CN112333712A - 一种网络规划资源处理方法和装置 - Google Patents

Abstract

本发明实施例提供一种网络规划资源处理方法和装置，利用NSGA‑II算法来解决通信系统中网络规划资源配置优化问题的多个目标通常彼此矛盾，难以同时优化的问题。本发明实施例分别采集业务需求类、网络建设成本类、投资效益类基础指标数据，并进一步结合通信系统网络规划的技术特点，构建资源配置多目标优化模型，提供一种面向多目标的资源配置优化方法。

Description

一种网络规划资源处理方法和装置

技术领域

本发明涉及移动通信技术领域，尤其涉及一种网络规划资源处理方法和装置。

背景技术

资源配置优化问题是通信系统网络规划技术领域内核心问题之一。面向整个通信行业效益下行的大背景下，“低成本、高效”是通信运营企业的不二选择。实现低成本高效的运营，只能改变之前粗放式的资源投放模式，优化资源配置方式，向“精细化、准确、高效”的网络规划模式转变，同时还要考虑战略转型的需要。因此，探索一种新时期网络规划资源配置优选方法显得尤为迫切。

网络规划中资源配置方案的优化选择问题，其实质是多目标优化问题。在现有技术中，按照资源配置处理方式，网络规划总体方法可以归纳为三类。第一类是基于业务量及业务分布的网络规划方法；第二类是划小规划业务区，并将投入与产出进行关联分析，通过获取资源配置的相对效率指数进而达到反向优化改善网络规划方案；第三类是应用多目标优化技术，对资源配置方案进行优化。

一般来说，在通信系统网络规划中，尤其涉及资源配置方案决策问题时，各目标及其参数间往往是相互关联且又相互矛盾的，目标变量与决策变量之间的关系非常复杂，往往较难用简单的函数准确表达，多目标之一的子目标的改善往往会引起另外一个子目标指标的降低。因此，要使得所有多目标均要同时取得最优的值是不可能的，只能权衡妥协处理(Trade-off)，采取特定的规划策略，使得各子目标都有取舍的达到最优，从而达到优化资源配置方案优选的目的。

现有技术中的多目标优化技术，第一类是将多目标问题转化成单目标优化问题求解，包括基于传统运筹学的数学多目标函数优化技术，多目标规划、动态规划、评价函数法等；第二类是基于进化算法的人工智能算法，包括遗传算法、粒子群算法、蚁群算法等；还有一类是混合算法的多目标优化技术，如粒子群算法与序列二次规划法的结合，遗传算法与退火算法的结合等，随着深度学习技术及其相关思想的发展，这方面还有长足的发展空间。

基于遗传算法思想的快速非支配排序遗传算法(Non-dominated SortingGenetic Algorithm-II，NSGA-II)，提出了快速非支配排序、拥挤度比较算子，在降低算法复杂度的同时，引入了精英策略，具有很好的非线性优化能力，并且可获取多目标Pareto最优解集，保证最优个体多样性从而为决策者提供不同偏好选择，成为求解多目标优化问题的优秀智能算法之一。目前NSGA-II在电力系统调度计划、汽车制动器多目标优化等方面有初步的应用案例，但其模型的鲁棒性与算法的可移植性较差，不能直接应用在通信系统网络规划中。

综上所述，探索遗传算法(NSGA-II)等多目标优化算法在通信系统中的应用、模型搭建以及多目标优化求解，以解决通信系统网络规划中资源配置方案优化问题，对于提升通信系统应用人工智能技术具有积极的意义。

发明内容

针对现有技术存在的问题，本发明实施例提供一种网络规划资源处理方法和装置。

第一方面，本发明实施例提供一种网络规划资源处理方法，包括：

针对任一个规划业务区，确定网络规划基础资源配置方案，对所述规划业务区进行划分获得至少一类子规划业务区，对所述网络规划基础资源配置方案进行赋值，并将网络规划项目资源进行分类；其中，每一类子规划业务区即为一个决策单元；

采集每类子规划业务区的基础资源配置方案数据，并将每类子规划业务区的基础数据量化为对应每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标；

采集所述每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标，将其量化形成为相应的决策变量、目标函数和约束条件，以建立多目标优化模型；并将其转换为所述多目标优化模型能够处理的基础数据；

对所述目标函数进行非支配遗传算法NSGA-II求解，获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案。

进一步地，所述方法还包括：以所述网络规划基础资源配置方案为基础选取参考点，利用决策评价函数进行决策平衡选择，获取决策参考资源配置方案。

进一步地，所述目标函数分别是网络成本目标、通信服务收入目标和投资效益目标。

进一步地，所述确定网络规划基础资源配置方案，对所述规划业务区进行划分获得至少一类子规划业务区，对所述网络规划基础资源配置方案进行赋值，并将网络规划项目资源进行分类，包括：

划分决策单元，用于将所述规划业务区划分为q类子规划业务区；其中，q为大于或等于1的整数；

基于基础资源配置方案网络建设投资和基础资源配置通信服务收入，表述所述网络规划基础资源配置方案；

对所述网络规划基础资源配置方案进行赋值；

按照资源配置管控要求，将网络规划项目资源进行分类。

进一步地，所述网络规划项目资源进行分类所获得的多个项目，设置有比例限制要求。

进一步地，所述对所述目标函数进行非支配遗传算法NSGA-II求解，获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案，包括：

初始化模型参数，确定NSGA-II输入模型参数；

随机产生种群，决定资源投向与业务需求直接相关决策单元资源的大小；

计算适应函数；

进行交叉和变异；

判断是否收敛，若是结束优化过程，否则重复上述过程；

获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案。

进一步地，所述以所述网络规划基础资源配置方案为基础选取参考点，利用决策评价函数进行决策平衡选择，获取决策参考资源配置方案，包括：

根据特定规划策略或者决策偏好，确定与多目标个数一致的决策准则；

以所述网络规划基础资源配置方案为基础选取参考点；

建立决策评价函数，所述评价函数是依据多目标效用值与所述参考点差异获得的；

通过计算各决策准则的期望值，获取决策参考资源配置方案。

进一步地，所述法还包括资源分配的步骤，具体包括：

划分决策单元，获取资源基础数据；

采集每类决策单元基础资源配置方案数据，并将每类决策单元的基础数据量化为所述每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标；

按照专业别和项目分类别编写分配任务队列，以选取所需分配的任务；

分别给所述业务需求模型指标、所述网络成本模型指标和所述投资效益模型指标赋予不同的比重，以确定不同的资源分配策略；

对所述所需分配的任务，按照所述项目分类别分别进行资源分配。

判断所述任务队列是否为空，若为空，则执行下一步；若不为空，则重新选取所需分配的任务，并进行资源分配；

对所述项目分类别资源分配结果进行加和汇总，得到新的资源分配方案。

第二方面，本发明实施例提供一种网络规划资源处理装置，包括资源配置模块，所述资源配置模块包括：

划分决策单元，用于针对任一个规划业务区，确定网络规划基础资源配置方案，对所述规划业务区进行划分获得至少一类子规划业务区，对所述网络规划基础资源配置方案进行赋值，并将网络规划项目资源进行分类；其中，每一类子规划业务区即为一个决策单元；

第一量化单元，用于采集每类子规划业务区的基础资源配置方案数据，并将每类子规划业务区的基础数据量化为对应每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标；

第二量化单元，用于采集所述每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标，将其量化形成为相应的决策变量、目标函数和约束条件，以建立多目标优化模型；并将其转换为所述多目标优化模型能够处理的基础数据；

第一确定单元，用于对所述目标函数进行非支配遗传算法NSGA-II求解，获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案。

进一步地，所述资源配置模块还包括：优选单元，用于以所述网络规划基础资源配置方案为基础选取参考点，利用决策评价函数进行决策平衡选择，获取决策参考资源配置方案。

进一步地，所述装置还包括资源分配模块，用于包括：

第二确定单元，用于划分决策单元，获取资源基础数据；

采集每类决策单元基础资源配置方案数据，并将每类决策单元的基础数据量化为所述每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标；

按照专业别和项目分类别编写分配任务队列，以选取所需分配的任务；

分别给所述业务需求模型指标、所述网络成本模型指标和所述投资效益模型指标赋予不同的比重，以确定不同的资源分配策略；

对所述所需分配的任务，按照所述项目分类别分别进行资源分配。

判断所述任务队列是否为空，若为空，则执行下一步；若不为空，则重新选取所需分配的任务，并进行资源分配；

对所述项目分类别资源分配结果进行加和汇总，得到新的资源分配方案。

第三方面，本发明实施例提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如第一方面所述的网络规划资源处理方法的步骤。

