在于，包括：
至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至7任一所述的方法。
CN201710945828.8A 2017-09-30 2017-09-30 一种Lora智能水表网络网关部署方法及装置 Active CN107786989B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710945828.8A CN107786989B (zh) 2017-09-30 2017-09-30 一种Lora智能水表网络网关部署方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710945828.8A CN107786989B (zh) 2017-09-30 2017-09-30 一种Lora智能水表网络网关部署方法及装置

Publications (2)

Publication Number Publication Date
CN107786989A true CN107786989A (zh) 2018-03-09
CN107786989B CN107786989B (zh) 2021-04-02

Family

ID=61434636

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710945828.8A Active CN107786989B (zh) 2017-09-30 2017-09-30 一种Lora智能水表网络网关部署方法及装置

Country Status (1)

Country Link
CN (1) CN107786989B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110012112A (zh) * 2019-04-19 2019-07-12 欧普照明股份有限公司 一种基于物联网的终端设备的组网系统
CN111585877A (zh) * 2020-04-22 2020-08-25 菱亚能源科技（深圳）股份有限公司 一种基于光载波智能电网网关
CN114172868A (zh) * 2022-02-14 2022-03-11 武汉慧联无限科技有限公司 一种数据传输方法、装置及存储介质
CN114676539A (zh) * 2022-04-12 2022-06-28 山东华方智联科技股份有限公司 一种基于NB-IoT的智能电表多目标部署方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101075932A (zh) * 2007-06-29 2007-11-21 当代天启技术（北京）有限公司 数据远程计量的方法和系统
US20070268920A1 (en) * 2006-05-19 2007-11-22 Schneider Electric Industries Sas Communication gateway between wireless communication networks
CN102244892A (zh) * 2011-07-04 2011-11-16 南京邮电大学 一种基于免疫算法的移动传感网分簇方法
CN103077591A (zh) * 2012-09-14 2013-05-01 重庆大学 基于无线传感网络的农村智能电网远程抄表系统
CN104994515A (zh) * 2015-05-26 2015-10-21 哈尔滨工业大学 一种信息物理融合系统下的网关部署方法
CN105719016A (zh) * 2016-01-19 2016-06-29 国家电网公司 一种基于免疫算法的电力通信网接入点的选址规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070268920A1 (en) * 2006-05-19 2007-11-22 Schneider Electric Industries Sas Communication gateway between wireless communication networks
CN101075932A (zh) * 2007-06-29 2007-11-21 当代天启技术（北京）有限公司 数据远程计量的方法和系统
CN102244892A (zh) * 2011-07-04 2011-11-16 南京邮电大学 一种基于免疫算法的移动传感网分簇方法
CN103077591A (zh) * 2012-09-14 2013-05-01 重庆大学 基于无线传感网络的农村智能电网远程抄表系统
CN104994515A (zh) * 2015-05-26 2015-10-21 哈尔滨工业大学 一种信息物理融合系统下的网关部署方法
CN105719016A (zh) * 2016-01-19 2016-06-29 国家电网公司 一种基于免疫算法的电力通信网接入点的选址规划方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110012112A (zh) * 2019-04-19 2019-07-12 欧普照明股份有限公司 一种基于物联网的终端设备的组网系统
CN111585877A (zh) * 2020-04-22 2020-08-25 菱亚能源科技（深圳）股份有限公司 一种基于光载波智能电网网关
CN114172868A (zh) * 2022-02-14 2022-03-11 武汉慧联无限科技有限公司 一种数据传输方法、装置及存储介质
CN114676539A (zh) * 2022-04-12 2022-06-28 山东华方智联科技股份有限公司 一种基于NB-IoT的智能电表多目标部署方法

Also Published As

Publication number Publication date
CN107786989B (zh) 2021-04-02

Similar Documents

Publication Publication Date Title
CN107786989B (zh) 一种Lora智能水表网络网关部署方法及装置
US20210133536A1 (en) Load prediction method and apparatus based on neural network
CN111445111B (zh) 一种基于边缘协同的电力物联网任务分配方法
CN107547154B (zh) 一种建立视频流量预测模型的方法及装置
Supraja et al. Optimized neural network for spectrum prediction using genetic algorithm in cognitive radio networks
CN109743741A (zh) 无线路由器部署方法、装置、存储介质及电子设备
CN106717082A (zh) 减轻信号噪声的基于指纹的室内定位
CN113705959B (zh) 网络资源分配方法及电子设备
CN109769280B (zh) 一种基于机器学习的wifi智能预测切换方法
CN108833144B (zh) 一种基于聚类统计模型的智能电表集中器选址方法
Rangel et al. On redundant coverage maximization in wireless visual sensor networks: Evolutionary algorithms for multi-objective optimization
Abdelkhalek et al. A genetic algorithm based decision support system for the multi-objective node placement problem in next wireless generation network
CN108293193A (zh) 一种用于完成路测数据的高效计算方法
Mc Gibney et al. Agent-based optimization for large scale WLAN design
CN108989092B (zh) 一种无线网络预测方法、电子设备及存储介质
CN115412926A (zh) 基站站址规划方法、基站站址规划系统、设备及介质
Usman et al. The hybrid of depth first search technique and Kruskal's algorithm for solving the multiperiod degree constrained minimum spanning tree problem
Souza et al. Developing smart grids based on GPRS and ZigBee technologies using queueing modeling–based optimization algorithm
CN108495252A (zh) 基于遗传算法和模拟退火的室内定位网元优化布局方法
CN115186936B (zh) 基于gnn模型的油田最优井网构建方法
Lima et al. Efficient and robust WiFi indoor positioning using hierarchical navigable small world graphs
CN107248926B (zh) 一种面向多目标的epon规划方法
Hu et al. Vehicular task scheduling strategy with resource matching computing in cloud‐edge collaboration
Efstathiou et al. Efficient multi-objective optimisation of service compositions in mobile ad hoc networks using lightweight surrogate models
CN112488343A (zh) 一种基于超启发式算法的智慧城市智能感知终端选址方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant