CN111163477A - 一种广域三维环境下一体化智能基站自动部署方法 - Google Patents
一种广域三维环境下一体化智能基站自动部署方法 Download PDFInfo
- Publication number
- CN111163477A CN111163477A CN202010132960.9A CN202010132960A CN111163477A CN 111163477 A CN111163477 A CN 111163477A CN 202010132960 A CN202010132960 A CN 202010132960A CN 111163477 A CN111163477 A CN 111163477A
- Authority
- CN
- China
- Prior art keywords
- base station
- network
- intelligent base
- nodes
- deployment
- 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
Links
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/08—Testing, supervising or monitoring using real traffic
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明提供了一种广域三维环境下一体化智能基站自动部署方法,首先结合生态环境监测网络建设中遇到的实际问题,基于广域三维山区环境,提炼出数学模型,然后运用mesh网络和启发式搜索算法的思想,在满足最小建设成本,最大覆盖率以及最优网络连通性三个限制条件综合最优的前提下,求出了一种骨干网节点智能基站的规划部署方案,最后将本方法成功运用到了生态环境检测系统中。本发明适用于各类大范围的三维环境下的骨干网节点部署设计,可以根据不同的应用场景,调整相关输入参数,求出一个最优化的智能基站部署方案,推动了智能基站自动部署在广域三维场景中的应用。
Description
技术领域
本发明属于一体化智能基站自动部署方法技术领域,尤其涉及一种广域三维环境下一体化智能基站自动部署方法。
背景技术
随着无线通信技术的发展,无线mesh网络以其独特的优势正迅速崛起为最为理想的无线网络解决方案。在过去的WLAN中节点路由器必须通过有线链路连接到网络基础设施,无线mesh网络是一个具有网状拓扑结构的自配置网络,它即可使各个节点之间独立通信,又能建立起对等的通信网络,使节点间的通信不局限与一条路径,在无线mesh网络中,每个节点在辐射范围内都可以跟一个或者多个节点通信,因此使得网络通信距离得以增加。当两个节点之间的链路破坏,导致失效后,网络会自动查找经由一个或多个别的路由节点替代路径,这就是mesh网络的思想。设四边形ABCD的四个角A、B、C、D为四个基站,组成了一个mesh骨干网。假如A、B之间的连接被迫中断了,那么A、B之间会快速切换路线通过A-C-D-B的顺序再次实现连接。应用于野外环境中,mesh覆盖网还可以实现天和地的三维覆盖,通过连接地面的无人驾驶车辆,空中的无人机等,可以将无人机无人车等设备搜集到的信息实时传输回检测站,从而实现了自主无人的检测系统。
然而在无线mesh网络中,由于网络的通信可以经过一跳或者多跳的方式无线连接到其他的网络节点,这样就使得无线mesh网络具有简单快速部署、无布线成本、自动配置、组网灵活和可靠性高等独特性优势,因此在各个领域都有比较大的发展前途。在前期对网络做设计和规划时期,能否对骨干网进行有效部署对于网络建设成本有着重要的影响,并且有效的骨干网节点部署能够形成一个合理的无线网络拓扑结构,进而能够影响到整个网络的性能。与此同时,随着物联网领域的快速发展,人们对计算机的智能化要求越来越高,希望计算机能够自主地完成更多的任务,因此,找到一个合理有效的自动化节点部署方案是网络建设的重要前提。
广域环境中的节点部署问题属于NP-hard问题,NP-hard问题是数图论中最著名的问题之一,为了解决这一问题不少的学者在构造相应的数学模型后采用一些启发式搜索算法来对问题进行求解。启发式搜索算法,就是在状态空间中的搜索对每一个搜索的位置进行评估,得到最好的位置,再从这个位置进行搜索直到目标。常见的启发式搜索算法有蚁群算法,遗传算法、模拟退火算法等。本发明采用的禁忌搜索算法也是启发式搜索算法的一类,是对局部邻域搜索的一种扩展,是一种以全局迭代逐步寻优算法,是对人类智力过程的一种模拟算法。禁忌搜索算法不仅与以往的局域搜索算法不同,它能够在算法的求解过程中接受局部劣解以避免或者降低局部最优的可能性,可以说该算法是一种对人类智力过程的模拟。
发明内容
目前mesh网络在智慧城市中的应用已经比较成熟,但很少应用于广域三维环境中,本发明为了解决我国在广域三维环境下的一体化智能基站的自动部署方法的空缺,实现智能化基站的mesh组网在三维环境下的智能化部署,本发明提供一种广域三维环境下一体化智能基站自动部署方法,包括了以下步骤:
S1:根据实际地理信息,获取一定比例的点云坐标进行地形建模;