第四方面，本发明实施例提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面所述的网络规划资源处理方法的步骤。

本发明实施例提供的网络规划资源处理方法和装置，利用NSGA-II算法来解决通信系统中网络规划资源配置优化问题的多个目标通常彼此矛盾，难以同时优化的问题。本发明实施例分别采集业务需求类、网络建设成本类、投资效益类基础指标数据，并进一步结合通信系统网络规划的技术特点，构建资源配置多目标优化模型，提供一种面向多目标的资源配置优化方法。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的网络规划资源处理方法的流程示意图；

图2为本发明实施例NSGA-II算法示意性流程图；

图3本发明实施例资源分配优选方法示意性流程图；

图4本发明实施例提供的网络规划资源配置与分配优化模型图；

图5本发明实施例提供的资源配置与分配优化方法示意性流程图；

图6为本发明实施例提供的网络规划资源处理装置组成示意图；

图7为本发明实施例提供的电子设备实体结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，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作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。

现有技术中通信系统网络规划方法存在的以下问题，例如首先，目前基于业务量及业务分布的网络规划方法，缺乏投入及产出的关联分析，也不能根据目标进行资源配置的优化调整；另外，基于划小规划业务单元进行资源配置方案优化的方法，该方法只能针对单一目标进行优化。再有，面向多目标的EPON规划方法，不能直接用于解决通信系统网络规划中的资源配置方案优化选择，尤其涉及特定规划策略的资源配置方案优选。本发明各实施例要解决的技术问题是通信系统中网络规划资源配置优化问题，尤其解决面向多目标网络规划资源配置方案优化选择问题。

如图1为本发明实施例提供的网络规划资源处理方法流程示意图，如图所示，该发包括如下步骤：

步骤100、针对任一个规划业务区，确定网络规划基础资源配置方案，对所述规划业务区进行划分获得至少一类子规划业务区，对所述网络规划基础资源配置方案进行赋值，并将网络规划项目资源进行分类；其中，每一类子规划业务区即为一个决策单元；

步骤101、采集每类子规划业务区的基础资源配置方案数据，并将每类子规划业务区的基础数据量化为对应每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标；

步骤102、采集所述每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标，将其量化形成为相应的决策变量、目标函数和约束条件，以建立多目标优化模型；并将其转换为所述多目标优化模型能够处理的基础数据；

步骤103、对所述目标函数进行非支配遗传算法NSGA-II求解，获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案。

本发明实施例以业务需求连接数作为最基本的变量，将网络规划资源配置方案₀在一定的值域空间内进行离散化编码组合，通过对业务需求、网络成本、投资效益三类指标分别进行建模和量化转换，并通过NSGA-II遗传算法优化求解，找出多目标最优空间解集。

作为优选，所述方法中优化任务集合CASE＝{CASE1，CASE2，...，CASEs}中的优化任务CASEs即可以是单纯的完成一阶段资源配置优化任务(一般是总部单位，比如省公司)，也可以是单纯完成二阶段资源分配优化任务(一般是分公司)，还可以同时完成两阶段化任务的组合，也可以是二级优化任务中的部分规划业务子单位(分公司)及其组合。

CASE1＝单纯完成一阶段优化任务方法的具体过程包括：

第一步，确定网络规划基础资源配置方案₀，划分决策单元；进行方案₀赋值，确定项目资源分级分类，具体方法如下：

1.划分决策单元，用于将规划业务区划分为q类子规划业务区，其中q为大于或等于1的整数。一般来说，一阶段一般为通信系统网络子专业，或者建设场景，用DMU表示；在实际优化工作中，往往还会根据优化目标需要，对划分后的决策单元进行选取，本实施例中，选取q＝6，无量纲；DMU＝{无线城区，无线农村，有线城区，有线农村，传输，其它}。

为了便于处理后续建模过程中的约束条件，将所述决策单元DMU划分为与业务需求直接相关、与专业间直接相关；本发明实施例中，与业务需求直接相关的DMU＝{无线城区，无线农村，有线城区，有线农村}；与专业间直接相关的DMU＝{传输，其它}。

2.表述网络规划基础资源配置方案CASE1₀，用T_u表述每类DMU的基础资源配置方案网络建设投资，单位万元；用C_u表述每类DMU的基础资源配置通信服务收入，单位万元；其中网络规划基础资源配置方案₀分别用T_u0及C_u0表述。

3.给网络规划基础资源配置方案CASE1₀赋值。

T_u0＝{T_u10，T_u20，T_u30，T_u40，T_u50，T_u60}；其中T_uk0(k＝1，2…q)表述第k个决策单元DMU的网络建设投资，单位万元；

C_u0＝{C_u10，C_u20，C_u30，C_u40，C_u50，C_u60}；其中C_uk0(k＝1，2…q)表述第k个决策单元DMU的通信服务收入，单位万元。

4.确定项目资源分级分类，按照资源配置管控要求，将网络规划项目资源进行分类。本实施例分成三类项目，即一类项目，二类项目，三类项目，分别用a，b，c表述；用T_ua表述a类DMU的基础资源配置网络建设投资，单位万元，b类、c类类同；用

表述a类DMU的基础资源配置通信服务收入，单位万元，b类、c类类同；其中网络规划基础资源配置方案₀分别用

及

表述，b类、c类类同；其中

在实际资源计划管控中，对a类项目、b类项目、c类项目往往附加比例限制要求；本实施例中，

即a类项目网络建设投资不超过总体资源总量的70％，a、b类项目网络建设投资不超过总体资源量的90％。

第二步，初始化决策变量，模型指标、参数和优化任务集合；进行业务需求模型、网络成本模型及投资效益三类指标的采集，并进行量化。采集每类子规划业务区的基础资源配置方案数据，并将每类子规划业务区的基础数据量化为所述决策单元的业务需求模型类指标、网络成本模型类指标、投资效益模型类指标，具体方法如下：

1.初始化优化任务集合，设置当前网络规划基础资源配置方案₀＝CASE1₀。

2.采集业务需求模型类指标，包括：

(1-1)业务需求，业务需求，用

表述，其中X_ukj，表示k个决策单元DMU的第j类业务需求，无量纲；对于每类业务需求，用X表述，如表1所示，其中X为m×n矩阵；本实施例中(m＝4，n＝7)，用X_j1表述2G业务需求，用X_i2表述4G业务需求，用X_i3表述5G业务需求，X_i4表述家庭宽带业务需求，用X_i5表述集团专线业务需求，用X_i6表述小微宽带业务需求，X_i7表述物联网业务需求。

表1业务需求矩阵样表(业务量)

表1中，用X_1j表述连接数，单位万个连接；用X_2j表述话音业务计费时长，单位万分钟，用X_3j表述移动数据流量，单位万GB；用X_4j其它业务量，单位万个。

本发明实施例中，业务需求矩阵表述结果见表1及表2，其中表1表述业务需求矩阵业务量，表2表述业务需求矩阵平均资费。

表2业务需求矩阵样表(平均资费)

(1-2)通信服务收入，用

表述，其中C_ujk表示k个决策单元DMU的第j个业务需求通信服务收入，单位万元。

3.采集网络成本模型类指标，一般来说，分子专业构建不同的网络建设成本模型是通信系统的技术特点；本实施例分列了无线接入网络、有线接入网络、传输网络及其它网络，一共4个子专业。

进一步来说，为了便于通信系统网络建设规划，会将规划业务区分场景实施不同的建设策略；本实施列分列了城区、农村两个场景。

为了方便成本模型选择及与业务需求模型类指标的配比，本发明实施例给出一个专业选择系数e_ij，该系数是一个n维向量，e_ij＝{0，1}，e_ij＝1为选择该需求，e_ij＝0为不选择该需求，其中j∈[1，n]的正整数。

为了方便成本模型场景选择，本发明实施例给出一个场景选择系数ζ_ij，该系数也是一个n维向量，ζ_ij＝{0，1}，ζ_ij＝1为城区，ζ_ij＝0为农村，其中j∈[1，n]的正整数。

其中网络建设成本类指标包括：

(2-1)通信网络建设成本，用

表述，其中T_ujk表示k个决策单元DMU的第j个业务需求网络建设成本，单位万元。本实施例DMU₁，DMU₂为无线接入网络专业，其专业选择系数，e_ij＝{1，1，1，0，0，0，1}；DMU₃，DMU₄为有线接入网络专业，其专业选择系数，e_ij＝{0，0，0，1，1，1，0}；传输网络专业及其它专业选择系数e_ij＝{1，1，1，1，1，1，1}。

本实施例，无线接入网络包括2G、4G、5G、NB-IOT，其中无线接入网络建设成本＝无线主体设备成本+无线配套建设成本，其指标包括：

(2-2)无线主体设备成本，用T_无线主体表述，单位万元；用如下公式计算，T_无线主体＝无线主体容量成本+无线主体覆盖成本。

其中无线主体容量成本＝新增载频规模×载频综合单价，单位万元；其中无线主体覆盖成本＝新增基站规模×基站综合单价，单位万元；

其中新增载频规模＝载频需求规模-已有载频规模，单位块；载频综合单价，单位万元/块；

其中新增基站规模＝基站需求规模-已有基站规模，单位个；基站综合单价，单位万元/个；

其中载频需求规模＝忙时容量/平均单载频可承载容量/容量资源利用率；本实施例中，城区、农村取相同长上参数，平均单载频可承载容量＝{X_i1，X_i2，X_i3，X_i4，X_i5，X_i6，X_i7}＝{2G，4G，5G，0，0，0，NB-IOT}＝{0.5，7.5，360，0，0，0，0.2}，单位GB；总量资源利用率＝{2G，4G，5G，0，0，0，NB-IOT}＝{70％，50％，20％，0，0，0，20％}，无量纲；

其中基站需求规模＝(覆盖目标面积-已覆盖面积)/平均每基站覆盖面积/覆盖资源利用率；本实施例中，平均基站可覆盖面积(城市)＝{2G，4G，5G，0，0，0，NB-IOT}＝{0.18，0.12，0.08，0，0，0，0.12}，单位平方公里；平均基站可覆盖面积(农村)＝{2G，4G，5G，0，0，0，NB-IOT}＝{31.2，31.2，9.4，0，0，0，31.2}，单位平方公里；基站利用率(城市)＝{2G，4G，5G，0，0，0，NB-IOT}＝{30％，25％，20％，0，0，0，25％}，无量纲；基站利用率(农村)＝{2G，4G，5G，0，0，0，NB-IOT}＝{25％，15％，5％，0，0，0，15％}，无量纲；

其中忙时容量＝(话音业务等效需求+流量业务需求)/365天*忙时集中系数；本实施例中，忙时集中系数＝{2G，4G，5G，0，0，0，NB-IOT}＝{0.1，0.08，0.08，0，0，0，0.08}，无量纲。

(2-3)无线配套建设成本，用T_无线配套表述，单位万元；用如下公式计算，T_无线配套＝T_无线主体×配套估算系数；本实施例中，配套估算系数(城市)＝{2G，4G，5G，0，0，0，NB-IOT}＝{2％，5％，5％，0，0，0，5％}，无量纲；配套估算系数(农村)＝{2G，4G，5G，0，0，0，NB-IOT}＝{3％，6％，6％，0，0，0，6％}，无量纲。

本实施例，有线接入网络，包括家庭宽带、集团专线、小微宽带，其中有线接入网络建设成本＝家庭宽带接入网络成本+集团专线接入网络成本+小微宽带接入网络成本，其指标包括：

(2-4)家庭宽带接入网络成本，用T_家庭宽带表述，单位万元；用如下公式计算，T_家庭宽带＝家庭宽带容量成本+家庭宽带覆盖成本；

其中家庭宽带容量成本＝家庭扩容端口规模×家庭宽带扩容端口综合单价，家庭宽带扩容端口规模＝家庭宽带用户规模/家庭宽带端口利用率目标-已有家庭宽带端口规模。

本实施例中，家庭宽带用户规模＝{0，0，0，X_i4，0，0，0，}＝{0，0，0，1150，0，0，0}；家庭宽带扩容端口综合单价＝80，单位万元/万个；家庭宽带端口利用率目标＝60％，无量纲。

其中家庭宽带覆盖成本＝(覆盖目标住户规模-已覆盖住户规模)×家庭宽带配线比×家庭宽带新增端口综合单价；本实施例中，家庭宽带新增端口综合单价＝465，单位万元/万个；家庭宽带配线比＝50％，无量纲。

(2-5)集团专线接入网络成本，用T_集团专线表述，单位万元；用如下公式计算，T_集团专线＝新增物理接入点规模×接入点综合单价；本实施例中，接入点综合单价＝8000，单位万元/万个。

其中新增物理接入点规模＝物理接入点总需求-已有物理接入点；

其中物理接入点总需求＝集团专线条数/集团专线条点比，本实施例中，集团专线条点比＝1.25，无量纲。

(2-6)小微宽带接入网络成本，用T_小微宽带表述，单位万元；用如下公式计算，T_小微宽带＝小微宽带覆盖成本。

其中小微宽带覆盖成本＝(覆盖目标用户规模-已覆盖用户规模)×小微宽带配线比×小微宽带新增端口综合单价；本实施例中，小微宽带新增端口综合单价＝465，单位万元/万个；小微宽带配线比＝60％，无量纲。

本实施例，传输网络包括基站接入、传输设备、传输线路、传输管道、数据承载网，其中传输网络建设成本＝基站接入成本+省内城域骨干传输设备成本+省内城域骨干传输线路+传输管道成本+数据承载网络成本，其指标包括：

(2-7)基站接入成本，用T_基站接入表述，单位万元；用如下公式计算，T_基站接入＝新增物理站址基站数×平均每基站接入综合单价；其中新增物理站址基站＝新增基站规模×新址建设比例，单位万个；平均每基站接入综合单价＝平均每基站接入光缆距离×接入光缆综合造价+平均每基站接入设备综合单价。

本实施例中，新址建设比例＝21％，无量纲；平均每基站接入光缆距离＝2，单位皮长公里/个；基站接入光缆综合单价＝1.5，单位万元/皮长公里；基站接入设备综合单价＝6.5，单位万元/端。

(2-8)省内城域骨干传输设备成本，用T_传输设备表述，单位万元；用如下公式计算，T_传输设备＝OTN设备成本+PTN设备成本。

其中OTN设备成本＝(OTN网络承载容量需求-OTN网络已有容量)×OTN网络综合单价；OTN网络承载容量需求＝需OTN承载的OLT链路容量+需OTN承载的PTN容量+需OTN承载的数据承载网容量；本实施例中OTN网络综合单价＝5，单位万元/等效10G；

其中PTN设备成本＝(PTN网络承载容量需求-PTN网络已有容量)×PTN网络综合单价；PTN网络承载容量需求＝(基站规模×单基站传输带宽+无线用户规模×单无线用户平均传输带宽×无线用户并发比+新增数据专线条数×单数据专线传输带宽)/PTN网络利用率。

本实施例中，PTN网络综合单价＝39，单位万元/等效10G；单基站传输带宽＝{2G，4G，5G}＝{8，80，3244}，单位Mbps；单无线用户平均传输带宽＝＝{4G，5G}＝{500，5000}，单位Kbps；无线用户并发比＝10％，无量纲；单数据专线传输带宽＝50，单位Mbps。

(2-9)省内城域骨干传输线路，用T_传输线路表述，单位万元；用如下公式计算，T_传输线路＝扩容光缆成本+新增汇聚节点配套光缆成本+网络整改光缆成本+安全提升光缆成本。

其中扩容光缆成本＝扩容光缆距离×光缆综合单价，新增汇聚节点配套光缆成本＝新增汇聚节点配套光缆距离×光缆综合单价，网络整改光缆成本＝路由或结构调整所需新增光缆段长度×光缆综合造价，安全提升光缆成本＝汇聚机房三路由或OLP保护新增光缆段长度×光缆综合造价；本实施例中，汇聚光缆综合单价＝2，单位万元/皮长公里。

(2-10)传输管道成本，用T_传输管道表述，单位万元；用如下公式计算，T_传输管道＝传输管道长度×管道综合单价；本实施例中，管道综合单价＝14，单位万元/管程公里。

其中传输管道长度＝(市政道路覆盖目标长度-已覆盖的市政道路长度)+管道断点规模×平均每段管道断点长度，单位皮长公里。

(2-11)数据承载网络成本，用T_{数据承载网}表述，单位万元；用如下公式计算，T_{数据承载网}＝CMNET城域网上联中继带宽(新增)×CMNET每带宽综合单价+数据承载网容量×每用户带宽综合单价，本实施例中，CMNET城域网上联中继带宽(新增)＝710，单位Gbps，CMNET每带宽综合单价6.5，单位万元/Gbps；数据承载网络容量＝24986，单位Gbps，每用户带宽综合单价取1.4，单位万元/Gbps。