S2:对地形建模后,根据实际使用的智能基站设备的性能和实际场景的需求,设置基站节点与通信半径相关的参数;
S3:根据已知数据计算出节点间的通信链路集合和节点部署数量m的上下限,m的波动范围是根据实际需求来设置的;
S4:从m的下限开始,利用启发式搜索算法思想,依次计算当前m值对应的最优解并保存;
S5:到m的上限值为止,不断重复S4步骤,最后根据评价函数从所有结果中搜索找出本次的全局最优解。
S6:将所求的全局最优解的结果在三维渲染平台中进行仿真展示。
优选的,所述智能基站设备为具有mesh自组网技术的远距离无线通信设备,在模型中将每个智能基站设备作为一个自组网节点,当网络中两节点间的通信线路发生故障中断后,网络会自动为这两个节点重新切换当前的最短通信路径,从而保证网络的通畅。
优选的,所述启发式搜索算法思想是解决商旅问题的常用思想,在状态空间中对每一个搜索的位置进行评估,得到最好的位置,再从这个位置进行搜索直到找到全局最优目标,此思想是目前用于求解广域智能化基站部署问题的常用方法,由于节点部署数量为未知数,所以可以根据实际需求按照一定的比例设置其波动范围进行计算,从而实现算法的自动化求解。
优选的,所述根据评价函数从所有结果中搜索找出本次全局最优解,其中评价函数指的是当前解对应的网络覆盖率、网络连通性和建设成本三个指标组成的综合评价函数。
与现有技术相比,本发明的有益效果是:
1.本发明将启发式搜索算法思想和实际问题相结合,对禁忌搜索算法进行了改进,优化了初始解的选取和评价函数,将算法应用于三维场景中,本发明是一体化智能基站的自动部署在广域三维环境下的一次突破性应用。
2.本发明适用于各类大范围的三维环境下的骨干网节点部署设计问题,可以根据不同的应用场景,调整相关输入参数,求出一个最优化的智能基站部署方案,推动了智能基站自动部署在三维场景中的应用,具有广泛适用性。
附图说明
图1是本发明的整体流程图;
图2是本发明的结构示意图;
图3是本发明的截面示意图;
图4是本发明的改进的禁忌搜索算法详细流程图;
图5是本发明的改进算法求出的搜索结果折线图;
图6是本发明的改进算法求出的搜索结果的局部放大图;
图7是本发明的最优化站址部署仿真的结果图。
具体实施方式
下面将结合本发明实施例的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
以下对本发明做进一步描述:
一种广域三维环境下一体化智能基站自动部署方法,本发明实例按照如附图1所示步骤进行求解,本方法的实例示意图如附图2所示,其截面示意图如附图3所示。本实例具体步骤如下:
(1)建立数学模型
首先根据实际地理信息,获取一定比例的点云坐标进行地形建模,根据实际使用的智能基站设备的性能和实际场景需求,设置基站节点的通信半径相关的参数。
已知条件为地理环境信息、设备通信半径(r_max)、节点的覆盖半径为R和节点间的最大跳数(H)。
设网络中一共有n个候选节点的部署位置,选取其中m个部署mesh节点,节点的最大跳数为H,候选站址的节点集合为V,vi代表网络中第i个候选节点,(xi,yi.zi)代表每个备选节点的坐标信息。
V=[v1,v2,…,vn],vi=(xi,yi,zi),i=1,2,…n
(2)设置评价函数
设定三个求解目标:覆盖率最大(f1)、网络整体服务质量最优(f2)和节点部署个数最少(f3),约束条件是保证整个网络的连通性,对于求解多目标规划问题,在满足约束条件的前提下,我们给每个目标函数赋予相应的权值,从而求使整体最优的解。
覆盖率是mesh网络节点部署方案中最重要的指标,覆盖率的大小是对算法性能优劣最根本的评价指标。关于覆盖率的求解首先考虑到山脊高度不一,以及mesh网络在空中的覆盖率,从地图上所有点中按照一定的比例抽取L个点,它们的集合记为:
MS=[a1,a2,…,ap],at=(xt,yt,zt),t=1,2,…L
为简化计算,用MS近似代表整个地图,其中(xt,yt,zt)为点at的坐标,初始化被mesh节点所覆盖的节点个数Lcover=0,然后计算每个交点到第i∈{1,2,…,m}个mesh节点的欧氏距离,判断该距离是否在节点的通讯范围内,以此为依据更新Lcover的值,如下述公式所示:
则mesh覆盖率可表示为:
mesh网络整体的服务质量直接反映了用户的数据传输效率,由于我们所采用的mesh路由器设备具有足够的传输带宽,足够满足野外环境下的数据传输,所以用户点的数据传输速率主要由用户和路由器节点间的距离决定,我们把求得的节点部署方案记为:
VS=[v1,v2,…,vm],vj=(xj,yj,zj),j=1,2,…m
所选取的节点集合为VS,vj代表解中第j个节点,(xj,yj,zj)代表每个节点的坐标信息,共有m个解,求出MS中每一点与VS中距离其最近的一点的距离:
这些距离的总和记为Dall=f2,则f2就是网络整体服务质量的评价函数。
最后节点部署个数,直接反映了网络建设成本,在求解过程中我们希望网络的建设成本能够在满足各种约束的条件下最小,即min(1/m)。
(3)算法的实现
禁忌搜索算法求解组合优化问题的过程可以分为两个步骤:
首先获取初始解,并将初始解作为当前解,然后在当前解的邻域集合中进行搜索,找到当前的领域集合中的最优解,并更新当前解,最后就是再根据禁忌表的禁忌规则再进行遍历迭代。