本实施例，其它网络包括业务网络、IT支撑网络、土建及局房、其它，其中其它网络建设成本＝业务网络成本+IT支撑网络成本+土建及局房+其它，其指标包括：

(2-12)业务网络成本，T_业务网络表述，单位万元；用如下公式计算，T_业务网络＝基础能力业务系统成本+互联网和增值业务成本+集团客户ICT成本+信息安全成本+IDC系统成本；本实施例中，基础能力业务系统成本＝2317，单位万元；互联网和增值业务成本＝13006，单位万元；集团客户ICT成本＝25560，单位万元；信息安全成本＝2821，单位万元。

其中IDC系统成本＝新增IDC机架规模×IDC综合单价；本实施例中，IDC综合单价＝9，单位万元/架；

其中新增IDC机架规模＝IDC需求规模-已有IDC机架规模；本实施例中，IDC需求规模＝3744，已有IDC机架规模＝1444，单位架；

(2-13)T_it支撑表述，单位万元；用如下公式计算，T_it支撑＝网管系统成本+业务支撑系统成本+运营管理系统成本；本实施例中，网管系统成本＝9634，单位万元；业务支撑系统成本＝7466，单位万元；运营管理系统成本＝546，单位万元。

(2-14)土建及局房T_{土建及动力}表述，单位万元；用如下公式计算，T_{土建及动力}＝局房建设成本+汇聚机房成本+土地购置成本+动力配套系统成本；本实施例中，局房建设成本＝15726，单位万元；汇聚机房成本＝46728，单位万元；土地购置成本＝15501，单位万元；动力配套系统成本＝19781，单位万元。

(2-15)其它T_其它表述，单位万元；用如下公式计算，T_其它＝节能减排成本+零星购置成本+其它成本；本实施例中，节能减排成本＝2676，单位万元；零星购置成本＝7151，单位万元；其它成本＝3572，单位万元。

4.采集投资效益模型类指标，一般来说，衡量投资效益的方法和手段按照对象不同，可以分成项目投资效益指标和企业投资效益指标，为针对不同的优化用途进行选择；本实施例中，需要上述两类指标。

(3-1)净现值(以下简称NPV)，用NPV_u表述某个决策单元的财务净现值，属于项目投资效益指标，用公式表示为：

其中r为贴现率；T为项目计算期，单位年，通信项目一般取8-15年；CF_t为第t年预计净现金流量，正数表示现金净流入，负数表示现金净流出；本实施例中，CF_t的计算公式为：

其中C_ujk为第t年第k个决策单元第j个业务需求的收入；T_ujk为第t年第k个决策单元第j个业务需求的网络成本；CO′为第t年除投资以外的现金流出额；ζ_ij为场景选择系数，e_ij为专业选择系数；

(3-2)经济增加值EVA，虽然NPV曾经一度被誉为是现代财务理论的基石，近来中央企业对“经济增加值”(以下简称EVA)的考核要求越来越重要，是考核一个企业投资效益的核心关键指标。一般而言，第t年的经济增加值，可以用EVA_t表示，属于企业投资效益指标，可以用如下公式计算：

EVA_u＝NOPAT_t-WACC·OIC_t-1 (3)

其中NOPAT_t为第t年经调整的税后净利润；WACC为加权后的平均资本成本率，本实施例中给，取WACC＝5.5％；OIC_t-1为第t年年初资本(含债务资本和股权资本)。

经过研究证明，EVA与NPV之间存在正向相关关系，换一句话说，当选择NPV为正的项目，可以增加EVA；当每个经营年度都较好的完成EVA目标，项目NPV为正的预期目标也会实现。

因此，当EVA被调整为近似等于现金流量CF时，NPV的计算公式可以调整为：

上述表达式对本实施例的投资效益模型优化方向有非常重要的指导意义。可以近似的假设，优化每个决策单元的NPV，可以起到正向优化企业整体EVA的作用。

(3-3)百元固定原值资产收入，单位元；属于企业投资效益指标，计算公式：

百元固定资产收入＝通信服务收入×100/平均固定资产；

其中平均固定资产＝(年初固定资产投入+年末固定资产投入)/2；

(3-4)资本开支(投资)占收入比，单位％；既可以属于项目投资效益指标，也可以属于企业投资效益指标，计算公式：

资本开支(投资)占收入比＝资本开支(投资)×100％/通信服务收入；

(3-5)净利润率，单位％；属于企业投资效益指标，计算公式：

净利润率＝净利润×100％/通信服务收入。

第三步，初始化决策变量、模型指标，完成第二量化单元量化工作。采集所述每类决策单元的业务需求模型类指标、网络成本模型类指标、投资效益模型类指标，将其量化形成为相应的决策变量、目标函数、约束条件，建立多目标优化模型；并将其转换为多目标优化算法模型能够处理的基础数据，具体方法如下：

1.量化多目标优化模型业务需求模型类指标、网络成本模型类指标、投资效益模型类指标。

本实施例中，目标函数分别是网络成本目标、通信服务收入目标、投资效益目标，因此围绕所述目标函数将所述三类指标量化转换为多目标优化算法模型能够处理的基础数据。

(1)业务需求/场景与DMU配比选择

表3业务需求/场景与DMU配比选择样表

在划分决策单元DMU的基础上，进一步分专业对业务需求，对场景进行配比选择。分专业选择使用的专业选择系数ζ_ij，分场景的选择使用场景选择系数e_ij。本实施例的业务需求/场景与DMU配比选择结果，如表3所示。

(2)分专业对网络成本进行项目分类

分子专业对网络成本进行项目分类，本实施例所述专业中，通过DMU配比后的子专业，包括无线、有线接入、传输及其它。

在所述项目资源分级分类的管控下，对项目进行分类，具体方法：以网络成本二级指标为颗粒度，对每类业务需求进行项目分类；项目分类的数量与所述项目资源分级分类一致，也是a、b、c三类；通过每类业务需求权重来量化分类，其分类权重配比办法如表4所示；其中表4中权重满足公式∑1w_1j＝∑2w_1j...∑3w_7j＝1，其中j＝1，2，3。

本实施例中，网络成本与项目分类配比权重，无线城区/农村如表4所示：

表4网络成本与项目分类配比权重样表(无线城区/农村)

为了更进一步的说明分类办法，本实施例以无线专业为例。无线网络成本二级指标＝{无线容量，无线覆盖，无线配套}；如表4所示，网络成本与项目分类配比权重样表(无线城区中的二级指标无线容量示例：对每类业务需求，经过表2业务需求/场景与DMU配比选择后进行项目分类，其中a类项目权重＝{1w_1j，1w_2j，1w_3j，0，0，0，1w_7j}＝{0，0.9，0.2，0，0，0，0.8}；b类项目权重＝{1w_1j，1w_2j，1w_3j，0，0，0，1w_7j}＝{0，0.1，0.8，0，0，0，0.2}；c类项目权重＝{1w_1j，1w_2j，1w_3j，0，0，0，1w_7j}＝{1，0，0，0，0，0，0}。

本实施例中，网络成本与项目分类配比权重，有线城区/农村如表5所示：

表5网络成本与项目分类配比权重样表(有线城区/农村)

本实施例中，有线网络成本二级指标＝{家庭宽带容量，家庭宽带覆盖，集团专线，小微宽带容量，小微宽带覆盖}；表5所示，网络成本与项目分类配比权重样表中，有线城区家庭宽带容量项目分类结果，其中a类项目权重＝{0，0，0，1w_4j，0，0，0}＝{0，0，0，0.5，0，0，0}；b类项目权重＝{0，0，0，1w_4j，0，0，0}＝{0，0，0，0.3，0，0，0}；c类项目权重＝{0，0，0，1w_4j，0，0，0}＝＝{0，0，0，0.2，0，0，0}。

本实施例中，传输网络成本二级指标＝{基站接入设备，基站接入光缆，OTN设备，PTE设备，扩容光缆，网络整改光缆，安全提升光缆，传输管道}；表6所示，网络成本与项目分类配比权重样表中，传输基站接入设备项目分类结果，其中a类项目权重＝{1w_1j，1w_2j，1w_3j，1w_4j，1w_3j，1w_6j，1w_7j}＝{0，0.9，0.2，0，0，0，0.8}；b类项目权重＝{1w_1j，1w_2j，1w_3j，1w_4j，1w_3j，1w_6j，1w_7j}＝{0，0.1，0.8，0，0，0，0.2}；c类项目权重{1w_1j，1w_2j，1w_3j，1w_4j，1w_3j，1w_6j，1w_7j}＝＝{1，0，0，0，0，0，0}。

本实施例中，网络成本与项目分类配比权重，传输如表6所示：

表6网络成本与项目分类配比权重样表(传输)

(3)业务需求与DMU收入分摊

为了便于多目标建模，本发明实施例将每类业务需求与DMU收入对应分摊。本发明实施例针对网络规划资源配置优化环节，因此重点讨论采用权重法进行收入分摊后的优化方法，至于如何取得更为合理的权重，本发明实施例不做限定。

所谓权重法进行收入分摊，如表7所示，需要完成业务需求及其二级指标(比如业务量或平均资费)与DMU按照需求维度进行配比，给所述业务量、DMU分配一定的权重。本实施例中，业务需求二级指标业务量包括话音业务、流量业务及其它业务三个类别，决策单元＝6，业务需求维度＝7，因此需分配从w_11j到w_73j一共3×6×7合计126个权重(包括0权重单元个数)，第一位下标表示业务需求维度，第二位下标表示业务量类别，第三位下标j表示每一类业务量在不同的决策单元的权重；其中∑w_11j＝∑w_12j＝∑w_13j＝…∑w_21j＝∑w_22jj＝…∑w_71j＝∑w_72j＝∑w_73j＝1，j＝1，2，…，q；(q＝6)。

表7业务需求矩阵与DMU收入分摊权重样表

(4)量化DMU的净现值NPV

为了方便后续建模，本实施例从投资效益角度进行资源配置方案的优化；本实施例选取量化计算项目类投资效益指标NPV来表述专业间的不同投资效益差异。根据本实施例的模型需要，需分决策单元DMU、分场景、分项目类别、分业务需求维度、以及计算期内年份分别计算NPV。

在上述业务需求模型，网络成本模型及收入分摊的基础上，完成了所述量化DMU净现值所需的基础数据。按照建设项目经济评价方法与参数(第三版)现有技术做法，不难量化成如表8所示的NPV计算样表。

表8 DMU的净现值NPV计算样表

该样表中C_ut＝0表示所在决策单元计算期初年的现金流入，为简化计算，在项目经济评价中，现金流量仅仅考虑通信服务收入；现金流出考虑两部分，其中T_ut＝0表示第t年份投资支出现金流出；C0’_ut＝0表示第t年份除投资支出以外的现金流出，该部分可以用如下经验公式估算：

CO′_ut＝λ·C_uj (5)

其中λ为当期通信服务收入的占比系数，本实施例中，取λ＝0.72；C_uj为当期第j个业务需求收入；NPV_ut＝0表示该决策单元当期的净现值，采用公式(1)计算，本实施例中，取贴现率r＝10％；通信系统计算期一般为8-15年，其中无线、核心网、支撑网8年；传输网、数据网10年；线路、传输管道、局房15年；本实施例中，取T＝8年。

2.本实施例构建的通信系统网络规划资源配置多目标优化模型如下：

决策变量：

DMU(x)＝{(T_u1(x)，T_u2(x)，...，T_uq(x)，C_u1(x)，C_u2(x)，...，C_uq(x))} (6)

其中T_uk(x)是第k个决策单元的网络建设成本(k＝1，2，…q)；C_uk(x)是第k个决策单元的通信服务收入(k＝1，2，…q)；x是业务需求连接数，本实施例中q＝6，则有12个决策变量。

目标函数：

其中C_ujk为第t年第k个决策单元第j个业务需求的收入；T_ujk为第t年第k个决策单元第j个业务需求的网络成本；ζ_ij为场景选择系数，e_ij为专业选择系数；

其中f₁(x)为网络建设成本，T_ujk为第k个决策单元DMU的第j个业务需求网络成本；j＝1，2，…n(n＝7)；k＝1，2，…q(q＝6)；ζ_ij为场景选择系数，e_ij为专业选择系数；其中T_ujk＝T_uajk+T_ubjk+T_ucjk；T_uajk为a类项目网络成本，T_ubjk为b类项目网络成本，T_ucjk为c类项目网络成本；

f₂(x)为通信服务收入，C_ujk为第k个决策单元DMU的第j个业务通信服务收入；

f₃(x)为净现值，单位万元；其中r为贴现率；T为项目计算期，单位年，本实施例中，T取8年；CF_t为第t年预计净现金流量，CF_t采用公式(2)计算。

约束条件：

1*.静态约束

(1)模型约束

ζ_ij为取值为(0，1)二进制系数；e_ij为取值为(0，1)的n为向量。

(2)值域约束

T_udown＜T_ujk＜T_uup；

C_udown＜C_ujk＜C_uup；

其中T_uup为优化值域上限，T_uup＝T_u0(1+μ)；本实施例中，μ取30％；其中T_udown为优化值域下限，T_udown＝T_u0(1-μ)；其中C_uup为优化值域上限，C_uup＝C_u0(1+μ)；其中C_udown为优化值域下限，C_udown＝C_u0(1-μ)。

2*.动态约束

(1)业务需求动态约束

对于与业务需求直接相关DMU，需满足业务需求动态约束：

T_ujk＝g(x)； (10)

(2)专业间逻辑约束

对于与专业间直接相关DMU，需满足专业间逻辑动态约束：

T^* _ujk＝h(T_ujk)； (11)

其中g(x)为网络成本模型与业务需求的函数，为了简化计算，本实施例中，业务需求x取连接数；本实施例中，T_ujk(k＝1，2，3，4)，即DMU₁无线城区、DMU₂无线农村、DMU₃有线城区、DMU₃有线农村，这四个DMU构成直接与业务需求相关的函数；

其中h(T_ujk)为某专业网络成本模型与其他专业的函数，T^* _ujk为涉及专业网络成本直接相关函数约束的DMU网络成本；本实施例中，T^* _ujk(k＝5，6)，即传输子专业，其它网络子专业。

(3)项目分类约束

T_uajk＜T_ujkL_a； (12)

(T_uajk+T_ubjk)＜T_ujkL_b； (13)

其中L_a其为a类项目占比约束，本实施例中，L_a取70％；

其中L_b其为一b类项目占比约束，本实施例中，L_b取90％；

第四步，用于对所述目标函数进行非支配遗传算法(NSGA-II)求解，获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案更新，图2为本发明实施例NSGA-II算法示意性流程图，如图2所示，第四步具体包括：

1.初始化模型参数，确定NSGA-II输入模型参数，包括种群大小、进化代数、池的大小、交叉概率、变异概率。

2.产生种群，随机产生种群，以决策取向，即决定资源投向与业务需求直接相关决策单元DMU的资源大小；本实施例中，决定业务需求直接相关的决策单元DMU＝{DMU1，DMU2，DMU3，DMU4}的资源投向大小。

3.确定适应函数F_m(x)，，m＝1，2，3；本实施例中，适应函数的确定用公式(14)-(16)确定。

F₁(x)＝f₁(x) (14)

F₂(x)＝-f₂(x) (15)

F₃(x)＝-f₃(x) (16)

4.进行交叉和变异，在交叉概率和变异概率范围内进行交叉和变异，产生适应函数值更优的新个体，本实施例中，交叉概率取0.78、变异概率取0.23。

5.判断是否收敛，若是结束优化过程，否则重复上述过程。

6.获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案更新。

通过上述算法求解，获得所述多目标优化模型的Pareto最优解集。目标冲突是多目标优化的共同难题(不存在使得所有目标同时达到的最优解)，也是与单目标优化的最主要区别特征。

基于此，本发明实施例提供一种多准则决策平衡选择(Trade-off)方法。所谓平衡选择(Trade-off)，是指可供分配的资源相互作用的特征，提高一种特征的优势的时候，另一种特征的优势将降低，即是Pareto最优解状态，因此，平衡选择的方法就是在一个目标与另一个目标之间有所取舍。

第五步，以所述网络规划基础资源配置方案为基础选取参考点，利用决策评价函数进行决策平衡选择，获取决策参考资源配置方案。

其中，决策平衡选择，获取决策参考资源配置方案，具体方法如下：

1.确定决策准则，依据特定规划策略或者决策偏好，确定与所述多目标个数(通常用m表示)一致的决策准则；本实施例中，m＝3，单位个，决策准则＝{需求型准则，成本型准则，效益型准则}。

2.确定参考点，以方案₀为基础确定参考点；本实施例中，以网络规划基础方案₀的目标基础值为参考点。

3.建立决策评价函数，所述评价函数是依据多目标效用值与参考点差异获得的；本实施例中，用y表示多目标效益值与参考点的差异，因此构建决策评价函数V(y)：

其中y表示与参考点相比的得失，正数表示获得，负数表示失去，y大于零；α、β为风险态度系数(值在0-1之间)，值越大表示决策者越倾向冒险。λ为损失规避系数，λ大于1说明决策者损失敏感；本实施例中，y由公式(18)计算，α＝β＝0.68，λ＝1.25。

其中

为所述的Pareto最优解集中随机选取第m个多目标的一个最优解；

为所述参考点基础方案₀中第m个多目标的值。

4.获取决策参考资源配置方案，通过计算各准则方案的期望值来获取决策参考资源配置方案。

上述实施例以资源配置优化对象，为了更进一步表述本发明实施例方法的使用场景，下面的实施例选取一个专业(无线网络专业)在一定数量的分公司之间的资源分配优选具体方法及操作过程，与上述实施例类同的部分略述，但本发明实施例的应用场景不局限于此。

图3本发明实施例资源分配优选方法示意性流程图，如图3所示，CASE2＝单纯完成第二级优化任务方法的具体过程包括：

第一步，划分决策单元，获取资源基础数据，具体方法如下：

1.划分决策单元，本实施例中，二级决策单元用DFU表示，q＝9，无量纲；DFU＝{成都，凉山，眉山，内江，绵阳，雅安，攀枝花，资阳，乐山}；

2.获取资源基础数据，包括无线专业、有线接入专业、传输专业、其它专业资源基础数据；如表9所示，本实施中，以无线专业为例，无线专业资源基础数据包括：所需分配的a类项目投资133400万元，其中用T⁰ _uiaj表示第i个决策单元第j个业务需求a类项目资源总量；b类项目投资35600万元，其中用T⁰ _uibj表示第i个决策单元第j个业务需求b类项目资源总量；c类项目投资21000万元，其中用T⁰ _uicj表示第i个决策单元第j个业务需求c类项目资源总量；

表9获取决策单元可分配资源基础数据样表

第二步，量化决策单元，获取指标基础数据。采集每类决策单元基础资源配置方案数据，并将每类决策单元的基础数据量化为所述每类决策单元的业务需求模型类指标、网络成本模型类指标、投资效益模型类指标，具体方法如下：

1.采集业务需求模型类指标，用X_uij表述第i个决策单元(i＝1，2，…q)第j个业务需求(j＝1，2，…n)；本实施例中，q＝9；n＝7，业务需求X_uii取连接数，单位万个连接；用C_uij表述第i个决策单元第j个通信服务收入，单位万元；

2.采集网络成本模型类指标，用T_uij表述第i个决策单元第j个网络成本，用T*_uij表述上一年第i个决策单元第j个网络成本，单位万元；本实施例中，网络成本类指标包括a类项目网络成本T_uaij、b类项目网络成本T_ubij、c类项目网络成本T_ubij；

3.采集投资效益模型类指标，用投资占收入比C_uij/T_uij来表述第i个决策单元第j个投资效益，单位％；

4.量化业务需求模型类指标，量化网络成本模型类指标，量化投资效益模型类指标；本实施例中，量化业务需求模型类指标X_u1j，其中DMU1成都的业务需求为X_u1j＝{125，1334，0，0，0，50，1300}；量化网络成本模型类指标T*_uij，其中DMU1成都的网络模型指标为T*_uij＝{x，x，0，0，0，x，x}；量化投资效益模型类指标C_uij/T_uij，其中DMU1成都的投资效益模型指标为C_uij/T_uij＝{x，x，0，0，0，x，x}；为了便于后续分配，进行加权归一化处理，用Wx_u1j表述业务需求归一化权重，用Wt_u1j表述网络成本模型归一化权重，用Wct_u1j表述网络成本模型归一化权重，本实施例中Wx_u1j＝Wt_u1j＝Wct_u1j的所有值均取1；加权后的结果如表10所示，为简化表述，本实施中x_i4、x_i5、X_i6无量化值，不在表中显示；

表10量化决策单元分配模型指标样表

第三步，选取所需分配的任务。按照专业别，项目分类别，编写分配任务队列，本实施例中，以无线专业为例，编写所需分配任务队列具体方法如下：

1.按照业务需求维度，专业别维度，编写专业别分配任务，必要的时候还需要分城区、农村的场景；本实施例专业别分配任务队列为：无线专业；

2.按照项目分级分类别，编写项目分类别任务代码，本实施例中，即为a类项目分配任务，b类项目分配任务，c类项目分类任务；

3.按照专业别、项目分类别任务代码组合，行程所述分配任务队列；本实施例中，所述分配任务队列＝{无线a类项目分配任务，无线b类项目分配任务，无线c类项目分配任务}；

第四步，确定资源分配策略。分别给业务需求模型指标，网络成本模型指标，投资效益模型指标赋予不同的比重，以确定不同的资源分配策略，具体方法如下：

1.建立一张如表11所示的资源分配策略α、β、γ比重配置样表，其中∑w_1j＝∑w_2j＝…∑w_9j＝1；

表11资源分配策略α、β、γ比重配置样表

2.确定资源分级分类策略，一般来说，同一专业同一项目分类别确定相同的资源分配策略；本实施例中，分配任务队列＝{无线a类项目分配任务}的资源分配策略＝{αw_i1，βw_i2，γw_i3}＝{0.8w_i10.15w_i2，0.05w_i3}，即确定a类项目选择偏重对业务需求的满足策略；

分配任务队列＝{无线b类项目分配任务}的资源分配策略＝{aw_i1，βw_i2，γw_i3}＝{0.4w_i1，0.5w_i2，0.1w_i3}，即确定b类项目选择偏重对网络成本的历史占比；

分配任务队列＝{无线c类项目分配任务}的资源分配策略＝{αw_i1，βw_i2，γw_i3}＝{0.2w_i1，0.2w_i2，0.6w_i3}，即确定c类项目选择偏重考察项目的投资效益；

第五步，进行资源分配。对所述所需分配任务，按照项目分类别分别进行资源分配，具体方法如下：

1.按照项目分类别进行资源分配，其中a类项目别，第i个决策单元第j个业务需求新的资源分配方案T_uaij用公式(19)计算：

T_uaij＝T⁰ _uiaj*[αw_ij+βw_ij+γw_ij] (19)

本实施例得到如表12所示的分配结果。

表12新的资源分配方案a类项目

决策单元	X<sub>i1</sub>	X<sub>i2</sub>	X<sub>i3</sub>	X<sub>i4</sub>	X<sub>i5</sub>	X<sub>i6</sub>	X<sub>i7</sub>
								DFU<sub>1</sub>	0	51744	601	0	0	0	27684
DFU<sub>2</sub>	0	7584	88	0	0	0	756
								DFU<sub>3</sub>	0	5664	56	0	0	0	936
DFU<sub>4</sub>	0	5664	1	0	0	0	1332
								DFU<sub>5</sub>	0	8736	111	0	0	0	1944
DFU<sub>6</sub>	0	3456	18	0	0	0	756
								DFU<sub>7</sub>	0	2592	55	0	0	0	504
DFU<sub>8</sub>	0	4320	147	0	0	0	1008
								DFU<sub>9</sub>	0	6240	323	0	0	0	1080
合计	0	96000	1400	0	0	0	36000

2.b类项目别，c类项目采用同样的方式进行分配；

第六步，判断任务队列是否为空，是进入下一步；否重复步骤3-5.

第七步，获得新的资源分配方案。可选的，视需要，再对项目分类别资源分配结果采用公式(20)进行加和汇总，得到新的资源分配方案，具体方法如下：

T_uij＝T_uaij+T_ubij+T_ucij (20)

本实施例新的资源分配方案如表13所示，包括a、b、c类项目的汇总。

表13新的资源分配方案

决策单元	X<sub>il</sub>	X<sub>i2</sub>	X<sub>i3</sub>	X<sub>i4</sub>	X<sub>i5</sub>	X<sub>i6</sub>	X<sub>i7</sub>
								DFU<sub>1</sub>	1456	64510	3121	0	0	0	44002
DFU<sub>2</sub>	280	9437	424	0	0	0	1071
								DFU<sub>3</sub>	190	7086	280	0	0	0	1679
DFU<sub>4</sub>	189	7212	1	0	0	0	2713
								DFU<sub>5</sub>	349	10877	559	0	0	0	3923
DFU<sub>6</sub>	111	4390	74	0	0	0	1445
								DFU<sub>7</sub>	98	3253	279	0	0	0	941
DFU<sub>8</sub>	132	5413	707	0	0	0	2203
								DFU<sub>9</sub>	196	7822	1555	0	0	0	2023
合计	3000	120000	7000	0	0	0	60000

通信系统网络规划资源配置优化问题的多个目标通常彼此矛盾，难以同时得到优化，本发明实施例提供的网络规划资源处理方法，利用NSGA-II算法处理该问题。方法分别采集业务需求类、网络建设成本类、投资效益类基础指标数据，并进一步结合通信系统网络规划的技术特点，构建资源配置多目标优化模型。能够同时处理不同场景(如城区/农村)，不同业务类型(如2G/4G/5G/宽带/专线/小微宽带/物联网)，不同项目类型(如a/b/c)的资源配置优化问题；能够很好的适应两级资源计划分配管理模式，既能够处理总部(省级)专业间的优化，又适合完成单独次级分公司间的优化；还能够同时完成两阶段优化，具有良好的适应性。

图4本发明实施例提供的网络规划资源配置与分配优化模型图，针对现有通信系统网络规划技术的不足，本发明实施例提出“两阶段优化模式”，在划小规划业务单元优化方法的基础上，结合通信系统规划技术特点，提供一种面向多目标的资源配置优化方法。对业务需求、网络成本、投资效益三方面分别进行建模和量化转换，结合NSGA-II求取Pareto最优解集和基于参考点的多准则决策思想，从而达到多目标优化、支撑决策的目的；进一步的，针对资源配置优化方案结果，本发明提案还提供一种资源分配方法，以针对性解决类似两级计划资源管理分配模式要求。

依据通信系统网络规划的技术特点，将规划业务区划分为可供优化决策的子规划业务区，本发明实施例称之为决策单元；采集业务需求模型、网络成本模型、投资效益模型类指标，并通过两次量化，将模型指标转换为多目标优化算法模型能够处理的基础数据；可选的，针对优化任务，构建多目标模型，并完成第一阶段优化；可选的，适应两级计划资源管理分配模式，在第一阶段优化结果的基础上，在特定的策略下，完成第二阶段资源分配优选；如图4所示，所述两阶段优化，都是在网络规划基础资源配置方案₀基础上完成的。

本发明实施例还提供一种基于参考点的多准则决策平衡选择方法，其技术方案特征在于：以方案₀为基础选取参考点，依据特定规划策略、决策偏好及多目标效用确定决策准则，并进一步建立决策评价函数，所述决策评价函数是考虑多目标效用与参考点差异获得的；通过计算各准则方案的期望值来获取决策参考资源配置方案。

图5本发明实施例提供的资源配置与分配优化方法示意性流程图，如图5所示，本发明实施例提供的网络规划资源配置与分配优选方法：

步骤1：确定网络规划基础资源配置方案₀，划分决策单元；进行方案₀赋值，确定项目资源分级分类。

步骤2：初始化决策变量，模型指标、参数和优化任务集合；进行业务需求模型、网络成本模型及投资效益三类指标的采集、量化和转换。

步骤3：可选的，进行资源配置优化，获取资源配置方案更新。

步骤4：可选的，进行资源分配优化，获取资源分配方案。

步骤5：必要时重复步骤2-4，直到优化任务集合为空，结束迭代。

步骤6：多准则决策平衡选择，获取决策参考资源配置方案；根据决策偏好及多目标效用，在资源配置方案更新、资源分配方案更新基础上，利用决策评价函数进行决策平衡选择，找出优化后的资源配置方案，分别获取单纯一阶段优化、二阶段优化或两阶段组合优化后的资源配置方案。

本发明实施例提供的网络规划资源处理装置，包括资源配置模块，所述的资源配置模块划分决策单元、第一量化单元、第二量化单元和第一确定单元，其中：

划分决策单元用于针对任一个规划业务区，确定网络规划基础资源配置方案，对所述规划业务区进行划分获得至少一类子规划业务区，对所述网络规划基础资源配置方案进行赋值，并将网络规划项目资源进行分类；其中，每一类子规划业务区即为一个决策单元；第一量化单元用于采集每类子规划业务区的基础资源配置方案数据，并将每类子规划业务区的基础数据量化为对应每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标；第二量化单元用于采集所述每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标，将其量化形成为相应的决策变量、目标函数和约束条件，以建立多目标优化模型；并将其转换为所述多目标优化模型能够处理的基础数据；第一确定单元用于对所述目标函数进行非支配遗传算法NSGA-II求解，获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案。

进一步地，所述资源配置模块还包括：优选单元，用于以所述网络规划基础资源配置方案为基础选取参考点，利用决策评价函数进行决策平衡选择，获取决策参考资源配置方案。

进一步地，该装置还包括资源分配模块，所述资源分配模块包括第二确定单元，用于划分决策单元，获取资源基础数据；采集每类决策单元基础资源配置方案数据，并将每类决策单元的基础数据量化为所述每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标；按照专业别和项目分类别编写分配任务队列，以选取所需分配的任务；分别给所述业务需求模型指标、所述网络成本模型指标和所述投资效益模型指标赋予不同的比重，以确定不同的资源分配策略；对所述所需分配的任务，按照所述项目分类别分别进行资源分配。判断所述任务队列是否为空，若为空，则执行下一步；若不为空，则重新选取所需分配的任务，并进行资源分配；对所述项目分类别资源分配结果进行加和汇总，得到新的资源分配方案。

图6为本发明另一实施例提供的网络规划资源处理装置组成示意图，图6所示，该装置包括：

划分决策单元，用于将规划业务区划分为q类子规划业务区，其中q为大于或等于1的整数；根据通信系统网络规划技术特点，一般来说，一阶段资源配置优化的决策单元为通信网络子专业或者网络建设场景，用DMU表示；二阶段资源分配的决策单元为分公司或子公司，用DFU表示。

第一量化单元，用于采集每类子规划业务区的基础资源配置方案数据，并将每类子规划业务区的基础数据量化为所述决策单元的业务需求模型类指标、网络成本模型类指标、投资效益模型类指标。

第二量化单元，用于采集所述每类决策单元的业务需求模型类指标、网络成本模型类指标、投资效益模型类指标，并将其量化转换为多目标优化算法模型能够处理的基础数据。

第一判断单元，用于判断所述决策单元是否进行资源配置优化。

第一确定单元，用于对所述决策单元进行资源配置优化，包括：初始化模型参数，确定NSGA-II输入模型参数，包括种群大小、进化代数、池的大小、交叉概率、变异概率等；产生种群，随机产生种群，以决策取向，即决定资源投向；计算适应函数，根据所述通信系统网络规划多目标模型目标函数，确定适应函数；进行交叉和变异，在交叉概率和变异概率范围内进行交叉和变异，产生适应函数值更优的新个体；判断是否收敛，若是结束优化过程，否则重复上述过程；获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案更新。

第二判断单元，用于判断所述决策单元是否进行资源分配优化。

第二确定单元，用于对所述决策单元进行资源分配优化，包括：划分决策单元，获取资源分配方案₀基础数据，所述资源分配方案₀基础数据既可以来源于一阶段优化后的资源配置方案更新，也可以是待分配的基础资源分配方案；量化决策单元，将采集所述每类决策单元的业务需求模型、网络成本、投资效益指标量化转换为资源分配模型权重；选取所需分配任务，按照通信网络系统子专业类别，项目资源分级分类别，编写所述所需分配任务队列；确定资源分配策略，分别给业务需求模型、网络成本、投资效益指标赋予不同的比重，以确定不同的资源分配策略；进行资源分配，按照a类项目，b类项目，c类项目的顺序，并遵循所确定的权重进行资源分配；判断任务队列为空时，结束资源分配优化，否则重复上述步骤；获得新的资源分配方案，可选的，视需要，对所分配的方案进行加和汇总。

优选单元，用于决策平衡选择，获取决策参考资源配置方案，包括：确定决策准则，依据特定规划策略或者决策偏好，确定与所述多目标个数一致的决策准则；确定参考点，一般来说，以方案₀为基础确定参考点；建立决策评价函数，所述评价函数是依据多目标效用值与参考点差异获得的；通过计算各准则方案的期望值来获取资源配置优化方案更新或决策参考资源配置方案。