禁忌搜索算法最为特别的是禁忌表的使用,禁忌表的作用是可以避免先前已经被搜索过的局部最优解再次被重新搜索,并可以将先前已经搜索到的局部优解以一定的形式保存起来。
算法通过对禁忌表的使用能够在计算过程中适当的对局部最优解进行过滤,从而减运算量并提高运算效率,与此同时还可以进一步开辟新的搜索区域;但是,算法最开始通过对初始解进行邻域变换得到其邻域解,这就造成了禁忌搜索算法对于初始解的优劣的依赖性比较强,一般情况下,较好的初始解能够相应的减少算法的迭代次数,使得搜索的速度加快与此同时也能提高得到近似全局最优解的可能性;
而较差的初始解则可能造成搜索过慢甚至不能获得近似全局最优解,考虑到野外环境遮挡较多,设备需要远距离传输,遮挡对于智能基站节点间的传输影响很大,节点应尽量选择在高处部署才能减少遮挡,提高算法在节点部署上的实际应用性,所以在随机等概率抽取节点坐标组成初始解点集时,对于节点Z坐标值较大的点,提高其的被抽取概率,从而实现初始解中与三维环境的结合与应用。
此外,由于初始解仍然是随机的,解的部署个数m的值是不断变化的,所以当m较小时,初始解组成的广域无线通信网络可能有中断的情况发生,所以在搜索之前需要测试初始解的连通性。
首先,根据VS可以计算得到一个连接矩阵:
其中i,j=1 2…如果连接矩阵M上三角所有值都为正,那么说明VS网络中所有的点都是联通的,否则计算M的二次连接矩阵M*M,如果二次连接矩阵的上三角所有值都为正,这意味着VS网络中所有的点都可以通过另一个点间接连接;类似地,M*M*M是M的三次连接矩阵,根据智能基站的相关设备参数,设置最大跳数为H,计算M的n次连接矩阵,直到连接矩阵的三角所有值都为正,那么说明VS网络中所有的点都是可以联通的,如果直到n>=H还没有出现满足要求的连接矩阵,则说明该初始解是不连通的,需改变m值后重新求解初始解;
由于简单的禁忌搜索算法的思想是在已知要部署的mesh节点数目的条件下进行求解的,而已知的条件有限,为了让整个问题的求解实现全自动化,从输入地图信息到求解出智能化基站的节点部署方案,都由程序自主计算,据此对算法再做了一些改进,改进后的算法整体流程图如附图4所示,从图中可以看出,改进后的算法实现了在野外三维空间下自动部署最优化的mesh网络。
经过改进的禁忌搜索算法在算法的求解性能上优于基本的禁忌搜索算法,更加适用广域三维环境下的mesh网络部署。
(4)仿真
本实例的仿真实验主要是通过Matlab软件来验证节点部署算法的性能,以四川省王朗国家自然保护区为实验地点,以亿波普天公司ZoneFree5886系列产品作为实验所用的mesh路由器设备。
首先将三维地图信息输入到Matlab中,节点使用协议为802.11ac,作为无线mesh网络的MAC层协议,10公里内可以保证通信速率在300Mbps以上,当节点之间距离增大时,链路之间通信容量会依次减小,考虑节点之间的干扰会影响传输速率,mesh节点的通信半径,将通信半径设为10公里,试验的区域设为17平方公里。
程序进入循环后,会记录每次搜索算法求出的解的评价值,并保存在结果集合中,算法运行的当前循环保存的历史最优解的评价值记为best_so_far,当前解的评价值记为RESULT。
如附图5所示,其中波动较大且密集的折线代表的是当前搜索算法求出的解对应的评价值的变化,波动较小且比较平缓的折线代表的是当前搜索次数内求得的解对应的最小评价值的变化,即当前最优解的评价值。
从图中可以看出,程序总共搜索了32,490次,最小评价值f=1.1349,由于搜索次数数量级较大,因此截取了附图4中较典型的一部分放大得到附图6。
从附图6中可以看到,在搜索过程中评价值在不断变化,搜索过程中可以接受解决方案不如当前的解,然后跳出局部最优解进而搜索全局最优解,避免程序一直陷入局部最优解的限制。
附图6是最终的结果部署图,图中散点是以5m为间隔在王朗整个地图中抽取的点来近似代表整个地图,“○”是均匀选取的一定比例的候选节点,“*”是实施例从候选节点中求解出的最优解。
从附图7可以看出Matlab环境中的结果展示,并且基于四川省王朗自然保护区的实地三维地图,将本实例求得的最优解在三维渲染平台上进行部署并展示。
需要说明的是,在本文中,而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、
修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (4)
1.一种广域三维环境下一体化智能基站自动部署方法,其特征在于,包括了以下步骤:
S1:根据实际地理信息,获取一定比例的点云坐标进行地形建模;
S2:对地形建模后,根据实际使用的智能基站设备的性能和实际场景的需求,设置基站节点与通信半径相关的参数;
S3:根据已知数据计算出节点间的通信链路集合和节点部署数量m的上下限,m的波动范围是根据实际需求来设置的;
S4:从m的下限开始,利用启发式搜索算法思想,依次计算当前m值对应的最优解并保存;
S5:到m的上限值为止,不断重复S4步骤,最后根据评价函数从所有结果中搜索找出本次的全局最优解。
S6:将所求的全局最优解的结果在三维渲染平台中进行仿真展示。
2.根据权利要求1所述的一种广域三维环境下一体化智能基站自动部署方法,其特征在于,所述智能基站设备为具有mesh自组网技术的远距离无线通信设备,在模型中将每个智能基站设备作为一个自组网节点,当网络中两节点间的通信线路发生故障中断后,网络会自动为这两个节点重新切换当前的最短通信路径,从而保证网络的通畅。
3.根据权利要求1所述的一种广域三维环境下一体化智能基站自动部署方法,其特征在于,所述启发式搜索算法思想是解决商旅问题的常用思想,在状态空间中对每一个搜索的位置进行评估,得到最好的位置,再从这个位置进行搜索直到找到全局最优目标,此思想是目前用于求解广域智能化基站部署问题的常用方法,由于节点部署数量为未知数,所以可以根据实际需求按照一定的比例设置其波动范围进行计算,从而实现算法的自动化求解。
4.根据权利要求1所述的一种广域三维环境下一体化智能基站自动部署方法,其特征在于,所述根据评价函数从所有结果中搜索找出本次全局最优解,其中评价函数指的是当前解对应的网络覆盖率、网络连通性和建设成本三个指标组成的综合评价函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010132960.9A CN111163477B (zh) | 2020-02-29 | 2020-02-29 | 一种广域三维环境下一体化智能基站自动部署方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010132960.9A CN111163477B (zh) | 2020-02-29 | 2020-02-29 | 一种广域三维环境下一体化智能基站自动部署方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111163477A true CN111163477A (zh) | 2020-05-15 |
CN111163477B CN111163477B (zh) | 2022-06-14 |
Family
ID=70566719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010132960.9A Active CN111163477B (zh) | 2020-02-29 | 2020-02-29 | 一种广域三维环境下一体化智能基站自动部署方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111163477B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112351438A (zh) * | 2020-11-04 | 2021-02-09 | 南京航空航天大学 | 一种基于无向图的无人机基站部署方法 |
CN114090621A (zh) * | 2021-11-22 | 2022-02-25 | 安徽中科大赛悟科技有限公司 | 一种地空一体化生态环境监测系统 |
CN114676491A (zh) * | 2022-05-30 | 2022-06-28 | 中铁第四勘察设计院集团有限公司 | 一种铁路通信铁塔设计高度快速优化确定方法及系统 |
CN115314905A (zh) * | 2022-06-24 | 2022-11-08 | 桂林电子科技大学 | 一种考虑可燃气体扩散规律的传感器优化部署方法 |
CN116668306A (zh) * | 2023-06-08 | 2023-08-29 | 中国人民解放军国防科技大学 | 一种基于三视角的机动通信网网络工程化规划方法及系统 |
CN117119469A (zh) * | 2023-10-18 | 2023-11-24 | 国网江苏省电力有限公司信息通信分公司 | 基于改进粒子群算法的电力无线专网基站选址方法及装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102238561A (zh) * | 2011-07-20 | 2011-11-09 | 夏士雄 | 基于能量有效的分层协作覆盖模型的节点部署方法 |
CN103856952A (zh) * | 2014-02-27 | 2014-06-11 | 上海大学 | 一种工业无线传感器网络Pareto多目标部署优化方法 |
US20140355476A1 (en) * | 2013-06-03 | 2014-12-04 | Glen J. Anderson | Systems and methods for mesh network deployment |
CN105208569A (zh) * | 2015-08-19 | 2015-12-30 | 南京邮电大学 | 复杂三维场景环境下有向传感器网络覆盖方法 |
CN105764068A (zh) * | 2016-04-01 | 2016-07-13 | 清华大学 | 一种基于禁忌搜索的小基站容量与覆盖优化方法 |
CN106131862A (zh) * | 2016-07-01 | 2016-11-16 | 厦门大学 | 无线传感器网络中基于多目标进化算法的优化覆盖方法 |