本发明实施例提供的网络规划资源处理装置，具体用于执行上述各方法实施例提供的网络规划资源处理方法流程，其具体的功能和流程可以详见上述方法实施例，此处不再赘述。

通信系统网络规划资源配置优化问题的多个目标通常彼此矛盾，难以同时得到优化，本发明实施例提供的网络规划资源处理装置，利用NSGA-II算法处理该问题。分别采集业务需求类、网络建设成本类、投资效益类基础指标数据，并进一步结合通信系统网络规划的技术特点，构建资源配置多目标优化模型。能够同时处理不同场景(如城区/农村)，不同业务类型(如2G/4G/5G/宽带/专线/小微宽带/物联网)，不同项目类型(如a/b/c)的资源配置优化问题；能够很好的适应两级资源计划分配管理模式，既能够处理总部(省级)专业间的优化，又适合完成单独次级分公司间的优化；还能够同时完成两阶段优化，具有良好的适应性。

图7为本发明实施例提供的电子设备实体结构示意图，如图7所示，该服务器可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的计算机程序，以执行上述各实施例提供的方法，例如包括：针对任一个规划业务区，确定网络规划基础资源配置方案，对所述规划业务区进行划分获得至少一类子规划业务区，对所述网络规划基础资源配置方案进行赋值，并将网络规划项目资源进行分类；其中，每一类子规划业务区即为一个决策单元；采集每类子规划业务区的基础资源配置方案数据，并将每类子规划业务区的基础数据量化为对应每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标；采集所述每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标，将其量化形成为相应的决策变量、目标函数和约束条件，以建立多目标优化模型；并将其转换为所述多目标优化模型能够处理的基础数据；对所述目标函数进行非支配遗传算法NSGA-II求解，获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案。

此外，上述的存储器730中的计算机程序可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

本发明实施例还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时以执行上述各实施例提供的方法，例如包括：针对任一个规划业务区，确定网络规划基础资源配置方案，对所述规划业务区进行划分获得至少一类子规划业务区，对所述网络规划基础资源配置方案进行赋值，并将网络规划项目资源进行分类；其中，每一类子规划业务区即为一个决策单元；采集每类子规划业务区的基础资源配置方案数据，并将每类子规划业务区的基础数据量化为对应每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标；采集所述每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标，将其量化形成为相应的决策变量、目标函数和约束条件，以建立多目标优化模型；并将其转换为所述多目标优化模型能够处理的基础数据；对所述目标函数进行非支配遗传算法NSGA-II求解，获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案。

以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (13)

1.一种网络规划资源处理方法，其特征在于，包括：

针对任一个规划业务区，确定网络规划基础资源配置方案，对所述规划业务区进行划分获得至少一类子规划业务区，对所述网络规划基础资源配置方案进行赋值，并将网络规划项目资源进行分类；其中，每一类子规划业务区即为一个决策单元；

采集每类子规划业务区的基础资源配置方案数据，并将每类子规划业务区的基础数据量化为对应每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标；

采集所述每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标，将其量化形成为相应的决策变量、目标函数和约束条件，以建立多目标优化模型；并将其转换为所述多目标优化模型能够处理的基础数据；

对所述目标函数进行非支配遗传算法NSGA-II求解,获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案。

2.根据所述权利要求1所述的网络规划资源处理方法，其特征在于，所述方法还包括：

以所述网络规划基础资源配置方案为基础选取参考点，利用决策评价函数进行决策平衡选择，获取决策参考资源配置方案。

3.根据所述权利要求1或2所述的网络规划资源处理方法，其特征在于，所述目标函数分别是网络成本目标、通信服务收入目标和投资效益目标。

4.根据所述权利要求1或2所述的网络规划资源处理方法，其特征在于，所述确定网络规划基础资源配置方案，对所述规划业务区进行划分获得至少一类子规划业务区，对所述网络规划基础资源配置方案进行赋值，并将网络规划项目资源进行分类，包括：

划分决策单元，用于将所述规划业务区划分为q类子规划业务区；其中，q为大于或等于1的整数；

基于基础资源配置方案网络建设投资和基础资源配置通信服务收入，表述所述网络规划基础资源配置方案；

对所述网络规划基础资源配置方案进行赋值；

按照资源配置管控要求，将网络规划项目资源进行分类。

5.根据所述权利要求4所述的网络规划资源处理方法，其特征在于，所述网络规划项目资源进行分类所获得的多个项目，设置有比例限制要求。

6.根据所述权利要求1或2所述的网络规划资源处理方法，其特征在于，所述对所述目标函数进行非支配遗传算法NSGA-II求解,获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案，包括：

初始化模型参数，确定NSGA-II输入模型参数；

随机产生种群，决定资源投向与业务需求直接相关决策单元资源的大小；

计算适应函数；

进行交叉和变异；

判断是否收敛，若是结束优化过程，否则重复上述过程；

获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案。

7.根据所述权利要求2所述的网络规划资源处理方法，其特征在于，所述以所述网络规划基础资源配置方案为基础选取参考点，利用决策评价函数进行决策平衡选择，获取决策参考资源配置方案，包括：

根据特定规划策略或者决策偏好，确定与多目标个数一致的决策准则；

以所述网络规划基础资源配置方案为基础选取参考点；

建立决策评价函数，所述评价函数是依据多目标效用值与所述参考点差异获得的；

通过计算各决策准则的期望值，获取决策参考资源配置方案。

8.根据所述权利要求1或2所述的网络规划资源处理方法，其特征在于，所述法还包括资源分配的步骤，具体包括：

划分决策单元，获取资源基础数据；

采集每类决策单元基础资源配置方案数据，并将每类决策单元的基础数据量化为所述每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标；

按照专业别和项目分类别编写分配任务队列，以选取所需分配的任务；

分别给所述业务需求模型指标、所述网络成本模型指标和所述投资效益模型指标赋予不同的比重，以确定不同的资源分配策略；

对所述所需分配的任务，按照所述项目分类别分别进行资源分配；

判断所述任务队列是否为空，若为空，则执行下一步；若不为空，则重新选取所需分配的任务，并进行资源分配；

对所述项目分类别资源分配结果进行加和汇总，得到新的资源分配方案。

9.一种网络规划资源处理装置，其特征在于，包括资源配置模块，所述资源配置模块包括：

划分决策单元，用于针对任一个规划业务区，确定网络规划基础资源配置方案，对所述规划业务区进行划分获得至少一类子规划业务区，对所述网络规划基础资源配置方案进行赋值，并将网络规划项目资源进行分类；其中，每一类子规划业务区即为一个决策单元；

第一量化单元，用于采集每类子规划业务区的基础资源配置方案数据，并将每类子规划业务区的基础数据量化为对应每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标；

第二量化单元，用于采集所述每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标，将其量化形成为相应的决策变量、目标函数和约束条件，以建立多目标优化模型；并将其转换为所述多目标优化模型能够处理的基础数据；

第一确定单元，用于对所述目标函数进行非支配遗传算法NSGA-II求解,获得Pareto最优解集，随机选取一个最优解获得网络规划资源配置方案。

10.根据权利要求9所述的网络规划资源处理装置，其特征在于，所述资源配置模块还包括：

优选单元，用于以所述网络规划基础资源配置方案为基础选取参考点，利用决策评价函数进行决策平衡选择，获取决策参考资源配置方案。

11.根据权利要求9或10所述的网络规划资源处理装置，其特征在于，所述装置还包括资源分配模块，所述资源分配模块包括：

第二确定单元，用于划分决策单元，获取资源基础数据；

采集每类决策单元基础资源配置方案数据，并将每类决策单元的基础数据量化为所述每类决策单元的业务需求模型类指标、网络成本模型类指标和投资效益模型类指标；

按照专业别和项目分类别编写分配任务队列，以选取所需分配的任务；

分别给所述业务需求模型指标、所述网络成本模型指标和所述投资效益模型指标赋予不同的比重，以确定不同的资源分配策略；

对所述所需分配的任务，按照所述项目分类别分别进行资源分配；

判断所述任务队列是否为空，若为空，则执行下一步；若不为空，则重新选取所需分配的任务，并进行资源分配；

对所述项目分类别资源分配结果进行加和汇总，得到新的资源分配方案。

12.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至8任一项所述的网络规划资源处理方法的步骤。

13.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至8任一项所述的网络规划资源处理方法的步骤。

Images