CN107343283A (zh) * | 2017-06-02 | 2017-11-10 | 电子科技大学 | 一种基于遗传算法的三维静态无线传感网络部署方法 |
CN109699033A (zh) * | 2019-01-28 | 2019-04-30 | 国网江苏省电力有限公司电力科学研究院 | 面向成本和负载均衡的LoRa电力物联网基站部署方法及装置 |
US10425832B1 (en) * | 2018-07-17 | 2019-09-24 | Facebook, Inc. | Network design optimization |
-
2020
- 2020-02-29 CN CN202010132960.9A patent/CN111163477B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102238561A (zh) * | 2011-07-20 | 2011-11-09 | 夏士雄 | 基于能量有效的分层协作覆盖模型的节点部署方法 |
US20140355476A1 (en) * | 2013-06-03 | 2014-12-04 | Glen J. Anderson | Systems and methods for mesh network deployment |
CN103856952A (zh) * | 2014-02-27 | 2014-06-11 | 上海大学 | 一种工业无线传感器网络Pareto多目标部署优化方法 |
CN105208569A (zh) * | 2015-08-19 | 2015-12-30 | 南京邮电大学 | 复杂三维场景环境下有向传感器网络覆盖方法 |
CN105764068A (zh) * | 2016-04-01 | 2016-07-13 | 清华大学 | 一种基于禁忌搜索的小基站容量与覆盖优化方法 |
CN106131862A (zh) * | 2016-07-01 | 2016-11-16 | 厦门大学 | 无线传感器网络中基于多目标进化算法的优化覆盖方法 |
CN107343283A (zh) * | 2017-06-02 | 2017-11-10 | 电子科技大学 | 一种基于遗传算法的三维静态无线传感网络部署方法 |
US10425832B1 (en) * | 2018-07-17 | 2019-09-24 | Facebook, Inc. | Network design optimization |
CN109699033A (zh) * | 2019-01-28 | 2019-04-30 | 国网江苏省电力有限公司电力科学研究院 | 面向成本和负载均衡的LoRa电力物联网基站部署方法及装置 |
Non-Patent Citations (3)
Title |
---|
李旭峰: ""无线Mesh网络节点部署及干扰优化分析研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
李旭峰: ""无线Mesh网络节点部署及干扰优化分析研究"", 《中国优秀硕士学位论文全文数据库信息科技辑》, 15 October 2018 (2018-10-15), pages 3 * |
陈志国: ""采用贪婪启发式的异构WSNs部分覆盖算法"", 《火力与指挥控制》, 15 January 2020 (2020-01-15) * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112351438A (zh) * | 2020-11-04 | 2021-02-09 | 南京航空航天大学 | 一种基于无向图的无人机基站部署方法 |
CN114090621A (zh) * | 2021-11-22 | 2022-02-25 | 安徽中科大赛悟科技有限公司 | 一种地空一体化生态环境监测系统 |
CN114090621B (zh) * | 2021-11-22 | 2024-06-25 | 中科赛悟科技(安徽)有限公司 | 一种地空一体化生态环境监测系统 |
CN114676491A (zh) * | 2022-05-30 | 2022-06-28 | 中铁第四勘察设计院集团有限公司 | 一种铁路通信铁塔设计高度快速优化确定方法及系统 |
CN115314905A (zh) * | 2022-06-24 | 2022-11-08 | 桂林电子科技大学 | 一种考虑可燃气体扩散规律的传感器优化部署方法 |
CN115314905B (zh) * | 2022-06-24 | 2023-11-07 | 桂林电子科技大学 | 一种考虑可燃气体扩散规律的传感器优化部署方法 |
CN116668306A (zh) * | 2023-06-08 | 2023-08-29 | 中国人民解放军国防科技大学 | 一种基于三视角的机动通信网网络工程化规划方法及系统 |
CN116668306B (zh) * | 2023-06-08 | 2024-02-23 | 中国人民解放军国防科技大学 | 一种基于三视角的机动通信网网络工程化规划方法及系统 |
CN117119469A (zh) * | 2023-10-18 | 2023-11-24 | 国网江苏省电力有限公司信息通信分公司 | 基于改进粒子群算法的电力无线专网基站选址方法及装置 |
CN117119469B (zh) * | 2023-10-18 | 2024-01-05 | 国网江苏省电力有限公司信息通信分公司 | 基于改进粒子群算法的电力无线专网基站选址方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111163477B (zh) | 2022-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111163477B (zh) | 一种广域三维环境下一体化智能基站自动部署方法 | |
CN110989612A (zh) | 一种基于蚁群算法的机器人路径规划方法及装置 | |
CN103826281B (zh) | 基于场强信息的微功率无线通信中心节点组网方法 | |
CN111654869B (zh) | 无线网络自组网方法 | |
CN103906164B (zh) | 海上搜救无线传感器网络拓扑及拓扑控制方法 | |
CN109699033B (zh) | 面向成本和负载均衡的LoRa电力物联网基站部署方法及装置 | |
CN104539542B (zh) | 一种基于移动Sink数据收集的低能耗路由树枝剪方法 | |
CN102625324A (zh) | 基于粒子群算法的无线光纤传感器网络部署方法 | |
CN103095577B (zh) | 上下文相关的非均匀分簇路由算法 | |
Mnasri et al. | 3D indoor redeployment in IoT collection networks: A real prototyping using a hybrid PI-NSGA-III-VF | |
CN111818535B (zh) | 一种融合多种群优化算法的无线局域网三维优化部署方法 | |
CN107133704A (zh) | 遵循最优—遗忘规则的大规模人群动态应急疏散的模拟方法 | |
CN104270807A (zh) | 一种用于三维场景的无线Mesh网络发射功率选择方法及设备 | |
CN104394535A (zh) | 面向协作通信的基站规划方法 | |
CN104144425A (zh) | 无线通信系统中的网络管理装置、方法和装置 | |
CN113411766B (zh) | 智慧物联网综合感知系统及方法 | |
Mnasri et al. | A hybrid ant-genetic algorithm to solve a real deployment problem: a case study with experimental validation | |
CN110430579A (zh) | 基于果蝇优化的非均匀环境的无线ap部署优化方法 | |
CN116634504A (zh) | 基于改进nsga-ii算法的无人机组网拓扑关系与带宽分配优化策略 | |
CN113259242B (zh) | 一种场域网组网方法和装置 | |
CN110366188B (zh) | 干扰测量点部署方法、干扰测量路径规划方法及系统 | |
Gemmi et al. | On the properties of next generation wireless backhaul | |
Qiu et al. | A 3-D topology evolution scheme with self-adaption for industrial Internet of Things | |
CN106658633B (zh) | 一种微功率无线多跳链路建立方法 | |
Bharany et al. | Energy Efficient Clustering Protocol for FANETS Using Moth Flame Optimization. Sustainability 2022, 14, 6159 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210706 Address after: 300073 1-1-2401-1, Huike building, intersection of Anshan West Road and Baidi Road, Nankai District, Tianjin Applicant after: Tianjin LINGJI Technology Co.,Ltd. Address before: 300000 science group of new campus of Nankai University, Jinnan District, Tianjin Applicant before: NANKAI University |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |