CN112839345B - 网络参数配置方法及装置 - Google Patents
网络参数配置方法及装置 Download PDFInfo
- Publication number
- CN112839345B CN112839345B CN201911180245.6A CN201911180245A CN112839345B CN 112839345 B CN112839345 B CN 112839345B CN 201911180245 A CN201911180245 A CN 201911180245A CN 112839345 B CN112839345 B CN 112839345B
- Authority
- CN
- China
- Prior art keywords
- region
- subset
- parameter
- state information
- horizontal
- 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.)
- Active
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W24/00—Supervisory, monitoring or testing arrangements
- H04W24/02—Arrangements for optimising operational condition
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/085—Retrieval of network configuration; Tracking network configuration history
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/18—Negotiating wireless communication parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
- H04L41/0823—Configuration setting characterised by the purposes of a change of settings, e.g. optimising configuration for enhancing reliability
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Compression Or Coding Systems Of Tv Signals (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开了人工智能中的一种网络参数配置方法,包括:获取网络设备的运行状态信息,运行状态信息包括网络设备覆盖的N个区域的中每个区域的状态信息集合,状态信息集合包括D个维度状态信息子集;根据N个区域中每个区域的D个维度状态信息子集进行协商,以得到N个区域中每个区域的D个维度目标参数子集;向覆盖N个区域的网络设备发送配置指令,以指示网络设备按照所述配置指令携带的N个区域中每个区域的目标参数集合进行参数配置;其中,每个区域的目标参数集合是根据每个区域的D个维度目标参数子集得到的。本发明还公开了一种参数配置装置。采用本发明实施例有利于降低网络设备进行参数配置的难度和提高网络参数配置的效率。
Description
技术领域
本发明涉及无线通信领域,尤其涉及一种网络参数配置方法及装置。
背景技术
随着无线通信技术的发展,移动通信在人们生活中的应用愈加普及,成为人们生活中不 可或缺的一部分。其中,无线蜂窝网络是移动通信设施中的一个核心部分。移动运营商通过 建设无线蜂窝网络,为广大用户提供移动数据及通话服务。无线蜂窝网络由大量的无线基站 构成。其中每个基站发射的信号覆盖其周边一定区域,该区域内的用户可以通过移动终端(例 如手机)与基站进行通信,从而获得数据(如访问互联网)或通话服务。当用户在不同区域 间移动时,可以切换至不同基站,从而获得不间断的移动通信服务。
每个无线基站覆盖的区域又可以根据不同地理位置或不同信号频段,区分为不同的无线 小区,不同的无线小区可以认为是独立的网络控制单元。
每个无线小区均有大量的参数需要配置。这些参数决定了小区的诸多特性,如覆盖范围、 与用户终端的通信方式、小区间的切换控制等等,因而对无线小区的服务质量有着巨大影响。 因此对移动运营商来说,需要对无线小区的参数进行不断优化,以此来保证良好的用户体验, 满足广大用户的需求,因此无线小区的参数优化对移动运营商来讲至关重要。
然而无线小区需要调整的参数量较大,且相邻小区之间配置的参数会相互影响,这增加 了参数配置的难度,并且无线蜂窝网络的组网结构异常复杂,进一步增加了参数配置的难度。
发明内容
本发明实施例提供一种网络参数配置方法及装置,采用本发明实施例有利于降低网络参 数配置的难度和提高网络参数配置的效率。
第一方面,本发明实施例提供一种网络参数配置方法,包括:
获取网络设备的运行状态信息,运行状态信息包括网络设备覆盖的N个区域的中每个区 域的状态信息集合,状态信息集合包括D个维度状态信息子集,N和D均为大于0的整数; 根据N个区域中每个区域的D个维度状态信息子集进行协商,以得到N个区域中每个区域 的D个维度目标参数子集;向覆盖N个区域的网络设备发送配置指令,以指示网络设备按照 配置指令携带的N个区域中每个区域的目标参数集合进行参数配置;其中,每个区域的目标 参数集合是根据每个区域的D个维度目标参数子集得到的。
在次需要说明的是,D个维度可以为本区域维度、水平维度和垂直维度中的至少一个。
可以看出,在确定区域的参数时,考虑到了相邻区域之间的影响,从而提高了协商得到 的配置参数的精确性,同时实现了网络配置参数的自适应调整,克服了由于网络配置参数较 大的问题,降低了网络参数配置的难度和提高网络参数配置的效率。
在协商过程中,将相邻区域进行维度划分,进一步提高了协商到的参数的精确性。
在一个可行的实施例中,根据N个区域中每个区域的D个维度状态信息子集进行协商, 以得到N个区域中每个区域的D个维度目标参数子集,包括:
根据N个区域中每个区域的D个维度状态信息子集进行T轮协商,以得到T个的参考参数集合和T个性能指标预期值集合;其中,T个参考参数集合与T个性能指标预期值集合一一对应,T个参考参数集合包括N个区域中每个区域的D个维度的参考参数子集,T个 性能指标预期值集合包括N个区域中每个区域的D个维度的性能指标预期值子集,T为大 于0的整数;
根据T个性能指标预期集合从T个参考参数集合中确定目标参数集合,目标参数集合包 括N个区域中每个区域的D个维度的目标参数子集。
在一个可行的实施例中,N个区域的运行状态信息包括N个区域在D个维度上的邻区 信息,根据N个区域中每个区域的D个维度状态信息子集进行T轮协商,以得到T个的参考参数集合和T个性能指标预期值集合,包括:
在进行第k轮协商时,对N个区域中每个区域的参数集合进行初始化,以得到每个区域 的初始参数集合;每个区域的初始参数集合包括该区域的D个维度的参数子集;
根据N个区域在D个维度上的邻区信息获取N个区域中每个区域在D个维度中的每个 维度上的相邻的区域;其中,k=1,2,…,T;
根据N个区域中每个区域及其在D个维度相邻的区域的D个维度的状态信息子集和D 个维度的初始参数子集进行W次组间协商,以得到T个参考参数集合中的第k个和T个性能指标预期值集合中的第k个,W为大于0的整数。
在一个可行的实施例中,根据N个区域中每个区域及其在D个维度相邻的区域的D个 维度的状态信息子集和D个维度的初始参数子集进行W次组间协商,以得到T个参考参数集合中的第k个和T个性能指标预期值集合中的第k个,包括:
S1:在进行第g次组间协商时,将N个区域中的每个区域在D个维度上均标记为未协商 区域;g=1,2,…,W;
S2:从未协商的区域中,选取在任一维度A上被标记为未协商区域的区域j,根据区域j 的维度A的状态信息子集及维度A的第一参数子集、与区域j的维度A相邻区域的维度A的状态信息子集和维度A的第一参数子集进行S次组内协商,以得到区域j及与其维度A相邻区域的维度A的第二参数子集,并将区域j在维度A上标记为协商区域,将在与区域j的 维度A相邻区域中在维度A上被标记为未协商区域的区域在维度A上标记为协商区域;其 中,维度A为D个维度中的任一个,当g等于1时,区域j的维度A的第一参数子集为区域 j的维度A的初始参数子集,在与区域j维度A相邻的区域中,未协商区域的维度A的第一 参数子集为该区域的维度A的初始参数子集,协商区域的维度A的第一参数子集是根据该协 商区域的维度A的初始参数子集得到的;当g大于1时,区域j的维度A的第一参数子集为 在进行第g-1次组间协商后区域j的维度A的第二参数子集,与区域j维度A相邻的区域中, 未协商区域的维度A的第一参数子集为该区域的维度A的第二参数子集,协商区域的第一参 数子集是根据该区域在进行第g-1次组间协商后得到的第二参数子集得到的;
S3:重复执行步骤S2,直至N个区域中的每个区域在D个维度上均被标记为协商区域;
其中,T个的参考参数集合中的第k个包括区域j的在D个维度中每个维度上的参考参 数子集,T个性能指标预期值集合中的第k个包括根据区域j及与其在D个维度相邻区域的 D个维度的参考参数子集及区域j及与其在D个维度相邻区域的D个维度的状态信息子集得 到的D个维度的性能指标预期值子集;区域j及与其维度A相邻区域的维度A的参考参数子 集分别为在进行第W次后组间协商后区域j及与其维度A相邻区域的维度A的第二参数子集。
进一步地,若维度A的参数子集与D个维度中其他维度的参数子集存在交集,则当g=1 时,维度A未协商区域的维度A的第一参数子集中参数P的值为维度B第二参数子集中参数P的值,维度A第一参数子集中除了参数P之外的参数的值为其维度A的初始参数子集中的值,维度B为在维度A之前已协商的维度,参数P为维度A参数子集与维度B参数子集 的交集中任一参数。
在一个可行的实施例中,根据区域j的维度A的状态信息子集及维度A的第一参数子集、 与区域j的维度A相邻区域的维度A的状态信息子集和维度A的第一参数子集进行S次组内 协商,以得到区域j及与其维度A相邻区域的维度A的第二参数子集,包括:
在进行第q次组内协商,基于搜索算法从预配置参数集合中获取维度A的第三参数子集 aAqj,使得区域j的预设性能指标预期值最大,区域j的预设性能指标预期值是根据区域j的 维度A的性能指标预期值子集得到的,区域j的维度A的性能指标预期值子集是将区域j的 维度A的状态信息子集及维度A的第三参数子集aAqj和与区域j维度A相邻区域的维度A的 状态信息子集和维度A的第三参数子集和区域j的参数配置模型得到的;
基于搜索算法从预配置参数集合中获取维度A的第三配置参数aAqn,使得区域n的预设 性能指标预期值最大,区域n的预设性能指标预期值是根据区域n的维度A的性能指标预期 值得到的,区域n的维度A的性能指标预期值是根据区域n的维度A的状态信息子集及维度 A的第三参数子集aAqn、与区域n的维度A的相邻区域的维度A的状态信息子集及维度A的 第三参数子集和区域n的参数配置模型得到的,区域n为区域j的维度A的相邻区域中的任 一个;与区域n维度A相邻区域的维度A的第三参数子集包括区域j的维度A的第三参数子集aAqj;
当q=1时,区域n的维度A的第三参数子集aA(q-1)n为区域n的维度A的第一参数子集; 当q=S时,区域j的维度A的第二参数子集为区域j的维度A的第三参数子集aAqj,区域n的维度A的第二参数子集为区域n的维度A的第三参数子集aAqn。
可选地,区域V的预设性能指标预期值为:
根据区域V的维度A的性能指标预期值子集得到的,或者;根据区域V的维度A的性能指标预期值子集与区域V在维度A上相邻区域的维度A的性能指标预期值子集得到的, 或者;根据区域V的D个维度的性能指标预期值子集得到的,或者;根据区域V的D个维 度的性能指标预期值子集与区域V的相邻区域的D个维度的性能指标预期值子集得到的。
在一个可行的实施例中,根据T个性能指标预期集合从T个参考参数集合中确定目标参 数集合,包括:
根据T个性能指标预期值集合分别计算T个参考参数集合中每个参考参数集合的性能 值,每个参考参数集合的性能值为该参考参数集合对应的性能指标预期值集合中D个维度的 性能指标预期值子集之和或者加权之和;
将T个参考参数集合中选取性能值最大的参考参数集合确定为目标参数集合。
在一个可行的实施例中,若D=1时,则D个维度只包括维度C,维度C为水平维度或者 垂直维度;N个区域中的任一个区域V的参数配置模型包括维度C邻区信息编码模型和维度C性能预测模型,区域V及其相邻区域的参数集合包括维度C参数子集,区域V及其相 邻区域的状态信息集合包括维度C状态信息子集,
区域V的邻区信息编码模型的输入数据包括与区域V的维度C相邻区域的维度C状态 信息子集和维度C参数子集,或者区域V及与其维度C相邻区域的维度C状态信息子集及维度C参数子集,区域V的邻区信息编码模型的输出数据为维度C编码结果;
区域V的维度C性能预测模型的输入数据包括维度C编码结果、区域V的维度C状态信息子集和维度C参数子集,区域V的维度C性能预测模型的输出数据为区域V的维度C 性能指标预期值子集。
通过引入邻区信息编码模型,解决了相邻区域之间配置参数相互影响的问题,进而提高 了配置参数的精度。
在一个可行的实施例中,若D个维度包括本区域维度和水平维度,则N个区域中的任一 个区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和水平性能预测模型, 区域V及其相邻区域的参数集合包括本区域参数子集和水平参数子集,区域V及其相邻区域 的状态信息集合包括本区域状态信息子集和水平状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的本区域性能预测模型的输入数据包括编码结果、区域V的本区域状态信息子集 和本区域参数子集,区域V的本区域性能预测模型的输出数据为区域V的本区域性能指标预 期值子集;
区域V的水平性能预测模型的输入数据包括编码结果、区域V的水平状态信息子集和水 平参数子集,区域V的水平性能预测模型的输出数据为区域V的水平性能指标预期值子集。
进一步地,邻区信息编码模型包括本区域邻区信息编码模型和水平邻区信息编码模型, 区域V的相邻区域的状态信息集合包括与区域V水平相邻区域的水平状态信息子集和区域V 相邻区域的本区域状态信息子集,区域V的相邻区域的参数集合包括与区域V水平相邻区域 的水平参数子集和区域V相邻区域的本区域参数子集,编码结果包括本区域编码结果和水平 编码结果;
区域V的本区域邻区编码模型的输入数据包括区域V相邻的区域的本区域状态信息子集 和本区域参数子集,或者区域V及其相邻区域的本区域状态信息子集和本区域参数子集;区 域V的本区域编码模型的输出数据包括本区域编码结果;
区域V的水平邻区信息编码模型的输入数据包括与区域V水平相邻区域的水平状态信息 子集和水平参数子集,或者区域V的水平状态信息子集、水平参数子集和与区域V水平相邻 区域的水平状态信息子集和水平参数子集;区域V的水平邻区信息编码模型的输出数据为水 平编码结果。
在一个可行的实施例中,若D个维度包括本区域维度和垂直维度,则N个区域中的任一 个区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和垂直性能预测模型, 区域V及其相邻区域的参数集合包括本区域参数子集和垂直参数子集,区域V及其相邻区域 的状态信息集合包括本区域状态信息子集和垂直状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的本区域性能预测模型的输入数据包括编码结果、区域V的本区域状态信息子集 和本区域参数子集,区域V的本区域性能预测模型的输出数据为区域V的本区域性能指标预 期值子集;
区域V的垂直性能预测模型的输入数据包括编码结果、区域V的垂直状态信息子集和垂 直参数子集,区域V的垂直性能预测模型的输出数据为区域V的垂直性能指标预期值子集。
进一步地,邻区信息编码模型包括本区域邻区信息编码模型和垂直邻区信息编码模型, 区域V的相邻区域的状态信息集合包括与区域V垂直相邻区域的垂直状态信息子集和区域V 相邻区域的本区域状态信息子集,区域V的相邻区域的参数集合包括与区域V垂直相邻区域 的垂直参数子集和区域V相邻区域的本区域参数子集,编码结果包括本区域编码结果和垂直 编码结果;
区域V的本区域邻区编码模型的输入数据包括区域V相邻的区域的本区域状态信息子集 和本区域参数子集,或者区域V及其相邻区域的本区域状态信息子集和本区域参数子集;区 域V的本区域编码模型的输出数据包括本区域编码结果;
区域V的垂直邻区信息编码模型的输入数据包括与区域V垂直相邻区域的垂直状态信息 子集和垂直参数子集,或者区域V的垂直状态信息子集、垂直参数子集和与区域V垂直相邻 区域的垂直状态信息子集和垂直参数子集;区域V的垂直邻区信息编码模型的输出数据为垂 直编码结果。
在一个可行的实施例中,若D个维度包括水平维度和垂直维度,则N个区域中的任一个 区域V的参数配置模型包括邻区信息编码模型、水平性能预测模型和垂直性能预测模型,区 域V及其相邻区域的参数集合包括水平参数子集和垂直参数子集,区域V及其相邻区域的状 态信息集合包括水平状态信息子集和垂直状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的水平性能预测模型的输入数据包括编码结果、区域V的水平状态信息子集和水 平参数子集,区域V的水平性能预测模型的输出数据为区域V的水平性能指标预期值子集;
区域V的垂直性能预测模型的输入数据包括编码结果、区域V的垂直状态信息子集和垂 直参数子集,区域V的垂直性能预测模型的输出数据为区域V的垂直性能指标预期值子集。
进一步地,邻区信息编码模型包括水平邻区信息编码模型和垂直邻区信息编码模型,区 域V的相邻区域的状态信息集合包括与区域V垂直相邻区域的垂直状态信息子集和与区域V 水平相邻区域的水平状态信息子集,区域V的相邻区域的参数集合包括与区域V垂直相邻区 域的垂直参数子集和与区域V水平相邻区域的水平参数子集,编码结果包括水平编码结果和 垂直编码结果;
区域V的水平邻区信息编码模型的输入数据包括与区域V水平相邻区域的水平状态信息 子集和水平参数子集,或者区域V的水平状态信息子集、水平参数子集和与区域V水平相邻 区域的水平状态信息子集和水平参数子集;区域V的水平邻区信息编码模型的输出数据为水 平编码结果;
区域V的垂直邻区信息编码模型的输入数据包括与区域V垂直相邻区域的垂直状态信息 子集和垂直参数子集,或者区域V的垂直状态信息子集、垂直参数子集和与区域V垂直相邻 区域的垂直状态信息子集和垂直参数子集;区域V的垂直邻区信息编码模型的输出数据为垂 直编码结果。
在一个可行的实施例中,若D个维度包括本区域维度、水平维度和垂直维度,则N个区 域中的任一个区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型、水平性 能预测模型和垂直性能预测模型,区域V及其相邻区域的参数集合包括本区域参数子集、水 平参数子集和垂直参数子集,区域V及其相邻区域的状态信息集合包括本区域状态信息子集、 水平状态信息子集和垂直状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的本区域性能预测模型的输入数据包括编码结果区域V的本区域状态信息子集和 本区域参数子集,区域V的本区域性能预测模型的输出数据为区域V的本区域性能指标预期 值子集;
区域V的水平性能预测模型的输入数据包括编码结果、区域V的水平状态信息子集和水 平参数子集,区域V的水平性能预测模型的输出数据为区域V的水平性能指标预期值子集;
区域V的垂直性能预测模型的输入数据包括编码结果、区域V的垂直状态信息子集和垂 直参数子集,区域V的垂直性能预测模型的输出数据为区域V的垂直性能指标预期值子集。
进一步地,邻区信息编码模型包括本区域邻区信息编码模型、水平邻区信息编码模型和 垂直邻区信息编码模型,区域V的相邻区域的状态信息集合包括区域V的相邻区域的本区域 状态信息子集、与区域V垂直相邻区域的垂直状态信息子集和与区域V水平相邻区域的水平 状态信息子集,区域V的相邻区域的参数集合包括区域V的相邻区域的本区域参数子集、与 区域V垂直相邻区域的垂直参数子集和与区域V水平相邻区域的水平参数子集,编码结果包 括本区域编码结果、水平编码结果和垂直编码结果;
区域V的本区域邻区编码模型的输入数据包括区域V相邻的区域的本区域状态信息子集 和本区域参数子集,或者区域V及其相邻区域的本区域状态信息子集和本区域参数子集;区 域V的本区域编码模型的输出数据为本区域编码结果;
区域V的水平邻区信息编码模型的输入数据包括与区域V水平相邻区域的水平状态信息 子集和水平参数子集,或者区域V的水平状态信息子集、水平参数子集和与区域V水平相邻 区域的水平状态信息子集和水平参数子集;区域V的水平邻区信息编码模型的输出数据为水 平编码结果;
区域V的垂直邻区信息编码模型的输入数据包括与区域V垂直相邻区域的垂直状态信息 子集和垂直参数子集,或者区域V的垂直状态信息子集、垂直参数子集和与区域V垂直相邻 区域的垂直状态信息子集和垂直参数子集;区域V的垂直邻区信息编码模型的输出数据为垂 直编码结果。
在一个可行的实施例中,水平维度包括同频维度和异频维度,水平性能预测模型包括同 频性能预测模型和异频性能预测模型,水平性能指标预期值子集包括同频性能指标预期值子 集和异频性能指标预期值子集,区域V及与区域V水平相邻区域的水平状态信息子集包括同 频状态信息子集和异频状态信息子集,区域V及与区域V水平相邻区域的水平参数子集包括 同频参数子集和异频参数子集;
同频性能预测模型的输入数据包括编码结果、区域V的水平参数子集中的同频参数子集 和水平状态信息子集中的同频状态信息子集;同频性能预测模型的输出数据为同频性能指标 预期值子集;
异频性能预测模型的输入数据包括编码结果、区域V的水平参数子集中的异频参数子集 和水平状态信息子集中的异频状态信息子集;异频性能预测模型的输出数据为异频性能指标 预期值子集。
进一步地,水平邻区信息编码模型包括同频邻区信息编码模型和异频邻区信息编码模型, 与区域V水平相邻区域的水平状态信息子集包括在与区域V水平相邻的区域中,与区域V 同频相邻区域的同频状态信息子集和与区域V异频相邻的异频状态信息子集,与区域V水平 相邻区域的水平参数子集包括在与区域V水平相邻的区域中,与区域V同频相邻区域的同频 参数子集和与区域V异频相邻区域的异频参数子集,水平编码结果包括同频编码结果和异频 编码结果,
同频邻区信息编码模型输入数据包括与区域V同频相邻区域的同频状态信息子集和同频 参数子集,或者区域V的水平状态信息子集中的同频状态信息子集、区域V的水平参数子集 中的同频参数子集和与区域V同频相邻的同频状态信息子集和同频参数子集,同频邻区信息 编码模型的输出数据为同频编码结果;
异频邻区信息编码模型输入数据包括与区域V异频相邻区域的异频状态信息子集和异频 参数子集,或者区域V的水平状态信息子集中的异频状态信息子集、区域V的水平参数子集 中的异频参数子集和与区域V异频相邻的异频状态信息子集和异频参数子集,异频邻区信息 编码模型的输出数据为异频编码结果。
通过引入不同维度的性能预测模型和邻区信息编码模型,解决了因网络结构异常复杂而 导致调整网络参数配置困难的问题,提高了网络参数配置的效率。
在一个可行的实施例中,根据N个区域中每个区域的D个维度状态信息子集行协商,以 得到N个区域中每个区域的D个维度目标参数子集之前,方法还包括:
从训练设备中获取N个区域中每个区域的参数配置模型。
在一个可行的实施例中当网络为无线蜂窝网络时,网络设备为基站,区域为基站覆的小 区。
在一个可行的实施例中当网络为WIFI网络时,网络设备为WiFi设备,区域为WiFi设 备覆盖的区域。
在一个可行的实施例中区域V被D个频段的信号覆盖,D个维度与D个频段一一对应。
第二方面,本发明实施例提供一种参数配置模型训练方法,包括:
获取网络设备的运行状态信息,运行状态信息包括网络设备覆盖的N个区域的状态信息 集合、参数集合和第一性能指标预期值集合,其中,状态信息集合包括N个区域中每个区域 的D个维度的状态信息子集,参数集合包括N个区域中每个区域的D个维度的参数子集, 第一性能指标预期值集合包括N个区域中每个区域的D个维度的第一性能指标预期值子集,
根据N个区域中任一区域V的D个维度的状态信息子集、D个维度的参数子集及与区域 V在D个维度分别相邻的区域的D个维度的状态信息子集和D个维度的参数子集输入到区域 V的初始配置模型中进行计算,以得到第二性能指标预期值子集;
根据第一性能指标预期值子集和第二性能指标预期值子集调整初始配置模型中的参数, 以得到区域V的参数配置模型;
其中,区域V的参数配置模型包括邻区信息编码模型和D个维度的性能预测模型。
在一个可行的实施例中,若D=1时,则D个维度只包括维度C,维度C为水平维度或者 垂直维度;N个区域中的任一个区域V的参数配置模型包括维度C邻区信息编码模型和维度C性能预测模型,区域V及其相邻区域的参数集合包括维度C参数子集,区域V及其相 邻区域的状态信息集合包括维度C状态信息子集,
区域V的邻区信息编码模型的输入数据包括与区域V的维度C相邻区域的维度C状态 信息子集和维度C参数子集,或者区域V及与其维度C相邻区域的维度C状态信息子集及维度C参数子集,区域V的邻区信息编码模型的输出数据为维度C编码结果;
区域V的维度C性能预测模型的输入数据包括维度C编码结果、区域V的维度C状态信息子集和维度C参数子集,区域V的维度C性能预测模型的输出数据为区域V的维度C 性能指标预期值子集。
在一个可行的实施例中,若D个维度包括本区域维度和水平维度,则N个区域中的任一 个区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和水平性能预测模型, 区域V及其相邻区域的参数集合包括本区域参数子集和水平参数子集,区域V及其相邻区域 的状态信息集合包括本区域状态信息子集和水平状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的本区域性能预测模型的输入数据包括编码结果、区域V的本区域状态信息子集 和本区域参数子集,区域V的本区域性能预测模型的输出数据为区域V的本区域性能指标预 期值子集;
区域V的水平性能预测模型的输入数据包括编码结果、区域V的水平状态信息子集和水 平参数子集,区域V的水平性能预测模型的输出数据为区域V的水平性能指标预期值子集。
进一步地,邻区信息编码模型包括本区域邻区信息编码模型和水平邻区信息编码模型, 区域V的相邻区域的状态信息集合包括与区域V水平相邻区域的水平状态信息子集和区域V 相邻区域的本区域状态信息子集,区域V的相邻区域的参数集合包括与区域V水平相邻区域 的水平参数子集和区域V相邻区域的本区域参数子集,编码结果包括本区域编码结果和水平 编码结果;
区域V的本区域邻区编码模型的输入数据包括区域V相邻的区域的本区域状态信息子集 和本区域参数子集,或者区域V及其相邻区域的本区域状态信息子集和本区域参数子集;区 域V的本区域编码模型的输出数据包括本区域编码结果;
区域V的水平邻区信息编码模型的输入数据包括与区域V水平相邻区域的水平状态信息 子集和水平参数子集,或者区域V的水平状态信息子集、水平参数子集和与区域V水平相邻 区域的水平状态信息子集和水平参数子集;区域V的水平邻区信息编码模型的输出数据为水 平编码结果。
在一个可行的实施例中,若D个维度包括本区域维度和垂直维度,则N个区域中的任一 个区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和垂直性能预测模型, 区域V及其相邻区域的参数集合包括本区域参数子集和垂直参数子集,区域V及其相邻区域 的状态信息集合包括本区域状态信息子集和垂直状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的本区域性能预测模型的输入数据包括编码结果、区域V的本区域状态信息子集 和本区域参数子集,区域V的本区域性能预测模型的输出数据为区域V的本区域性能指标预 期值子集;
区域V的垂直性能预测模型的输入数据包括编码结果、区域V的垂直状态信息子集和垂 直参数子集,区域V的垂直性能预测模型的输出数据为区域V的垂直性能指标预期值子集。
进一步地,邻区信息编码模型包括本区域邻区信息编码模型和垂直邻区信息编码模型, 区域V的相邻区域的状态信息集合包括与区域V垂直相邻区域的垂直状态信息子集和区域V 相邻区域的本区域状态信息子集,区域V的相邻区域的参数集合包括与区域V垂直相邻区域 的垂直参数子集和区域V相邻区域的本区域参数子集,编码结果包括本区域编码结果和垂直 编码结果;
区域V的本区域邻区编码模型的输入数据包括区域V相邻的区域的本区域状态信息子集 和本区域参数子集,或者区域V及其相邻区域的本区域状态信息子集和本区域参数子集;区 域V的本区域编码模型的输出数据包括本区域编码结果;
区域V的垂直邻区信息编码模型的输入数据包括与区域V垂直相邻区域的垂直状态信息 子集和垂直参数子集,或者区域V的垂直状态信息子集、垂直参数子集和与区域V垂直相邻 区域的垂直状态信息子集和垂直参数子集;区域V的垂直邻区信息编码模型的输出数据为垂 直编码结果。
在一个可行的实施例中,若D个维度包括水平维度和垂直维度,则N个区域中的任一个 区域V的参数配置模型包括邻区信息编码模型、水平性能预测模型和垂直性能预测模型,区 域V及其相邻区域的参数集合包括水平参数子集和垂直参数子集,区域V及其相邻区域的状 态信息集合包括水平状态信息子集和垂直状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的水平性能预测模型的输入数据包括编码结果、区域V的水平状态信息子集和水 平参数子集,区域V的水平性能预测模型的输出数据为区域V的水平性能指标预期值子集;
区域V的垂直性能预测模型的输入数据包括编码结果、区域V的垂直状态信息子集和垂 直参数子集,区域V的垂直性能预测模型的输出数据为区域V的垂直性能指标预期值子集。
进一步地,邻区信息编码模型包括水平邻区信息编码模型和垂直邻区信息编码模型,区 域V的相邻区域的状态信息集合包括与区域V垂直相邻区域的垂直状态信息子集和与区域V 水平相邻区域的水平状态信息子集,区域V的相邻区域的参数集合包括与区域V垂直相邻区 域的垂直参数子集和与区域V水平相邻区域的水平参数子集,编码结果包括水平编码结果和 垂直编码结果;
区域V的水平邻区信息编码模型的输入数据包括与区域V水平相邻区域的水平状态信息 子集和水平参数子集,或者区域V的水平状态信息子集、水平参数子集和与区域V水平相邻 区域的水平状态信息子集和水平参数子集;区域V的水平邻区信息编码模型的输出数据为水 平编码结果;
区域V的垂直邻区信息编码模型的输入数据包括与区域V垂直相邻区域的垂直状态信息 子集和垂直参数子集,或者区域V的垂直状态信息子集、垂直参数子集和与区域V垂直相邻 区域的垂直状态信息子集和垂直参数子集;区域V的垂直邻区信息编码模型的输出数据为垂 直编码结果。
在一个可行的实施例中,若D个维度包括本区域维度、水平维度和垂直维度,则N个区 域中的任一个区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型、水平性 能预测模型和垂直性能预测模型,区域V及其相邻区域的参数集合包括本区域参数子集、水 平参数子集和垂直参数子集,区域V及其相邻区域的状态信息集合包括本区域状态信息子集、 水平状态信息子集和垂直状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的本区域性能预测模型的输入数据包括编码结果区域V的本区域状态信息子集和 本区域参数子集,区域V的本区域性能预测模型的输出数据为区域V的本区域性能指标预期 值子集;
区域V的水平性能预测模型的输入数据包括编码结果、区域V的水平状态信息子集和水 平参数子集,区域V的水平性能预测模型的输出数据为区域V的水平性能指标预期值子集;
区域V的垂直性能预测模型的输入数据包括编码结果、区域V的垂直状态信息子集和垂 直参数子集,区域V的垂直性能预测模型的输出数据为区域V的垂直性能指标预期值子集。
进一步地,邻区信息编码模型包括本区域邻区信息编码模型、水平邻区信息编码模型和 垂直邻区信息编码模型,区域V的相邻区域的状态信息集合包括区域V的相邻区域的本区域 状态信息子集、与区域V垂直相邻区域的垂直状态信息子集和与区域V水平相邻区域的水平 状态信息子集,区域V的相邻区域的参数集合包括区域V的相邻区域的本区域参数子集、与 区域V垂直相邻区域的垂直参数子集和与区域V水平相邻区域的水平参数子集,编码结果包 括本区域编码结果、水平编码结果和垂直编码结果;
区域V的本区域邻区编码模型的输入数据包括区域V相邻的区域的本区域状态信息子集 和本区域参数子集,或者区域V及其相邻区域的本区域状态信息子集和本区域参数子集;区 域V的本区域编码模型的输出数据为本区域编码结果;
区域V的水平邻区信息编码模型的输入数据包括与区域V水平相邻区域的水平状态信息 子集和水平参数子集,或者区域V的水平状态信息子集、水平参数子集和与区域V水平相邻 区域的水平状态信息子集和水平参数子集;区域V的水平邻区信息编码模型的输出数据为水 平编码结果;
区域V的垂直邻区信息编码模型的输入数据包括与区域V垂直相邻区域的垂直状态信息 子集和垂直参数子集,或者区域V的垂直状态信息子集、垂直参数子集和与区域V垂直相邻 区域的垂直状态信息子集和垂直参数子集;区域V的垂直邻区信息编码模型的输出数据为垂 直编码结果。
在一个可行的实施例中,水平维度包括同频维度和异频维度,水平性能预测模型包括同 频性能预测模型和异频性能预测模型,水平性能指标预期值子集包括同频性能指标预期值子 集和异频性能指标预期值子集,区域V及与区域V水平相邻区域的水平状态信息子集包括同 频状态信息子集和异频状态信息子集,区域V及与区域V水平相邻区域的水平参数子集包括 同频参数子集和异频参数子集;
同频性能预测模型的输入数据包括编码结果、区域V的水平参数子集中的同频参数子集 和水平状态信息子集中的同频状态信息子集;同频性能预测模型的输出数据为同频性能指标 预期值子集;
异频性能预测模型的输入数据包括编码结果、区域V的水平参数子集中的异频参数子集 和水平状态信息子集中的异频状态信息子集;异频性能预测模型的输出数据为异频性能指标 预期值子集。
进一步地,水平邻区信息编码模型包括同频邻区信息编码模型和异频邻区信息编码模型, 与区域V水平相邻区域的水平状态信息子集包括在与区域V水平相邻的区域中,与区域V 同频相邻区域的同频状态信息子集和与区域V异频相邻的异频状态信息子集,与区域V水平 相邻区域的水平参数子集包括在与区域V水平相邻的区域中,与区域V同频相邻区域的同频 参数子集和与区域V异频相邻区域的异频参数子集,水平编码结果包括同频编码结果和异频 编码结果,
同频邻区信息编码模型输入数据包括与区域V同频相邻区域的同频状态信息子集和同频 参数子集,或者区域V的水平状态信息子集中的同频状态信息子集、区域V的水平参数子集 中的同频参数子集和与区域V同频相邻的同频状态信息子集和同频参数子集,同频邻区信息 编码模型的输出数据为同频编码结果;
异频邻区信息编码模型输入数据包括与区域V异频相邻区域的异频状态信息子集和异频 参数子集,或者区域V的水平状态信息子集中的异频状态信息子集、区域V的水平参数子集 中的异频参数子集和与区域V异频相邻的异频状态信息子集和异频参数子集,异频邻区信息 编码模型的输出数据为异频编码结果。
通过引入不同维度的性能预测模型和邻区信息编码模型,解决了因网络结构异常复杂而 导致调整网络参数配置困难的问题,提高了网络参数配置的效率。
在一个可行的实施例中当网络为无线蜂窝网络时,网络设备为基站,区域为基站覆的小 区。
在一个可行的实施例中当网络为WIFI网络时,网络设备为WiFi设备,区域为WiFi设 备覆盖的区域。
在一个可行的实施例中区域V被D个频段的信号覆盖,D个维度与D个频段一一对应。
第三方面,提供一种参数配置装置,该装置包括用于执行第一方面中的方法的模块。
第四方面,提供一种训练装置,该装置包括用于执行第二方面中的方法的模块。
第五方面,提供一种参数配置装置,该装置包括:存储器,用于存储程序;处理器,用 于执行存储器存储的程序,当存储器存储的程序被执行时,处理器用于执行第一方面中的方 法。
第六方面,提供一种训练装置,该装置包括:存储器,用于存储程序;处理器,用于执 行存储器存储的程序,当存储器存储的程序被执行时,处理器用于执行第二方面中的方法。
第七方面,提供一种计算机可读介质,该计算机可读介质存储用于设备执行的程序代码, 该程序代码包括用于执行第一方面或第二方面中的方法。
第八方面,提供一种包含指令的计算机程序产品,当该计算机程序产品在计算机上运行 时,使得计算机执行上述第一方面或第二方面中的方法。
第九方面,提供一种芯片,所述芯片包括处理器与数据接口,所述处理器通过所述数据 接口读取存储器上存储的指令,执行第一方面或第二方面中的方法。
可选地,作为一种实现方式,所述芯片还可以包括存储器,所述存储器中存储有指令, 所述处理器用于执行所述存储器上存储的指令,当所述指令被执行时,所述处理器用于执行 第一方面或第二方面中的方法。
第十方面,提供一种电子设备,该电子设备包括上述第三方面至第七方面、第九方面中 的任意一个方面中的装置。
本发明的这些方面或其他方面在以下实施例的描述中会更加简明易懂。
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简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一 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1a为本发明实施例提供的一种网络架构示意图;
图1b为本发明实施例提供的另一种网络架构示意图;
图2为本发明实施例提供的一种系统架构示意图;
图3为本发明实施例提供的一种芯片的结构示意图;
图4为本发明实施例提供的一种网络参数配置方法的流程示意图;
图5为本发明实施例提供的一种参数配置模型的结构示意图;
图6为本发明实施例提供的另一种参数配置模型的结构示意图;
图7为本发明实施例提供的另一种参数配置模型的结构示意图;
图8为本发明实施例提供的另一种参数配置模型的结构示意图;
图9为本发明实施例提供的另一种参数配置模型的结构示意图;
图10为本发明实施例提供的另一种参数配置模型的结构示意图;
图11为本发明实施例提供的另一种参数配置模型的结构示意图;
图12为本发明实施例提供的另一种参数配置模型的结构示意图;
图13为本发明实施例提供的另一种参数配置模型的结构示意图;
图14为本发明实施例提供的另一种参数配置模型的结构示意图;
图15为本发明实施例提供的另一种参数配置模型的结构示意图;
图16为本发明实施例提供的另一种参数配置模型的结构示意图;
图17为本发明实施例提供的另一种参数配置模型的结构示意图;
图18为本发明实施例提供的另一种参数配置模型的结构示意图;
图19为本发明实施例提供的另一种参数配置模型的结构示意图;
图20为本发明实施例提供的另一种参数配置模型的结构示意图;
图21为本发明实施例提供的另一种参数配置模型的结构示意图;
图22为本发明实施例提供的一种协商过程示意图;
图23为本发明实施例提供的另一种协商过程示意图;
图24为效果对比示意图;
图25为本发明实施例提供的一种参数配置模型训练方法的流程示意图;
图26为本发明实施例提供的一种参数配置装置的结构示意图;
图27为本发明实施例提供的一种训练装置的结构示意图;
图28为本发明实施例提供的另一种参数配置模型训练方法的流程示意图;
图29为本发明实施例提供的另一种训练装置的结构示意图。
具体实施方式
下面结合附图对本申请的实施例进行描述。
参见图1a,图1a为本发明实施例提供的一种网络架构示意图。该如图1a所示,该网络 架构中包括网络控制中心101和多个无线基站102。
每个无线基站102的信号覆盖的区域可进一步划分为多个小区。网络控制中心101与各 个无线基站102相连接。
其中,无线基站101可以为宏基站,也可以为小基站等接入网设备。该小基站的发射功 率和覆盖范围都小于宏基站,例如,小基站可以为家庭型演进基站(home evolvedNodeB, 简称HeNodeB),微型基站(micro base station),无线接入点(access point,AP),微微基站 (pico base station)等。无线AP是移动计算机用户进入有线网络的接入点,主要用于宽带家 庭、大楼内部以及园区内部,可以覆盖几十米至上百米。
网络控制中心101采集无线基站102覆盖小区的运行状态信息、并根据各个小区的运行 状态信息对各小区进行建模,得到每个小区的参数配置模型,再根据每个小区的参数配置模 型和运行状态信息获取每个小区的参数子集,并将获取的小区的参数子集发送至覆盖该小区 的无线基站102,以使该无线基站102按照该小区的参数子集进行配置。
参见图1b,图1b为本申请实施例提供的另一种网络架构示意图。该如图1b所示,该网 络架构中包括网络控制中心201和多个WiFi设备202。网络控制中心201与各个WiFi设备202相连接。
网络控制中心201采集WLAN设备202覆盖区域的运行状态信息、并根据各个区域的运 行状态信息对各区域进行建模,得到每个区域的参数配置模型,再根据每个区域的参数配置 模型和运行状态信息获取每个区域的参数子集,并将获取的区域的子集参数发送至覆盖该区 域的WLAN设备202,以使该WLAN设备202按照该区域的参数子集进行配置。
参见附图2,本发明实施例提供了一种系统架构200。数据采集设备260用于采集网络设 备的运行状态信息,并存入数据库230,训练设备220基于数据库230中维护的网络设备的 运行状态信息生成参数配置模型201。下面将更详细地描述训练设备220如何基于网络设备 的运行状态信息得到参数配置模型201,参数配置模型201能够为确定网络设备的目标参数 子集提供依据。
其中,上述参数配置模型201可基于深度神经网络实现。上述运行状态信息包括网络设 备覆盖区域的参数子集、状态信息子集和性能指标预期值子集。
深度神经网络中的每一层的工作可以用数学表达式来描述:从物理层 面深度神经网络中的每一层的工作可以理解为通过五种对输入空间(输入向量的集合)的操 作,完成输入空间到输出空间的变换(即矩阵的行空间到列空间),这五种操作包括:1、升 维/降维;2、放大/缩小;3、旋转;4、平移;5、“弯曲”。其中1、2、3的操作由完成, 4的操作由+完成,5的操作则由a()来实现。这里之所以用“空间”二字来表述是因为被分类 的对象并不是单个事物,而是一类事物,空间是指这类事物所有个体的集合。其中,W是权 重向量,该向量中的每一个值表示该层神经网络中的一个神经元的权重值。该向量W决定着 上文所述的输入空间到输出空间的空间变换,即每一层的权重W控制着如何变换空间。训练 深度神经网络的目的,也就是最终得到训练好的神经网络的所有层的权重矩阵(由很多层的 向量W形成的权重矩阵)。因此,神经网络的训练过程本质上就是学习控制空间变换的方式, 更具体的就是学习权重矩阵。
因为希望深度神经网络的输出尽可能的接近真正想要预测的值,所以可以通过比较当前 网络的预测值和真正想要的目标值,再根据两者之间的差异情况来更新每一层神经网络的权 重向量(当然,在第一次更新之前通常会有初始化的过程,即为深度神经网络中的各层预先 参数子集),比如,如果网络的预测值高了,就调整权重向量让它预测低一些,不断的调整, 直到神经网络能够预测出真正想要的目标值。因此,就需要预先定义“如何比较预测值和目标 值之间的差异”,这便是损失函数(loss function)或目标函数(objective function),它们是用 于衡量预测值和目标值的差异的重要方程。其中,以损失函数举例,损失函数的输出值(loss) 越高表示差异越大,那么深度神经网络的训练就变成了尽可能缩小这个loss的过程。
训练设备220得到的参数配置模型201可以应用不同的系统或设备中。在附图2中,执 行设备210配置有I/O接口212,与外部设备进行数据交互。执行设备210可以通过I/O接口 212从其他设备中获取参数配置模型201。
执行设备210可以调用数据存储系统250中的数据、代码等,也可以将数据、指令等存 入数据存储系统250中。
计算模块211将区域的参数子集及状态信息子集输入到参数配置模型201中进行计算, 得到区域的性能指标预期值子集,并基于性能指标预期值确定区域的目标参数子集。
最后,通过I/O接口212将目标参数子集返回给网络设备240,提供给用户,以使用于基 于目标参数子集对网络设备进行参数配置。
更深层地,训练设备220可以针对不同的目标,基于不同的数据生成相应的参数配置模 型201,以给用户提供更佳的结果。
网络设备240也可以作为数据采集端将采集到运行状态信息存入数据库230。
值得注意的,附图2仅是本发明实施例提供的一种系统架构的示意图,图中所示设备、 器件、模块等之间的位置关系不构成任何限制,例如,在附图2中,数据存储系统250相对 执行设备210是外部存储器,在其它情况下,也可以将数据存储系统250置于执行设备210 中。
图3是本发明实施例提供的一种芯片硬件结构图。
神经网络处理器NPU 50作为协处理器挂载到主CPU(Host CPU)上,由Host CPU分配任务。NPU的核心部分为运算电路50,控制器504控制运算电路503提取存储器(权重存 储器或输入存储器)中的数据并进行运算。
在一些实现中,运算电路503内部包括多个处理单元(Process Engine,PE)。在一些实现 中,运算电路503是二维脉动阵列。运算电路503还可以是一维脉动阵列或者能够执行例如 乘法和加法这样的数学运算的其它电子线路。在一些实现中,运算电路503是通用的矩阵处 理器。
举例来说,假设有输入矩阵A,权重矩阵B,输出矩阵C。运算电路从权重存储器502中取矩阵B相应的数据,并缓存在运算电路中每一个PE上。运算电路从输入存储器501中 取矩阵A数据与矩阵B进行矩阵运算,得到的矩阵的部分结果或最终结果,保存在累加器508accumulator中。
向量计算单元507可以对运算电路的输出做进一步处理,如向量乘,向量加,指数运算, 对数运算,大小比较等等。例如,向量计算单元507可以用于神经网络中非卷积/非FC层的 网络计算,如池化(Pooling),批归一化(Batch Normalization),局部响应归一化(Local Response Normalization)等。
在一些实现种,向量计算单元能507将经处理的输出的向量存储到统一缓存器506。例 如,向量计算单元507可以将非线性函数应用到运算电路503的输出,例如累加值的向量, 用以生成激活值。在一些实现中,向量计算单元507生成归一化的值、合并值,或二者均有。 在一些实现中,处理过的输出的向量能够用作到运算电路503的激活输入,例如用于在神经 网络中的后续层中的使用。
将区域V及其相邻区域的参数子集和状态信息子集输入到参数配置模型中进行计算,以 得到性能指标预期值子集的步骤可以由运算电路503或向量计算单元507来执行。
统一存储器506用于存放输入数据以及输出数据。
存储单元访问控制器505(Direct Memory Access Controller,DMAC)将外部存储器中 的输入数据搬运到输入存储器501和/或统一存储器506、将外部存储器中的权重数据存入权 重存储器502,以及将统一存储器506中的数据存入外部存储器。
总线接口单元(Bus Interface Unit,BIU)510,用于通过总线实现主CPU、DMAC和取 指存储器509之间进行交互。
与控制器504连接的取指存储器(instruction fetch buffer)509,用于存储控制器504使 用的指令;
控制器504,用于调用指存储器509中缓存的指令,实现控制该运算加速器的工作过程。
一般地,统一存储器506,输入存储器501,权重存储器502以及取指存储器509均为片 上(On-Chip)存储器,外部存储器为该NPU外部的存储器,该外部存储器可以为双倍数据率同步动态随机存储器(Double Data Rate Synchronous Dynamic Random AccessMemory,简 称DDR SDRAM)、高带宽存储器(High Bandwidth Memory,HBM)或其他可读可写的存储 器。
主CPU用于获取网络设备的运行状态信息,运行状态信息包括网络设备覆盖的N个区 域的中每个区域的状态信息集合,状态信息集合包括D个维度状态信息子集;根据N个区域 中每个区域的D个维度状态信息子集进行协商,以得到N个区域中每个区域的D个维度目标参数子集;在执行步骤“根据N个区域中每个区域的D个维度状态信息子集进行协商,以得到N个区域中每个区域的D个维度目标参数子集”的过程中,步骤“将参数子集及状态信息子集输入到参数配置模型中进行计算,以得到性能指标预期值子集”是由NPU来执行的。
参见图4,图4为本申请实施例提供的一种网络参数配置方法的流程示意图。如图4所 示,该方法:
S401、获取网络设备的运行状态信息。
其中,运行状态信息包括网络设备覆盖的N个区域中每个区域的状态信息集合、参数集 合、优化性能指标集合及D个维度上每个维度的邻区关系表,状态信息集合包括D个维度状 态信息子集,参数集合包括D个维度参数子集,优化性能指标集合包括D个优化性能指标子 集,D个维度状态信息子集、D个维度参数子集和D和D个优化性能指标子集三者一一对应, N均为大于0的整数。
在此需要说明的是,D个维度可以为本区域维度、水平维度和垂直维度中的至少一个。
在此需要说明的是,对于维度A的性能指标,可以统计所有状态信息集合中每一个状态 信息与该性能指标的相关性,并根据相关性进行降序排序,选取排序靠前的K个状态信息作 为该维度A的状态信息子集,或者;
对于维度A的性能指标,可以统计所有状态信息集合中每一个状态信息与该性能指标的 相关性及所有状态信息集合中每一个状态信息的发散度,并根据相关性和发散度进行降序排 序,选取排序靠前的K个状态信息作为该维度A的状态信息子集。
当该网络设备为无线基站,或者该本申请的方法应用于无线蜂窝网时,上述网络设备覆 盖N个区域的状态信息集合、参数集合、优化性能指标集合及D个维度上每个维度的邻区关 系表分别为小区的状态信息集合、小区参数集合、小区优化性能指标集合和小区的D个维度 上每个维度的邻区关系表。
具体地,小区的状态信息集合中的元素包括但不限定于小区单位时间段的平均用户数、 小区单位时间段的平均活跃用户数、小区单位时间段低信道质量指示(channelquality indicator, CQI)报告的比例、小区单位时间段小包比例和小区单位时间内的发送数据包的平均长度。
小区参数集合中的元素包括但不限定于小区天线发射功率、小区用户启动异频切换测量 的参考信号接收功率(reference signal received power,RSRP)阈值和小区用户停止异频切换测 量的RSRP阈值。
小区优化性能指标集合中的元素包括但不限定于小区单位时间内用户的平均下行感知速 率、小区单位时间内用户平均的上行感知速率、小区单位时间内用户发送数据包的平均时延 和小区单位时间内速率低于5M的用户比例。
其中,小区的状态信息集合、优化性能指标集合和参数集合可以如下向量表示。
其中,其中St表示该小区在时刻t的状态信息集合,N是该状态向量集合中元素的个数, 每一个元素表示具有一种物理意义的状态(例如小区单位时间段的平均用户数、小区单位时 间段的发送数据包的平均长度等);rt表示小区的优化性能指标集合,该集合中的元素为优化 性能指标在时刻t的测量值,在该集合中共有M个优化性能指标,每个优化性能指标均是对 网络性能的某种度量指标(例如小区单位时间内用户的平均下行感知速率、小区单位时间内 用户发送数据包的平均时延等);at表示小区的参数集合,该集合中的元素为需要优化的参数 在时刻t的配置值,在该集合中共有L个参数,每个参数表示一个可以调整的控制变量(例如 小区用户发起切换的阈值、调度公平性权重等等)。
小区的邻区关系表用于表征小区的邻区关系,可以包括多种维度,比如垂直维度邻区表、 水平维度邻区表、同频维度邻区表和异频维度邻区表。
每个维度的邻区关系表可以表示如下表1。
主小区 | 第一小区 | 第二小区 | 第三小区 |
小区A | 小区B | 小区C | |
小区B | 小区C | 小区A | 小区D |
小区C | 小区B | 小区D | 小区E |
… | … | … | … |
表1
在此需要说明的是,第一小区与主小区之间的距离小于主小区与第二小区之间的距离, 主小区与第二小区之间的距离小于主小区与第三小区之间的距离。
可选地,上述主小区、第一小区、第二小区和第三小区的排序是按照与主小区间的切换 频率、垂直频段的顺序或者其他特征参数进行的。
在一个可行的实施例中,由于区域的状态信息集合中存在大量与优化指标无关的冗余信 息,因此在使用区域的状态信息集合之前,对每个区域的状态信息集合中状态信息进行筛选, 以得到筛选后区域的状态信息集合。
具体地,计算区域的状态信息集合中每一类的状态信息与优化性能指标之间的相关值, 该相关值用于表征状态信息与优化性能指标之间的相关程度;则将小于第一阈值的相关值对 应类的状态信息从区域中状态信息集合中删除,以得到筛选后区域的状态信息集合;或者,
计算区域的状态信息集合中每一类的状态信息的发散值,该发散值用于表征区域状态信 息集合中每一类的状态信息的发散性;将小于第二阈值的发散值对应类的状态信息从区域中 状态信息集合中删除,以得到筛选后区域的状态信息集合;或者,
计算区域的状态信息集合中每一类的状态信息的发散值,及该类状态信息与优化性能指 标之间的相关性;然后每一类的相关值及发散值计算该类状态信息的评分;根据该评分与评 分阈值之间的大小关系确定是否将该评分对应的类状态信息从区域的状态信息集合中删除, 以得到筛选后区域的状态信息集合,其中,每一类的状态信息的发散值是指该类的状态信息 归一化后的方差。
在此需要说明的是,上述三种筛选区域的状态信息的方式只是示例,不是对本申请的限 定,当然还可以采用其他方式对区域的状态信息进行筛选。
可选地,在一个可行的实施例中,在N个区域的状态信息集合、参数集合和优化性能指 标集合(可称为第一性能指标预期值集合)后,对将N个区域中任一区域V及其相邻区域的 状态信息集合和参数集合输入到区域V的初始配置模型进行计算,以得到第二性能指标预期 值集合;基于区域V的第一性能指标预期值集合和第二性能指标预期值集合调整区域V的初 始配置模型中的参数,以得到区域V的参数配置模型。
可选地,在另一个可行的实施例中,在获取N个区域的状态信息集合、参数集合和优化 性能指标集合后,基于N个区域的状态信息集合、参数集合和优化性能指标集合对初始共享 模型进行训练,以得到共享参数配置模型,N个区域中每个区域的参数配置模型均为该共享 参数配置模型,即N个区域的参数配置模型是相同的。
可选地,在另一个可行的实施例中,在获取N个区域的状态信息集合、参数集合和优化 性能指标集合后,基于N个区域的状态信息集合、参数集合和优化性能指标集合对初始共享 模型进行训练,以得到共享参数配置模型;再分别基于N个区域中任一区域V及其相邻区域 的状态信息集合、参数集合和优化性能指标集合对共享参数配置模型中的参数进行调整,以 得到区域V的参数配置模型。
在另一个可行的实施例中,在进行参数协商之前,本申请的方法还包括:
从训练设备中获取N个区域中每个区域的参数配置模型。
可选地,在一个可行的实施例中,N个区域中任一个区域V的参数配置模型包括性能预 测模型和邻区信息编码模型,
其中,区域V的邻区信息编码模型的输入数据包括与区域V的相邻区域的状态信息集合 和参数集合,或者区域V及与其相邻区域的状态信息集合和参数集合,区域V的邻区信息编 码模型的输出数据为编码结果;区域V的性能预测模型的输入数据包括区域V的邻区信息编 码模型输出的编码结果和区域V的状态信息集合和参数集合,区域V的性能预测模型的输出 数据为区域V的性能指标预期值集合,如图5所示。
可选地,在一个可行的实施例中,若D个维度包括水平维度,则N个区域中任一个区域V的参数配置模型包括水平性能预测模型和水平邻区信息编码模型,区域V及其相邻区域的状态信息集合包括水平状态信息子集,参数集合包括水平参数子集,性能指标预期值集合 包括水平性能指标预期值;
其中,区域V的水平邻区信息编码模型的输入数据包括与区域V的水平相邻区域的水平 状态信息子集和水平参数子集,或者区域V及与其水平相邻区域的水平状态信息子集和水平 参数子集,区域V的水平邻区信息编码模型的输出数据为水平编码结果;区域V的水平性能 预测模型的输入数据包括区域V的水平邻区信息编码模型输出的水平编码结果和区域V的水 平状态信息子集和水平参数子集,区域V的水平性能预测模型的输出数据为区域V的水平性 能指标预期值子集,如图6所示。
可选地,在一个可行的实施例中,若D个维度包括垂直维度,则N个区域中任一个区域V的参数配置模型包括垂直性能预测模型和垂直邻区信息编码模型,区域V及其相邻区域的状态信息集合包括垂直状态信息子集,参数集合包括垂直参数子集,性能指标预期值集合 包括垂直性能指标预期值
其中,区域V的垂直邻区信息编码模型的输入数据包括与区域V的垂直相邻区域的垂直 状态信息子集和垂直参数子集,或者区域V及与其垂直相邻区域的垂直状态信息子集和垂直 参数子集,区域V的垂直邻区信息编码模型的输出数据为垂直编码结果;区域V的垂直性能 预测模型的输入数据包括区域V的垂直邻区信息编码模型输出的垂直编码结果和区域V的垂 直状态信息子集和垂直参数子集,区域V的垂直性能预测模型的输出数据为区域V的垂直性 能指标预期值子集,如图7所示。
可选地,在另一个具体的实施例中,如图8所示,若D个维度包括本区域维度和水平维 度,则区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和水平性能预测 模型,区域V及其相邻区域的参数集合包括本区域参数子集和水平参数子集,区域V及其相 邻区域的状态信息集合包括本区域状态信息子集和水平状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的本区域性能预测模型的输入数据包括编码结果、区域V的本区域状态信息子集 和本区域参数子集,区域V的本区域性能预测模型的输出数据为区域V的本区域性能指标预 期值子集;
区域V的水平性能预测模型的输入数据包括编码结果、区域V的水平状态信息子集和水 平参数子集,区域V的水平性能预测模型的输出数据为区域V的水平性能指标预期值子集。
进一步地,如图9所示,区域V的邻区信息编码模型包括本区域邻区信息编码模型和水 平邻区信息编码模型,区域V的相邻区域的状态信息集合包括与区域V水平相邻区域的水平 状态信息子集和区域V相邻区域的本区域状态信息子集,区域V的相邻区域的参数集合包括 与区域V水平相邻区域的水平参数子集和区域V相邻区域的本区域参数子集,编码结果包括 本区域编码结果和水平编码结果;
区域V的本区域邻区编码模型的输入数据包括区域V相邻的区域的本区域状态信息子集 和本区域参数子集,或者区域V及其相邻区域的本区域状态信息子集和本区域参数子集;区 域V的本区域编码模型的输出数据包括本区域编码结果;
区域V的水平邻区信息编码模型的输入数据包括与区域V水平相邻区域的水平状态信息 子集和水平参数子集,或者区域V的水平状态信息子集、水平参数子集和与区域V水平相邻 区域的水平状态信息子集和水平参数子集;区域V的水平邻区信息编码模型的输出数据为水 平编码结果;
区域V的本区域性能预测模型的输入数据包括本区域编码结果、水平编码结果、区域V 的本区域状态信息子集和本区域参数子集;区域V的水平性能预测模型的输入数据包括本区 域编码结果、水平编码结果、区域V的水平状态信息子集和水平参数子集。
可选地,在另一个具体的实施例中,如图10所示,若D个维度包括本区域维度和垂直 维度,则区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和垂直性能预 测模型,区域V及其相邻区域的参数集合包括本区域参数子集和垂直参数子集,区域V及其 相邻区域的状态信息集合包括本区域状态信息子集和垂直状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的本区域性能预测模型的输入数据包括编码结果、区域V的本区域状态信息子集 和本区域参数子集,区域V的本区域性能预测模型的输出数据为区域V的本区域性能指标预 期值子集;
区域V的垂直性能预测模型的输入数据包括编码结果、区域V的垂直状态信息子集和垂 直参数子集,区域V的垂直性能预测模型的输出数据为区域V的垂直性能指标预期值子集。
进一步地,如图11所示,区域V的邻区信息编码模型包括本区域邻区信息编码模型和 垂直邻区信息编码模型,区域V的相邻区域的状态信息集合包括与区域V垂直相邻区域的垂 直状态信息子集和区域V相邻区域的本区域状态信息子集,区域V的相邻区域的参数集合包 括与区域V垂直相邻区域的垂直参数子集和区域V相邻区域的本区域参数子集,编码结果包 括本区域编码结果和垂直编码结果;
区域V的本区域邻区编码模型的输入数据包括区域V相邻的区域的本区域状态信息子集 和本区域参数子集,或者区域V及其相邻区域的本区域状态信息子集和本区域参数子集;区 域V的本区域编码模型的输出数据包括本区域编码结果;
区域V的垂直邻区信息编码模型的输入数据包括与区域V垂直相邻区域的垂直状态信息 子集和垂直参数子集,或者区域V的垂直状态信息子集、垂直参数子集和与区域V垂直相邻 区域的垂直状态信息子集和垂直参数子集;区域V的垂直邻区信息编码模型的输出数据为垂 直编码结果;
区域V的本区域性能预测模型的输入数据包括本区域编码结果、垂直编码结果、区域V 的本区域状态信息子集和本区域参数子集;区域V的垂直性能预测模型的输入数据包括本区 域编码结果、垂直编码结果、区域V的垂直状态信息子集和垂直参数子集。
可选地,在另一个具体的实施例中,如图12所示,若D个维度包括水平维度和垂直维 度,区域V的参数配置模型包括邻区信息编码模型、水平性能预测模型和垂直性能预测模型, 区域V及其相邻区域的参数集合包括水平参数子集和垂直参数子集,区域V及其相邻区域的 状态信息集合包括水平状态信息子集和垂直状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的水平性能预测模型的输入数据包括编码结果、区域V的水平状态信息子集和水 平参数子集,区域V的水平性能预测模型的输出数据为区域V的水平性能指标预期值子集;
区域V的垂直性能预测模型的输入数据包括编码结果、区域V的垂直状态信息子集和垂 直参数子集,区域V的垂直性能预测模型的输出数据为区域V的垂直性能指标预期值子集。
进一步地,如图13所示,区域V的邻区信息编码模型包括水平邻区信息编码模型和垂 直邻区信息编码模型,区域V的相邻区域的状态信息集合包括与区域V垂直相邻区域的垂直 状态信息子集和与区域V水平相邻区域的水平状态信息子集,区域V的相邻区域的参数集合 包括与区域V垂直相邻区域的垂直参数子集和与区域V水平相邻区域的水平参数子集,编码 结果包括水平编码结果和垂直编码结果;
区域V的水平邻区信息编码模型的输入数据包括与区域V水平相邻区域的水平状态信息 子集和水平参数子集,或者区域V的水平状态信息子集、水平参数子集和与区域V水平相邻 区域的水平状态信息子集和水平参数子集;区域V的水平邻区信息编码模型的输出数据为水 平编码结果;
区域V的垂直邻区信息编码模型的输入数据包括与区域V垂直相邻区域的垂直状态信息 子集和垂直参数子集,或者区域V的垂直状态信息子集、垂直参数子集和与区域V垂直相邻 区域的垂直状态信息子集和垂直参数子集;区域V的垂直邻区信息编码模型的输出数据为垂 直编码结果;
区域V的水平性能预测模型的输入数据包括水平编码结果、垂直编码结果、区域V的水 平状态信息子集和垂直状态信息子集;区域V的垂直性能预测模型的输入数据包括水平编码 结果、垂直编码结果、区域V的垂直状态信息子集和垂直状态信息子集。
可选地,在另一个具体的实施例中,如图14所示,若D个维度包括本区域维度、水平维度和垂直维度,则区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型、水平性能预测模型和垂直性能预测模型,区域V及其相邻区域的参数集合包括本区域参数子 集、水平参数子集和垂直参数子集,区域V及其相邻区域的状态信息集合包括本区域状态信 息子集、水平状态信息子集和垂直状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的本区域性能预测模型的输入数据包括编码结果、区域V的本区域状态信息子集 和本区域参数子集,区域V的本区域性能预测模型的输出数据为区域V的本区域性能指标预 期值子集;
区域V的水平性能预测模型的输入数据包括编码结果、区域V的水平状态信息子集和水 平参数子集,区域V的水平性能预测模型的输出数据为区域V的水平性能指标预期值子集;
区域V的垂直性能预测模型的输入数据包括编码结果、区域V的垂直状态信息子集和垂 直参数子集,区域V的垂直性能预测模型的输出数据为区域V的垂直性能指标预期值子集。
进一步地,如图15所示,区域V的邻区信息编码模型包括本区域邻区信息编码模型、 水平邻区信息编码模型和垂直邻区信息编码模型,区域V的相邻区域的状态信息集合包括区 域V的相邻区域的本区域状态信息子集、与区域V垂直相邻区域的垂直状态信息子集和与区 域V水平相邻区域的水平状态信息子集,区域V的相邻区域的参数集合包括区域V的相邻 区域的本区域参数子集、与区域V垂直相邻区域的垂直参数子集和与区域V水平相邻区域的 水平参数子集,编码结果包括本区域编码结果、水平编码结果和垂直编码结果;
区域V的本区域邻区编码模型的输入数据包括区域V相邻的区域的本区域状态信息子集 和本区域参数子集,或者区域V及其相邻区域的本区域状态信息子集和本区域参数子集;区 域V的本区域编码模型的输出数据为本区域编码结果;
区域V的水平邻区信息编码模型的输入数据包括与区域V水平相邻区域的水平状态信息 子集和水平参数子集,或者区域V的水平状态信息子集、水平参数子集和与区域V水平相邻 区域的水平状态信息子集和水平参数子集;区域V的水平邻区信息编码模型的输出数据为水 平编码结果;
区域V的垂直邻区信息编码模型的输入数据包括与区域V垂直相邻区域的垂直状态信息 子集和垂直参数子集,或者区域V的垂直状态信息子集、垂直参数子集和与区域V垂直相邻 区域的垂直状态信息子集和垂直参数子集;区域V的垂直邻区信息编码模型的输出数据为垂 直编码结果;
区域V的本区域性能预测模型的输入数据包括本区域编码结果、水平编码结果、垂直编 码结果,区域V的本区域状态信息子集和本区域参数子集;区域V的水平性能预测模型的输 入数据包括本区域编码结果、水平编码结果、垂直编码结果,区域V的水平状态信息子集和 水平参数子集;区域V的垂直性能预测模型的输入数据包括本区域编码结果、水平编码结果、 垂直编码结果,区域V的垂直状态信息子集和垂直参数子集。
可选地,在一个可行的实施例中,水平维度包括同频维度和异频维度,水平性能预测模 型包括同频性能预测模型和异频性能预测模型,水平性能指标预期值子集包括同频性能指标 预期值子集和异频性能指标预期值子集,区域V及与区域V水平相邻区域的水平状态信息子 集包括同频状态信息子集和异频状态信息子集,区域V及与区域V水平相邻区域的水平参数 子集包括同频参数子集和异频参数子集;
同频性能预测模型的输入数据包括编码结果、区域V的水平参数子集中的同频参数子集 和水平状态信息子集中的同频状态信息子集;同频性能预测模型的输出数据为同频性能指标 预期值子集;
异频性能预测模型的输入数据包括编码结果、区域V的水平参数子集中的异频参数子集 和水平状态信息子集中的异频状态信息子集;异频性能预测模型的输出数据为异频性能指标 预期值子集。
进一步地,水平邻区信息编码模型包括同频邻区信息编码模型和异频邻区信息编码模型, 与区域V水平相邻区域的水平状态信息子集包括在在与区域V水平相邻的区域中,与区域V 同频相邻区域的同频状态信息子集和与区域V异频相邻的异频状态信息子集,与区域V水平 相邻区域的水平参数子集包括在与区域V水平相邻的区域中,与区域V同频相邻区域的同频 参数子集和与区域V异频相邻区域的异频参数子集,水平编码结果包括同频编码结果和异频 编码结果,
同频邻区信息编码模型输入数据包括在与区域V水平相邻的区域中,与区域V同频相邻 区域的同频状态信息子集和同频参数子集,或者区域V的水平状态信息子集中的同频状态信 息子集、区域V的水平参数子集中的同频参数子集和在与区域V水平相邻的区域中,与区域 V同频相邻的同频状态信息子集和同频参数子集,同频邻区信息编码模型的输出数据为同频 编码结果;
异频邻区信息编码模型输入数据包括在与区域V水平相邻的区域中,与区域V异频相邻 区域的异频状态信息子集和异频参数子集,或者区域V的水平状态信息子集中的异频状态信 息子集、区域V的水平参数子集中的异频参数子集和在与区域V水平相邻的区域中,与区域 V异频相邻的异频状态信息子集和异频参数子集,异频邻区信息编码模型的输出数据为所述 异频编码结果。
在一个具体的示例中,如图16所示,区域V的参数配置模型包括邻区信息编码模型、 同频性能预测模型和异频性能预测模型,区域V及与其水平相邻区域的水平参数子集包括同 频参数子集和异频参数子集,区域V及与其水平相邻区域的水平状态信息子集包括同频状态 信息子集和异频状态信息子集,区域V的水平性能指标预期值子集包括水同频性能指标预期 值子集和异频性能指标预期值子集;
区域V的邻区信息编码模型的输入数据包括与区域V水平相邻区域的水平状态信息子集 和水平参数子集,或者区域V的水平状态信息子集和水平参数子集、及与区域V水平相邻区 域的水平状态信息子集和水平参数子集,区域V的同频邻区信息编码模型的输出数据为水平 编码结果;
区域V的同频性能预测模型的输入数据包括水平编码结果、区域V的水平状态信息子集 中的同频状态信息子集和区域V的水平参数子集中的同频参数子集,区域V的同频性能预测 模型的输出数据为区域V的同频性能指标预期值子集;
区域V的异频性能预测模型的输入数据包括水平编码结果、区域V的水平状态信息子集 中的异频状态信息子集和区域V的水平参数子集中异频参数子集,区域V的异频性能预测模 型的输出数据为区域V的异频性能指标预期值子集。
进一步地,如图17所示,区域V的邻区信息编码模型包括同频邻区信息编码模型和异 频邻区信息编码模型,区域V的相邻区域的状态信息集合包括与区域V异频相邻区域的异频 状态信息子集和与区域V同频相邻区域的同频状态信息子集,区域V的相邻区域的参数集合 包括与区域V异频相邻区域的异频参数子集和与区域V同频相邻区域的同频参数子集,水平 编码结果包括同频编码结果和异频编码结果;
区域V的同频邻区信息编码模型的输入数据包括在与区域V水平相邻区域中,与区域V 同频相邻区域的同频状态信息子集和同频参数子集,或者区域V的水平状态信息子集中的同 频状态信息子集、区域V水平参数子集中的同频参数子集和在与区域V水平相邻区域中,与 区域V同频相邻区域的同频状态信息子集和同频参数子集;区域V的同频邻区信息编码模型 的输出数据为水平编码结果中的同频编码结果;
区域V的异频邻区信息编码模型的输入数据包括在与区域V水平相邻的区域中,与区域 V异频相邻区域的异频状态信息子集和异频参数子集,或者区域V的水平状态信息中的异频 状态信息子集、区域V的水平参数子集中的异频参数子集和在与区域V水平相邻的区域中, 与区域V异频相邻区域的异频状态信息子集和异频参数子集;区域V的异频邻区信息编码模 型的输出数据为水平编码结果中的异频编码结果;
区域V的同频性能预测模型的输入数据包括同频编码结果、异频编码结果、区域V的水 平状态信息中的同频状态信息子集和水平参数子集中的同频参数子集;区域V的异频性能预 测模型的输入数据包括同频编码结果、异频编码结果、区域V的水平状态信息中的异频状态 信息子集和水平参数子集中的异频参数子集。
在一个具体的示例中,如图18所示,区域V的参数配置模型包括邻区信息编码模型、 本区域性能预测模型、同频性能预测模型和异频性能预测模型,区域V及其相邻区域的参数 集合包括本区域参数子集、同频参数子集和异频参数子集,区域V及其相邻区域的状态信息 集合包括本区域状态信息子集、同频状态信息子集和异频状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的本区域性能预测模型的输入数据包括编码结果、区域V的本区域状态信息子集 和本区域参数子集,区域V的本区域性能预测模型的输出数据为区域V的本区域性能指标预 期值子集;
区域V的同频性能预测模型的输入数据包括编码结果、区域V的同频状态信息子集和同 频参数子集,区域V的同频性能预测模型的输出数据为区域V的同频性能指标预期值子集;
区域V的异频性能预测模型的输入数据包括编码结果、区域V的异频状态信息子集和异 频参数子集,区域V的异频性能预测模型的输出数据为区域V的异频性能指标预期值子集。
进一步地,如图19所示,区域V的邻区信息编码模型包括本区域邻区信息编码模型、 同频邻区信息编码模型和异频邻区信息编码模型,区域V的相邻区域的状态信息集合包括区 域V的相邻区域的本区域状态信息子集、与区域V异频相邻区域的异频状态信息子集和与区 域V同频相邻区域的同频状态信息子集,区域V的相邻区域的参数集合包括区域V的相邻 区域的本区域参数子集、与区域V异频相邻区域的异频参数子集和与区域V同频相邻区域的 同频参数子集,编码结果包括本区域编码结果、同频编码结果和异频编码结果;
区域V的本区域邻区编码模型的输入数据包括区域V相邻的区域的本区域状态信息子集 和本区域参数子集,或者区域V及其相邻区域的本区域状态信息子集和本区域参数子集;区 域V的本区域编码模型的输出数据为本区域编码结果;
区域V的同频邻区信息编码模型的输入数据包括与区域V同频相邻区域的同频状态信息 子集和同频参数子集,或者区域V的同频状态信息子集、同频参数子集和与区域V同频相邻 区域的同频状态信息子集和同频参数子集;区域V的同频邻区信息编码模型的输出数据为同 频编码结果;
区域V的异频邻区信息编码模型的输入数据包括与区域V异频相邻区域的异频状态信息 子集和异频参数子集,或者区域V的异频状态信息子集、异频参数子集和与区域V异频相邻 区域的异频状态信息子集和异频参数子集;区域V的异频邻区信息编码模型的输出数据为异 频编码结果;
区域V的本区域性能预测模型的输入数据包括本区域编码结果、同频编码结果、异频编 码结果,区域V的本区域状态信息子集和本区域参数子集;区域V的同频性能预测模型的输 入数据包括本区域编码结果、同频编码结果、异频编码结果,区域V的同频状态信息子集和 同频参数子集;区域V的异频性能预测模型的输入数据包括本区域编码结果、同频编码结果、 异频编码结果,区域V的异频状态信息子集和异频参数子集。
在一个具体的示例中,如图20所示,区域V的参数配置模型包括邻区信息编码模型、 本区域性能预测模型、垂直性能预测模型、同频性能预测模型和异频性能预测模型,区域V 及其相邻区域的参数集合包括本区域参数子集、垂直参数子集、同频参数子集和异频参数子 集,区域V及其相邻区域的状态信息集合包括本区域状态信息子集、垂直状态信息子集、同 频状态信息子集和异频状态信息子集,
区域V的邻区信息编码模型的输入数据包括区域V的相邻区域的状态信息集合和参数集 合,或者区域V及其相邻区域的状态信息集合及参数集合,区域V的邻区信息编码模型的输 出数据为编码结果;
区域V的本区域性能预测模型的输入数据包括编码结果、区域V的本区域状态信息子集 和本区域参数子集,区域V的本区域性能预测模型的输出数据为区域V的本区域性能指标预 期值子集;
区域V的垂直性能预测模型的输入数据包括编码结果、区域V的垂直状态信息子集和垂 直参数子集,区域V的垂直性能预测模型的输出数据为区域V的垂直性能指标预期值子集;
区域V的同频性能预测模型的输入数据包括编码结果、区域V的同频状态信息子集和同 频参数子集,区域V的同频性能预测模型的输出数据为区域V的同频性能指标预期值子集;
区域V的异频性能预测模型的输入数据包括编码结果、区域V的异频状态信息子集和异 频参数子集,区域V的异频性能预测模型的输出数据为区域V的异频性能指标预期值子集。
进一步地,如图21所示,区域V的邻区信息编码模型包括本区域邻区信息编码模型、 垂直邻区信息编码模型、同频邻区信息编码模型和异频邻区信息编码模型,区域V的相邻区 域的状态信息集合包括区域V的相邻区域的本区域状态信息子集、与区域V垂直相邻区域的 垂直状态信息子集、与区域V异频相邻区域的异频状态信息子集和与区域V同频相邻区域的 同频状态信息子集,区域V的相邻区域的参数集合包括区域V的相邻区域的本区域参数子集、 与区域V垂直相邻区域的垂直参数子集、与区域V异频相邻区域的异频参数子集和与区域V 同频相邻区域的同频参数子集,编码结果包括本区域编码结果、垂直编码结果、同频编码结 果和异频编码结果;
区域V的本区域邻区编码模型的输入数据包括区域V相邻的区域的本区域状态信息子集 和本区域参数子集,或者区域V及其相邻区域的本区域状态信息子集和本区域参数子集;区 域V的本区域编码模型的输出数据为本区域编码结果;
区域V的垂直邻区信息编码模型的输入数据包括与区域V垂直相邻区域的垂直状态信息 子集和垂直参数子集,或者区域V的垂直状态信息子集、垂直参数子集和与区域V垂直相邻 区域的垂直状态信息子集和垂直参数子集;区域V的垂直邻区信息编码模型的输出数据为垂 直编码结果;
区域V的同频邻区信息编码模型的输入数据包括与区域V同频相邻区域的同频状态信息 子集和同频参数子集,或者区域V的同频状态信息子集、同频参数子集和与区域V同频相邻 区域的同频状态信息子集和同频参数子集;区域V的同频邻区信息编码模型的输出数据为同 频编码结果;
区域V的异频邻区信息编码模型的输入数据包括与区域V异频相邻区域的异频状态信息 子集和异频参数子集,或者区域V的异频状态信息子集、异频参数子集和与区域V异频相邻 区域的异频状态信息子集和异频参数子集;区域V的异频邻区信息编码模型的输出数据为异 频编码结果;
区域V的本区域性能预测模型的输入数据包括本区域编码结果、垂直编码结果、同频编 码结果、异频编码结果,区域V的本区域状态信息子集和本区域参数子集;区域V的垂直性 能预测模型的输入数据包括本区域编码结果、垂直编码结果、同频编码结果、异频编码结果, 区域V的垂直状态信息子集和垂直参数子集;区域V的同频性能预测模型的输入数据包括本 区域编码结果、垂直编码结果、同频编码结果、异频编码结果,区域V的同频状态信息子集 和同频参数子集;区域V的异频性能预测模型的输入数据包括本区域编码结果、垂直编码结 果、同频编码结果、异频编码结果,区域V的异频状态信息子集和异频参数子集。
在此需要说明的是,当本申请的方法应用于无线蜂窝网络,或者上述网络为无线蜂窝网 络时,上述网络设备为无线基站,上述区域为基站覆盖的小区;当本申请的方法应用于WiFi 网络,或者上述网络为WiFi网络时,上述网络设备为WiFi设备,上述区域为WiFi设备覆盖 的区域。
在一个可行的实施例中,若上述区域为WiFi设备覆盖的区域,且区域V被D个频段的 信号覆盖,D个维度与D个频段一一对应。
可选地,上述邻区信息编码模型可以是基于长短期记忆(long short termmemory,LSTM) 网络得到的,也可以是基于Transformer网络得到的,还可以是基于Deepset网络得到的。
其中,在邻区信息编码模型是基于LSTM网络得到时,将多个邻区的状态信息和参数配 置信息作为一个输入序列,其中每个邻区的状态信息和参数配置信息作为输入序列的一个时 间步;将多个时间步输入到LSTM网络中后,输出多步隐含状态信息,对该多步隐含状态信 息进行聚合,得到的聚合结果,该聚合结果为邻区信息编码模型输出的编码结果;
在邻区信息编码模型是基于Transformer网络得到的时,将多个邻区的状态信息和参数配 置信息为Transformer网络的输入序列,经过单层或多层多头自注意力(multi-head self- attention)和全连接网络的处理,得到的结果为该邻区信息编码模型输出的编码结果。
可选地,上述性能预测模型可以基于神经网络得到的,还可以是根据基于核岭回归(kernel ridge regression)方法得到的,还可以是基于高斯过程回归(gaussianprocess regression)方法 得到的。
在此需要说明的是,对于上述邻区信息编码模型,主要是将输入区域数量不同的状态信 息集合或子集,或者参数集合或子集进行处理,得到状态信息长度一致的集合/子集,或者参 数长度一致的集合或子集,以方便后续性能预测模型可使用不同区域数量的状态信息和参数, 进而提高得到的目标参数的准确性。
比如对于邻区信息编码模型输入的3个区域的状态信息子集,该3个区域中每个区域中 包括2个状态信息的取值,将3个区域中的状态信息子集中,每个状态信息的取值进行相加 后再求平均操作,或者加权求平均操作,或者其他操作,得到该状态信息的最终取值。按照 这种方式,对于3个区域中的状态信息子集,邻区信息编码模型的输出数据为包含2个状态 信息的最终区域的集合。
再比如,对于邻区信息编码模型输入的3个区域的状态信息子集,该3个区域中每个区 域中包括2个状态信息的取值,对3个中的任一个区域中的2个状态信息的取值进行线性转 换,得到长度为2的向量;对3个区域中每个区域的2个状态信息进行线性转换后,可得到 3*2的矩阵,取该矩阵中每列最大值,组成一个长度为2的向量,作为对于3个区域的状态信息子集,邻区信息编码模型的输出数据。
同理,对区域的参数子集/集合也可按照上述方法进行处理。
需要指出的是,上述两种方法只是对邻区信息编码模型的功能进行说明,不是对邻区信 息编码模型的功能的限定。
S402、根据所述N个区域中每个区域的D个维度状态信息子集进行协商,以得到N个区域中每个区域的D个维度的目标参数子集。
在一个可行的实施例中,根据N个区域中每个区域的D个维度状态信息子集进行协商, 以得到N个区域中每个区域的D个维度目标参数子集,包括:
根据N个区域中每个区域的D个维度状态信息子集进行T轮协商,以得到T个的参考参数集合和T个性能指标预期值集合;其中,T个参考参数集合与T个性能指标预期值集合一一对应,T个参考参数集合包括N个区域中每个区域的D个维度的参考参数子集,T个性 能指标预期值集合包括N个区域中每个区域的D个维度的性能指标预期值子集,T为大于0 的整数;
根据T个性能指标预期集合从T个参考参数集合中确定目标参数集合,目标参数集合包 括N个区域中每个区域的D个维度的目标参数子集。
进一步地,N个区域的运行状态信息包括N个区域在D个维度上的邻区信息,根据所述 N个区域中每个区域的D个维度状态信息子集进行T轮协商,以得到T个的参考参数集合和 T个性能指标预期值集合,包括:
在进行第k轮协商时,对N个区域中每个区域的参数集合进行初始化,以得到每个区域 的初始参数集合;每个区域的初始参数集合包括该区域的D个维度的参数子集;
根据N个区域在D个维度上的邻区信息获取N个区域中每个区域在D个维度中的每个 维度上的相邻的区域;其中,k=1,2,…,T;
根据N个区域中每个区域及其在D个维度相邻的区域的D个维度的状态信息子集和D 个维度的初始参数子集进行W次组间协商,以得到T个参考参数集合中的第k个和T个性能指标预期值集合中的第k个,W为大于0的整数。
进一步地,根据所述N个区域中每个区域及其在D个维度相邻的区域的D个维度的状 态信息子集和D个维度的初始参数子集进行W次组间协商,以得到T个参考参数集合中的第k个和T个性能指标预期值集合中的第k个,包括:
S1:在进行第g次组间协商时,将N个区域中的每个区域在D个维度上均标记为未协商 区域;g=1,2,…,W;
S2:从未协商的区域中,选取在任一维度A上被标记为未协商区域的区域j,根据区域j 的维度A的状态信息子集及维度A的第一参数子集、与区域j的维度A相邻区域的维度A的状态信息子集和维度A的第一参数子集进行S次组内协商,以得到区域j及与其维度A相邻区域的维度A的第二参数子集,并将区域j在维度A上标记为协商区域,将在与区域j的 维度A相邻区域中在维度A上被标记为未协商区域的区域在维度A上标记为协商区域;其 中,维度A为D个维度中的任一个,当g等于1时,区域j的维度A的第一参数子集为区域 j的维度A的初始参数子集,在与区域j维度A相邻的区域中,未协商区域的维度A的第一 参数子集为该区域的维度A的初始参数子集,协商区域的维度A的第一参数子集是根据该协 商区域的维度A的初始参数子集得到的;当g大于1时,区域j的维度A的第一参数子集为 在进行第g-1次组间协商后区域j的维度A的第二参数子集,与区域j维度A相邻的区域中, 未协商区域的维度A的第一参数子集为该区域的维度A的第二参数子集,协商区域的第一参 数子集是根据该区域在进行第g-1次组间协商后得到的第二参数子集得到的;
S3:重复执行步骤S2,直至N个区域中的每个区域在D个维度上均被标记为协商区域;
其中,T个的参考参数集合中的第k个包括区域j的在D个维度中每个维度上的参考参 数子集,所述T个性能指标预期值集合中的第k个包括根据区域j及与其在D个维度相邻区 域的D个维度的参考参数子集及区域j及与其在D个维度相邻区域的D个维度的状态信息子 集得到的D个维度的性能指标预期值子集;
区域j及与其维度A相邻区域的维度A的参考参数子集分别为在进行第W次后组间协 商后区域j及与其维度A相邻区域的维度A的第二参数子集。
可选地,若维度A的参数子集与所述D个维度中其他维度的参数子集存在交集,则当 g=1时,维度A未协商区域的维度A的第一参数子集中参数P的值为维度B第二参数子集中 所述参数P的值,维度A第一参数子集中除了参数P之外的参数的值为其维度A的初始参数 子集中的值,维度B为在所述维度A之前已协商的维度,参数P为所述维度A参数子集与所述维度B参数子集的交集中任一参数。
进一步地,根据所述区域j的维度A的状态信息子集及维度A的第一参数子集、与区域 j的维度A相邻区域的维度A的状态信息子集和维度A的第一参数子集进行S次组内协商,以得到区域j及与其维度A相邻区域的维度A的第二参数子集,包括:
在进行第q次组内协商,基于搜索算法从预配置参数集合中获取维度A的第三参数子集 aAqj,使得区域j的预设性能指标预期值最大,区域j的预设性能指标预期值是根据区域j的 维度A的性能指标预期值子集得到的,区域j的维度A的性能指标预期值子集是将区域j的 维度A的状态信息子集及维度A的第三参数子集aAqj和与区域j维度A相邻区域的维度A的 状态信息子集和维度A的第三参数子集和区域j的参数配置模型得到的;
基于搜索算法从预配置参数集合中获取维度A的第三配置参数aAqn,使得区域n的预设 性能指标预期值最大,区域n的预设性能指标预期值是根据区域n的维度A的性能指标预期 值得到的,区域n的维度A的性能指标预期值是根据区域n的维度A的状态信息子集及维度 A的第三参数子集aAqn、与区域n的维度A的相邻区域的维度A的状态信息子集及维度A的 第三参数子集和所述区域n的参数配置模型得到的,所述区域n为所述区域j的维度A的相 邻区域中的任一个;与区域n维度A相邻区域的维度A的第三参数子集包括区域j的维度A的第三参数子集aAqj;
当所述q=1时,区域n的维度A的第三参数子集aA(q-1)n为区域n的维度A的第一参数子 集;当q=S时,区域j的维度A的第二参数子集为区域j的维度A的第三参数子集aAqj,区域n的维度A的第二参数子集为区域n的维度A的第三参数子集aAqn。
当预配置参数集合中包括少量的维度A的参数子集,可采用枚举法,根据预配置参数集 合中的每个维度A的参数子集与区域j的维度A的状态信息子集、与区域j维度A相邻区域 的维度A的状态信息子集和维度A的第三参数子集、和区域j的参数配置模型可得到对应数 量的区域j的维度A的性能指标预期值子集,将使预设性能指标预期值最大的区域j的维度A 的性能指标预期值子集对应的维度A的参数子集确定为区域j的维度A的第三参数子集aAqj。
当预配置参数集合中包括海量的维度A的参数子集,可采用坐标上升搜索算法或者梯度 上升搜索算法,得到区域j的维度A的第三参数子集aAqj。
坐标上升搜索算法具体是:假设区域j维度A的参数子集中有F个参数,首先将F个参 数中,将除了参数P1之外的F-1个参数的值固定,遍历参数P1的所有取值,可得到多个参数子集,将该多个参数子集分别与区域j的维度A的状态信息子集、与区域j维度A相邻区 域的维度A的状态信息子集和维度A的第三参数子集、和区域j的参数配置模型可得到对应 数量的区域j的维度A的性能指标预期值子集,将使预设性能指标预期值最大的区域j的维 度A的性能指标预期值子集对应的参数P1的值确定为区域j的维度A的第三参数子集aAqj中参数P1的值。按照该方法依次遍历参数子集中的所有参数,每次调整一个参数,并进行多 次迭代,将最终得到区域j的维度A的第三参数子集aAqj中所有参数的值。
梯度上升搜索算法具体是:输入初始参数子集a和状态信息子集,按照上述描述的方法 可得到对应的预设性能指标预期值O;计算输出预设性能指标预期值在初始参数子集a处上 升梯度的方向:可以是基于神经网络并利用软件自动计算得到;可以是基于线性模型或者是 其他有数学形式的模型利用求导公式进行计算得到;还可以采用估计梯度的方法,具体地:
随机选取与初始参数子集a相近的多个参数子集,并计算对应的多个预设性能指标预期 值,比较多个预设性能指标预期值与预设性能指标预期值O的大小,并估计在a点预设性能 指标预期值上升的方向在a上叠加一个上升梯度方向的调整量,叠加之后的参数子集a’作为 新的参数子集,
重复执行上述步骤,直至与新得到的参数子集相近的多个参数子集所对应的预设性能指 标预期值均小于新得到的参数子集所对应的预设性能指标预期值,此时将新得到的参数子集 确定为区域j的维度A的第三参数子集aAqj。
可选地,区域V的预设性能指标预期值为:
根据区域V的维度A的性能指标预期值子集得到的,或者;
根据区域V的维度A的性能指标预期值子集与区域V在维度A上相邻区域的维度A的性能指标预期值子集得到的,或者;
根据区域V的D个维度的性能指标预期值子集得到的,或者;
根据区域V的D个维度的性能指标预期值子集与区域V的相邻区域的D个维度的性能 指标预期值子集得到的。
具体地,区域V的预设性能指标预期值是根据区域V的维度A的性能指标预期值子集 与区域V在维度A上相邻区域的维度A的性能指标预期值子集得到的,具体是区域V的维度A的性能指标预期值子集与区域V在维度A上相邻区域的维度A的性能指标预期值子集 之和或者加权之和;
区域V的预设性能指标预期值是根据区域V的D个维度的性能指标预期值子集得到的 具体是指:区域V的预设性能指标预期值为区域V的在D个维度上的性能指标预期值子集之和或者加权之和;
区域V的预设性能指标预期值是根据区域V的D个维度的性能指标预期值子集与区域V 的相邻区域的D个维度的性能指标预期值子集得到的具体是指:区域V的预设性能指标预期 值为区域V的D个维度的性能指标预期值子集与区域V的相邻区域的D个维度的性能指标 预期值子集之和或加权之和。
在一个可行的实施例中,根据T个性能指标预期集合从T个参考参数集合中确定目标参 数集合,包括:
根据T个性能指标预期值集合分别计算T个参考参数集合中每个参考参数集合的性能 值,每个参考参数集合的性能值为该参考参数集合对应的性能指标预期值集合中D个维度的 性能指标预期值子集之和或者加权之和;
将T个参考参数集合中选取性能值最大的参考参数集合确定为目标参数集合。
可选地,在一个可行的实施例中,在维度A上,对于不包含共同区域的多个小组,该多 个小组中的区域进行组内协商时,以小组为单位可以并行进行组内协商,从而提高组间协商 的效率。
举例说明,以无线蜂窝网为例,假设需要进行性能优化的小区有4个,分别为小区1、2、 3和4。该4个小区的拓扑结构如图22所示,其中,两个小区之间的实线表示该两个小区在 水平维度相邻,虚线表示两个小区在垂直维度水平相邻。获取4个小区中每个小区的水平状 态信息子集和垂直状态信息子集,并将4个小区标在水平维度和垂直维度均标记为未协商小 区;对4个小区的参数子集进行初始化,以得到4个小区的初始参数子集;参数子集包括垂 直参数子集和水平参数子集,初始参数子集包括水平初始参数子集和垂直初始参数子集,状 态信息子集包括垂直状态信息子集和水平状态信息子集;
在垂直维度,将小区1和小区4划分为一组,将小区2和小区3划分为一组,
在垂直维度对小区1及小区4进行第1次组内协商具体包括:从预配置参数集合中为小 区1获取一个垂直参数子集,将该垂直参数子集、小区1的水平初始参数子集、小区4的垂 直初始参数子集、小区2和小区3的水平初始参数子集和水平状态信息子集、小区1的状态 信息子集和小区4的垂直状态信息子集输入到小区1的参数配置模型中进行计算,以得到小 区1的垂直期望指标预期值子集a111v;然后基于搜索算法从预配置参数集合中为小区1获取 另外一个垂直参数子集,将该垂直参数子集、小区1的水平初始参数子集、小区4的垂直初 始参数子集、小区2和小区3的水平初始参数子集和水平状态信息子集、小区1的状态信息 子集和小区4的垂直状态信息子集输入到小区1的参数配置模型中进行计算,以得到小区1 的垂直期望指标预期值子集a112v,其中,垂直期望指标预期值子集a112v大于垂直期望指标预 期值子集a111v,重复上述步骤,直至得到小区1的垂直期望指标预期值子集最大,该最大垂 直期望指标预期值子集对应的垂直参数子集为小区1的垂直维度第三参数子集a11v;
从预配置参数集合中为小区4获取一个垂直参数子集,将该垂直参数子集、小区4的水 平初始参数子集及小区1垂直维度的第三参数子集a11v、小区3的水平初始参数子集和水平 状态信息子集、小区1的垂直状态信息子集和小区4的状态信息子集输入到小区4的参数配 置模型中进行计算,以得到小区4的垂直期望指标预期值a141v;然后基于搜索算法从预配置 参数集合中为小区4获取另外一个垂直参数子集,将该垂直参数子集、小区4的水平初始参 数子集和小区1垂直维度的第三参数子集a11v,小区3的水平初始参数子集和水平状态信息 子集、小区1的垂直状态信息子集和小区4的状态信息子集输入到小区4的参数配置模型中 进行计算,以得到小区4的垂直期望指标预期值a142v,其中,垂直期望指标预期值a142v大于 垂直期望指标预期值a141v,重复上述步骤,直至得到小区4的垂直期望指标预期值最大,该 最大垂直期望指标预期值对应的垂直参数子集为小区4垂直维度的第三参数子集a14v;至此 完成针对小区1和小区4的第1次垂直维度的组内协商。
在垂直维度对小区1及小区4进行第2次组内协商具体包括:从预配置参数集合中为小 区1获取一个垂直参数子集,将该垂直参数子集、小区1的水平初始参数子集、小区4垂直 维度的第三参数子集a14v、小区2和小区3的水平初始参数子集和水平状态信息子集、小区1 的状态信息子集和小区4的垂直状态信息子集输入到小区1的参数配置模型中进行计算,以 得到小区1的垂直期望指标预期值子集a211v;然后基于搜索算法从预配置参数集合中为小区 1获取另外一个垂直参数子集,将该垂直参数子集、小区1的水平初始参数子集、小区4垂 直维度的第三参数子集a14v、小区2和小区3的水平初始参数子集和水平状态信息子集、小 区1的状态信息子集和小区4的垂直状态信息子集输入到小区1的参数配置模型中进行计算, 以得到小区1的垂直期望指标预期值子集a212v,其中,垂直期望指标预期值子集a212v大于垂 直期望指标预期值子集a211v,重复上述步骤,直至得到小区1的垂直期望指标预期值子集最 大,该最大垂直期望指标预期值子集对应的垂直参数子集为小区1的垂直维度第三参数子集 a21v;
从预配置参数集合中为小区4获取一个垂直参数子集,将该垂直参数子集、小区4的水 平参数子集及小区1垂直维度的第三参数子集a21v、小区3的水平初始参数子集和水平状态 信息子集、小区1的垂直状态信息子集和小区4的状态信息子集输入到小区4的参数配置模 型中进行计算,以得到小区4的垂直期望指标预期值a241v;然后基于搜索算法从预配置参数 集合中为小区4获取另外一个垂直参数子集,将该垂直参数子集、小区4的水平参数子集和 小区1垂直维度的第三参数子集a21v,小区3的水平初始参数子集和水平状态信息子集、小 区1的垂直状态信息子集和小区4的状态信息子集输入到小区4的参数配置模型中进行计算, 以得到小区4的垂直期望指标预期值a242v,其中,垂直期望指标预期值a242v大于垂直期望指 标预期值a241v,重复上述步骤,直至得到小区4的垂直期望指标预期值最大,该最大垂直期 望指标预期值对应的垂直参数子集为小区4垂直维度的第三参数子集a24v;至此完成针对小 区1和小区4的第2次垂直维度的组内协商。
按照上述过程,可以完成针对小区1和小区4多次垂直维度组内协商。在完成对小区1 和小区4的多次垂直维度的组内协商后,将小区1和小区4在垂直维度均标记为协商小区。
在垂直维度对小区2及小区3进行第1次组内协商具体包括:从预配置参数集合中为小 区2获取一个垂直参数子集,将该垂直参数子集、小区2的水平初始参数子集、小区3的垂 直初始参数子集、小区1的水平初始参数子集和水平状态信息子集、小区2的状态信息子集 和小区3的垂直状态信息子集输入到小区2的参数配置模型中进行计算,以得到小区2的垂 直期望指标预期值子集a121v;然后基于搜索算法从预配置参数集合中为小区2获取另外一个 垂直参数子集,将该垂直参数子集、小区2的水平初始参数子集、小区3的垂直初始参数子 集、小区1的水平初始参数子集和水平状态信息子集、小区2的状态信息子集和小区3的垂 直状态信息子集输入到小区2的参数配置模型中进行计算,以得到小区2的垂直期望指标预 期值子集a122v,其中,垂直期望指标预期值子集a122v大于垂直期望指标预期值子集a121v,重 复上述步骤,直至得到小区2的垂直期望指标预期值子集最大,该最大垂直期望指标预期值 子集对应的垂直参数子集为小区2的垂直维度第三参数子集a12v;
从预配置参数集合中为小区3获取一个垂直参数子集,将该垂直参数子集、小区3的水 平初始参数子集及小区2垂直维度的第三参数子集a12v、小区1和小区4的水平初始参数子 集和水平状态信息子集、小区2的垂直状态信息子集和小区3的状态信息子集输入到小区3 的参数配置模型中进行计算,以得到小区3的垂直期望指标预期值a131v;然后基于搜索算法 从预配置参数集合中为小区3获取另外一个垂直参数子集,将该垂直参数子集、小区3的水 平初始参数子集和小区2垂直维度的第三参数子集a12v,小区1和小区4的水平初始参数子 集和水平状态信息子集、小区2的垂直状态信息子集和小区3的状态信息子集输入到小区3 的参数配置模型中进行计算,以得到小区3的垂直期望指标预期值a132v,其中,垂直期望指 标预期值a142v大于垂直期望指标预期值a131v,重复上述步骤,直至得到小区3的垂直期望指 标预期值最大,该最大垂直期望指标预期值对应的垂直参数子集为小区3垂直维度的第三参 数子集a13v;至此完成针对小区2和小区3的第1次垂直维度的组内协商。
在垂直维度对小区2及小区3进行第2次组内协商具体包括:从预配置参数集合中为小 区2获取一个垂直参数子集,将该垂直参数子集、小区2的水平初始参数子集、小区3垂直 维度的第三参数子集a13v、小区1的水平初始参数子集和水平状态信息子集、小区2的状态 信息子集和小区3的垂直状态信息子集输入到小区2的参数配置模型中进行计算,以得到小 区2的垂直期望指标预期值子集a221v;然后基于搜索算法从预配置参数集合中为小区2获取 另外一个垂直参数子集,将该垂直参数子集、小区2的水平初始参数子集、小区3垂直维度 的第三参数子集a13v、小区1的水平初始参数子集和水平状态信息子集、小区2的状态信息 子集和小区3的垂直状态信息子集输入到小区2的参数配置模型中进行计算,以得到小区2 的垂直期望指标预期值子集a222v,其中,垂直期望指标预期值子集a222v大于垂直期望指标预 期值子集a221v,重复上述步骤,直至得到小区2的垂直期望指标预期值子集最大,该最大垂 直期望指标预期值子集对应的垂直参数子集为小区2的垂直维度第三参数子集a22v;
从预配置参数集合中为小区3获取一个垂直参数子集,将该垂直参数子集、小区3的水 平参数子集及小区2垂直维度的第三参数子集a21v、小区1和小区4的水平初始参数子集和 水平状态信息子集、小区2的垂直状态信息子集和小区3的状态信息子集输入到小区3的参 数配置模型中进行计算,以得到小区3的垂直期望指标预期值子集a231v;然后基于搜索算法 从预配置参数集合中为小区3获取另外一个垂直参数子集,将该垂直参数子集、小区3的水 平参数子集和小区2垂直维度的第三参数子集a22v,小区1和小区4的水平初始参数子集和 水平状态信息子集、小区2的垂直状态信息子集和小区3的状态信息子集输入到小区3的参 数配置模型中进行计算,以得到小区3的垂直期望指标预期值子集a232v,其中,垂直期望指 标预期值子集a232v大于垂直期望指标预期值子集a231v,重复上述步骤,直至得到小区3的垂 直期望指标预期值子集最大,该最大垂直期望指标预期值子集对应的垂直参数子集为小区3 垂直维度的第三参数子集a23v;至此完成针对小区2和小区3的第2次垂直维度的组内协商。
按照上述过程,可以完成针对小区2和小区3多次垂直维度组内协商。在完成对小区2 和小区3的多次垂直维度的组内协商后,将小区2和小区3在垂直维度均标记为协商小区。
在水平维度,将小区1及其水平相邻小区(小区2和小区3)划分为一组,对小区1及其相邻小区进行第1次组内协商具体包括:从预配置参数集合中为小区1获取一个水平参数子集,将该水平参数子集、小区1垂直维度的第三参数子集a21v、及小区2和小区3的水平 初始参数子集、小区4垂直维度的第三参数子集a24v及小区4的垂直状态信息子集、小区1 的状态信息子集、小区2和小区3的水平状态信息子集输入到小区1的参数配置模型中进行 计算,以得到小区1的水平期望指标预期值子集a111h;然后基于搜索算法从预配置参数中为小区1获取另外一个水平参数子集,将该水平参数子集、小区1垂直维度的第三参数子集a21v、 和小区2及小区3的水平初始参数子集,小区4垂直维度的第三参数子集a24v及小区4的垂 直状态信息子集、小区1的状态信息子集、小区2和小区3的水平状态信息子集输入到小区 1的参数配置模型中进行计算,以得到小区1的水平期望指标预期值子集a112h,其中,水平 期望指标预期值子集a112h大于水平期望指标预期值子集a111h,重复上述步骤,直至得到小区 1的水平期望指标预期值最大,该最大水平期望指标预期值子集对应的水平参数子集为小区1 水平维度的第三配置参数a11h;
从预配置参数中为小区2获取一个水平参数子集,将该水平参数子集、小区2垂直维度 的第三参数子集a22v及小区1水平维度的第三配置参数a11h、小区3垂直维度的第三参数子集 a23v及小区3的垂直状态信息子集、小区1的水平状态信息子集和小区2的状态信息子集输入 到小区2的参数配置模型中进行计算,以得到小区2的水平期望指标预期值子集a121h;然后 基于搜索算法从预配置参数中为小区2获取另外一个水平参数子集,将该水平参数子集、小 区2垂直维度的第三参数子集a22v和小区1水平维度的第三水平参数a11h,小区3垂直维度的 第三参数子集a23v及小区3的垂直状态信息子集、小区1的水平状态信息子集和小区2的状 态信息子集输入到小区2的参数配置模型中进行计算,以得到小区2的水平期望指标预期值 子集a122h,其中,水平期望指标预期值子集a122h大于水平期望指标预期值子集a121h,重复上 述步骤,直至得到小区2的水平期望指标预期值子集最大,该最大水平期望指标预期值子集 对应的水平参数子集为小区2水平维度的第三参数子集a12h;
从预配置参数中为小区3获取一个水平参数子集,将该水平参数子集、小区3垂直维度 的第三参数子集a23v、小区1水平维度的第三参数子集a11h、小区4的水平初始参数子集、小 区2垂直维度的第三参数子集a22v及小区2的垂直状态信息子集、小区1和小区4的水平状 态信息子集、小区3的状态信息子集输入到小区3的参数配置模型中进行计算,以得到小区 3的水平期望指标预期值子集a131h;然后基于搜索算法从预配置参数中为小区3获取另外一 个水平参数子集,将该水平参数子集、小区3垂直维度的第三参数子集a23v和小区1水平维 度的第三水平参数a11h,小区4的水平初始参数子集、小区2垂直维度的第三参数子集a22v及小区2的垂直状态信息子集、小区1和小区4的水平状态信息子集、小区3的状态信息子 集输入到小区3的参数配置模型中进行计算,以得到小区3的水平期望指标预期值子集a132h, 其中,水平期望指标预期值子集a132h大于水平期望指标预期值子集a131h,重复上述步骤,直 至得到小区3的水平期望指标预期值子集最大,该最大水平期望指标预期值子集对应的水平 参数子集为小区3水平维度的第三参数子集a13h;至此完成针对小区1、小区2和小区3在水 平维度的第1次组内协商。
对小区1、小区2和小区3在水平维度进行第2次组内协商,具体包括:
从预配置参数集合中为小区1获取一个水平参数子集,将该水平参数子集、小区1垂直 维度的第三参数子集a21v、及小区2水平维度的第三参数子集a12h和小区3水平维度的第三参 数子集a13h、小区4垂直维度的第三参数子集a24v及小区4的垂直状态信息子集、小区1的状 态信息子集、小区2和小区3的水平状态信息子集输入到小区1的参数配置模型中进行计算, 以得到小区1的水平期望指标预期值子集a211h;然后基于搜索算法从预配置参数中为小区1 获取另外一个水平参数子集,将该水平参数子集、小区1垂直维度的第三参数子集a21v、和 小区2水平维度的第三参数子集a12h和小区3水平维度的第三参数子集a13h,小区4垂直维度 的第三参数子集a24v及小区4的垂直状态信息子集、小区1的状态信息子集、小区2和小区3 的水平状态信息子集输入到小区1的参数配置模型中进行计算,以得到小区1的水平期望指 标预期值子集a212h,其中,水平期望指标预期值子集a212h大于水平期望指标预期值子集a211h, 重复上述步骤,直至得到小区1的水平期望指标预期值最大,该最大水平期望指标预期值子 集对应的水平参数子集为小区1水平维度的第三参数子集a21h;
从预配置参数集合中为小区2获取一个水平参数子集,将该水平参数子集、小区2垂直 维度的第三参数子集a22v及小区1水平维度的第三参数子集a21h、小区3垂直维度的第三参数 子集a23v及小区3的垂直状态信息子集、小区1的水平状态信息子集和小区2的状态信息子 集输入到小区2的参数配置模型中进行计算,以得到小区2的水平期望指标预期值子集a221h; 然后基于搜索算法从预配置参数集合中为小区2获取另外一个水平参数子集,将该水平参数 子集、小区2垂直维度的第三参数子集a22v和小区1水平维度的第三水平参数a21h,小区3 垂直维度的第三参数子集a23v及小区3的垂直状态信息子集、小区1的水平状态信息子集和 小区2的状态信息子集输入到小区2的参数配置模型中进行计算,以得到小区2的水平期望 指标预期值子集a222h,其中,水平期望指标预期值子集a222h大于水平期望指标预期值子集 a221h,重复上述步骤,直至得到小区2的水平期望指标预期值子集最大,该最大水平期望指 标预期值子集对应的水平参数子集为小区2水平维度的第三参数子集a22h;
从预配置参数集合中为小区3获取一个水平参数子集,将该水平参数子集、小区3垂直 维度的第三参数子集a23v及小区1水平维度的第三参数子集a21h、小区4的水平初始参数子集、 小区2垂直维度的第三参数子集a22v及小区2的垂直状态信息子集、小区1和小区4的水平 状态信息子集、小区3的状态信息子集输入到小区3的参数配置模型中进行计算,以得到小 区3的水平期望指标预期值子集a231h;然后基于搜索算法从预配置参数中为小区3获取另外 一个水平参数子集,将该水平参数子集、小区3垂直维度的第三参数子集a23v和小区1水平 维度的第三水平参数a21h,小区4的水平初始参数子集、小区2垂直维度的第三参数子集a22v及小区2的垂直状态信息子集、小区1和小区4的水平状态信息子集、小区3的状态信息子 集输入到小区3的参数配置模型中进行计算,以得到小区3的水平期望指标预期值子集a232h, 其中,水平期望指标预期值子集a232h大于水平期望指标预期值子集a231h,重复上述步骤,直 至得到小区3的水平期望指标预期值子集最大,该最大水平期望指标预期值子集对应的水平 参数子集为小区3水平维度的第三参数子集a23h;至此完成针对小区1、小区2和小区3在水 平维度的第2次组内协商。
按照上述过程,可以完成针对小区1、小区2和小区3的多次水平维度的组内协商。在 完成对小区1、小区2和小区3水平维度的组内协商后,将小区1、小区2和小区3在水平维度均标记为协商小区。
在水平维度,将小区3和小区4划分为一组,对小区4和小区3在水平维度进行第1次组内协商,具体包括:
从预配置参数集合中为小区4获取一个水平参数子集,将该水平参数子集、小区4垂直 维度的第三参数子集a24v、小区3水平维度的第三参数子集a23h、小区1垂直维度的第三参数 子集a21v及小区1的垂直状态信息子集、小区3的水平状态信息子集和小区4的状态信息子 集输入到小区4的参数配置模型中进行计算,以得到小区4的水平期望指标预期值子集a141h; 然后基于搜索算法从预配置参数集合中为小区4获取另外一个水平参数子集,将该水平参数 子集、小区4垂直维度的第三参数子集a24v、小区3水平维度的第三参数子集a23h、小区1垂 直维度的第三参数子集a21v及小区1的垂直状态信息子集、小区3的水平状态信息子集和小 区4的状态信息子集输入到小区4的参数配置模型中进行计算,以得到小区4的水平期望指 标预期值子集a142h,其中,水平期望指标预期值子集a142h大于水平期望指标预期值子集a141h, 重复上述步骤,直至得到小区4的水平期望指标预期值子集最大,该最大水平期望指标预期 值子集对应的水平参数子集为小区4水平维度的第三参数子集a14h;
从预配置参数集合中为小区3获取一个水平参数子集,将该水平参数子集、小区3垂直 维度的第三参数子集a23v及小区1水平维度的第三参数子集a21h、小区4水平维度的第三参数 子集a14h、小区2垂直维度的第三参数子集a22v及小区2的垂直状态信息子集、小区1和小区 4的水平状态信息子集、小区3的状态信息子集输入到小区3的参数配置模型中进行计算, 以得到小区3的水平期望指标预期值子集a’131h;然后基于搜索算法从预配置参数集合中为小 区3获取另外一个水平参数子集,将该水平参数子集、小区3垂直维度的第三参数子集a23v和小区1水平维度的第三水平参数a21h,小区4水平维度的第三参数子集a14h、小区2垂直维 度的第三参数子集a22v及小区2的垂直状态信息子集、小区1和小区4的水平状态信息子集、 小区3的状态信息子集输入到小区3的参数配置模型中进行计算,以得到小区3的水平期望 指标预期值子集a’132h,其中,水平期望指标预期值子集a’132h大于水平期望指标预期值子集a’131h,重复上述步骤,直至得到小区3的水平期望指标预期值子集最大,该最大水平期望指 标预期值子集对应的水平参数子集为小区3水平维度的第三参数子集a’13h;至此完成针对小 区3和小区4在水平维度的第1次组内协商。
对小区4和小区3在水平维度进行第2次组内协商,具体包括:
从预配置参数集合中为小区4获取一个水平参数子集,将该水平参数子集、小区4垂直 维度的第三参数子集a24v、小区3水平维度的第三参数子集a’13h、小区1垂直维度的第三参 数子集a21v及小区1的垂直状态信息子集、小区3的水平状态信息子集和小区4的状态信息 子集输入到小区4的参数配置模型中进行计算,以得到小区4的水平期望指标预期值子集 a241h;然后基于搜索算法从预配置参数集合中为小区4获取另外一个水平参数子集,将该水 平参数子集、小区4垂直维度的第三参数子集a24v、小区3水平维度的第三参数子集a’13h、 小区1垂直维度的第三参数子集a21v及小区1的垂直状态信息子集、小区3的水平状态信息 子集和小区4的状态信息子集输入到小区4的参数配置模型中进行计算,以得到小区4的水 平期望指标预期值子集a242h,其中,水平期望指标预期值子集a242h大于水平期望指标预期值 子集a241h,重复上述步骤,直至得到小区4的水平期望指标预期值子集最大,该最大水平期 望指标预期值子集对应的水平参数子集为小区4水平维度的第三参数子集a24h;
从预配置参数集合中为小区3获取一个水平参数子集,将该水平参数子集、小区3垂直 维度的第三参数子集a23v及小区1水平维度第三参数子集a21h、小区4水平维度的第三参数子 集a24h、小区2垂直维度的第三参数子集a22v及小区2的垂直状态信息子集、小区1和小区4 的水平状态信息子集、小区3的状态信息子集输入到小区3的参数配置模型中进行计算,以 得到小区3的水平期望指标预期值子集a’231h;然后基于搜索算法从预配置参数集合中为小区 3获取另外一个水平参数子集,将该水平参数子集、小区3垂直维度的第三参数子集a23v和小 区1水平维度的第三水平参数a21h,小区4水平维度的第三参数子集a24h、小区2垂直维度的 第三参数子集a22v及小区2的垂直状态信息子集、小区1和小区4的水平状态信息子集及小 区3的状态信息子集输入到小区3的参数配置模型中进行计算,以得到小区3的水平期望指 标预期值子集a’232h,其中,水平期望指标预期值子集a’232h大于水平期望指标预期值子集 a’231h,重复上述步骤,直至得到小区3的水平期望指标预期值子集最大,该最大水平期望指 标预期值子集对应的水平参数子集为小区3水平维度的第三参数子集a’23h;至此完成针对小 区3和小区4在水平维度的第2次组内协商。
按照上述过程,可以完成针对小区3和小区4的多次水平维度的组内协商。在完成对小 区3和小区4水平维度的组内协商后,将小区4在水平维度均标记为协商小区。
此时,小区1-4在水平维度和垂直维度均被标记为协商小区,至此完成对小区1-4一次 组间协商,可以按照上述方法,对上述小区1-4完成W次组间协商,但需要将初始参数子集 替换为上一次组间协商后各小区的第三参数子集。在进行W次组间协商后,得到的小区1-4 在水平维度的参数子集构成一个水平维度参考参数集合,得到的小区1-4在垂直维度的参数 子集构成一个垂直维度参考参数集合。水平维度性能指标预期值集合由将小区1-4中每个小 区的水平参数子集、水平状态信息子集、及与该小区水平相邻区域的水平参数子集和水平状 态信息子集、与该小区垂直相邻的区域的垂直参数子集和垂直状态信息子集输入到该小区的 参数配置模型中进行计算得到的水平性能指标预期值子集构成的,垂直维度性能指标预期值 集合由将小区1-4中每个小区的垂直参数子集、垂直状态信息子集、及与该小区水平相邻区 域的水平参数子集和水平状态信息子集、与该小区垂直相邻的区域的垂直参数子集和垂直状 态信息子集输入到该小区的参数配置模型中进行计算得到的垂直性能指标预期值子集构成 的。
按照上述描述的过程,进行T轮协商后,可得到T个参考参数集合和对应的T个性能指 标预期值集合。
在一个可行的实施例中,对于区域的参数配置模型来说,其输入数据不仅包括该区域及 其相邻小区的状态信息子集和参数子集,还包括该区域及其相邻区域的区域标识,可使得输 出的性能指标预期值子集更加准确,进而使得最终获取的区域的目标参数集合更加准确。
对于在相邻区域上不区分维度的情况,举例说明,如图23所示,以无线蜂窝网为例,假 设需要进行性能优化的小区有6个,分别为小区1、2、3、4、5和6。该6个小区的拓扑结构如图23中的a图所示,其中,两个小区之间的直线表示该两个小区互为邻区。获取6个小区的状态信息,并将6个小区标记为未协商小区;对6个小区的配置参数进行初始化,以得到6个小区的初始配置参数;
将小区1及其相邻小区(包括小区2和小区3)划分为一组,对小区1及其相邻小区进行第1次组内协商具体包括:从预配置参数中为小区1获取一组配置参数,将该组配置参数及小区2和小区3的初始配置参数、小区1、小区2和小区3的状态信息输入到小区1的参 数配置模型中进行计算,以得到小区1的期望指标预期值a111;然后基于搜索算法从预配置参 数中为小区1获取另外一组配置参数,将该组配置参数和小区2及小区3的初始配置参数, 小区1、小区2和小区3的状态信息输入到小区1的参数配置模型中进行计算,以得到小区1 的期望指标预期值a112,其中,期望指标预期值a112大于期望指标预期值a111,重复上述步骤,直至得到小区1的期望指标预期值最大,该最大期望指标预期值对应的配置参数为小区1的第三配置参数a11;
从预配置参数中为小区2获取一组配置参数,将该组配置参数及小区1的第三配置参数 a11、小区1和小区2的状态信息输入到小区2的参数配置模型中进行计算,以得到小区2的 期望指标预期值a121;然后基于搜索算法从预配置参数中为小区2获取另外一组配置参数, 将该组配置参数和小区1的第三配置参数a11,小区1和小区2的状态信息输入到小区2的参 数配置模型中进行计算,以得到小区2的期望指标预期值a122,其中,期望指标预期值a122大于期望指标预期值a121,重复上述步骤,直至得到小区2的期望指标预期值最大,该最大期望指标预期值对应的配置参数为小区2的第三配置参数a12;
从预配置参数中为小区3获取一组配置参数,将该组配置参数、小区1的第三配置参数 a11、小区4、小区5和小区6的初始配置参数、小区1、小区3、小区4、小区5和小区6的 状态信息输入到小区3的参数配置模型中进行计算,以得到小区3的期望指标预期值a131; 然后基于搜索算法从预配置参数中为小区3获取另外一组配置参数,将该组配置参数、小区 1的第三配置参数a11、小区4、小区5和小区6的初始配置参数、小区1、小区3、小区4、 小区5和小区6的状态信息输入到小区3的参数配置模型中进行计算,以得到小区3的期望 指标预期值a132,其中,期望指标预期值a132大于期望指标预期值a131,重复上述步骤,直至 得到小区3的期望指标预期值最大,该最大期望指标预期值对应的配置参数为小区3的第三 配置参数a13;至此完成针对小区1、小区2和小区3的第1次组内协商。
对小区1、小区2和小区3进行第2次组内协商,具体包括:
从预配置参数中为小区1获取一组配置参数,将该组配置参数及小区2的第三配置参数 a12和小区3的第三配置参数a13、小区1、小区2和小区3的状态信息输入到小区1的参数配 置模型中进行计算,以得到小区1的期望指标预期值a211;然后基于搜索算法从预配置参数 中为小区1获取另外一组配置参数,将该组配置参数和小区2的第三配置参数a12和小区3的 第三配置参数a13,小区1、小区2和小区3的状态信息输入到小区1的参数配置模型中进行计算,以得到小区1的期望指标预期值a212,其中,期望指标预期值a212大于期望指标预期值a211,重复上述步骤,直至得到小区1的期望指标预期值最大,该最大期望指标预期值对应的配置参数为小区1的第三配置参数a21;
从预配置参数中为小区2获取一组配置参数,将该组配置参数及小区1的第三配置参数 a21、小区1和小区2的状态信息输入到小区2的参数配置模型中进行计算,以得到小区2的 期望指标预期值a221;然后基于搜索算法从预配置参数中为小区2获取另外一组配置参数, 将该组配置参数和小区1的第三配置参数a21,小区1和小区2的状态信息输入到小区2的参 数配置模型中进行计算,以得到小区2的期望指标预期值a222,其中,期望指标预期值a222大于期望指标预期值a221,重复上述步骤,直至得到小区2的期望指标预期值最大,该最大期望指标预期值对应的配置参数为小区2的第三配置参数a22;
从预配置参数中为小区3获取一组配置参数,将该组配置参数、小区1的第三配置参数 a21、小区4、小区5和小区6的初始配置参数、小区1、小区3、小区4、小区5和小区6的 状态信息输入到小区3的参数配置模型中进行计算,以得到小区3的期望指标预期值a231; 然后基于搜索算法从预配置参数中为小区3获取另外一组配置参数,将该组配置参数、小区 1的第三配置参数a21、小区4、小区5和小区6的初始配置参数、小区1、小区3、小区4、 小区5和小区6的状态信息输入到小区3的参数配置模型中进行计算,以得到小区3的期望 指标预期值a232,其中,期望指标预期值a232大于期望指标预期值a231,重复上述步骤,直至 得到小区3的期望指标预期值最大,该最大期望指标预期值对应的配置参数为小区3的第三 配置参数a23;至此完成针对小区1、小区2和小区3的第2次组内协商。
按照上述过程,可以完成针对小区1、小区2和小区3的多次组内协商。在完成对小区1、 小区2和小区3的组内协商后,将小区1、小区2和小区3均标记为协商小区。
比如,若需要对小区1、小区2和小区3进行一次组内协商,在完成一次组内协商后,将小区1、小区2和小区3均标记为协商小区;若需要对小区1、小区2和小区3进行两次组 内协商,在完成两次组内协商后,将小区1、小区2和小区3均标记为协商小区;若需要对 小区1、小区2和小区3进行S次组内协商,在完成S次组内协商后,将小区1、小区2和小 区3均标记为协商小区。
可选地,对小区1、小区2和小区3进行组内协商的次数可以是预先设置的,也可以是 人为设定的。
将未协商小区4及其相邻小区(即小区3)划分为一组,对小区4及其相邻小区进行第1 次组内协商具体包括:从预配置参数中为小区4获取一组配置参数,将该组配置参数及小区 3的第三配置参数、小区4及小区3的状态信息输入到小区4的参数配置模型中进行计算, 以得到性能指标预期值a141,然后基于搜索算法从预配置参数中为小区4获取另外一组配置 参数,将该组配置参数和小区3的第三配置参数,小区3和小区4的状态信息输入到小区4 的参数配置模型中进行计算,以得到性能指标预期值a142,其中,期望指标预期值a142大于期 望指标预期值a141;重复上述步骤,直至得到小区4的期望指标预期值最大,该最大期望指 标预期值对应的配置参数为小区4的第三配置参数a1;
其中,在小区3和小区4进行第一次组内协商时,小区3的第三配置参数可以为在小区3所属的其他组完成一次或多次组内协商得到的第三配置参数;比如在小区3和小区4进行 组内协商之前,小区1、小区2和小区3已完成1次组内协商,上述小区3的第三配置参数为第三配置参数a13;比如在小区3和小区4进行组内协商之前,小区1、小区2和小区3已 完成2次组内协商,上述小区3的第三配置参数为第三配置参数a23;比如在小区3和小区4 进行组内协商之前,小区1、小区2和小区3已完成S次组内协商,上述小区3的第三配置 参数为第三配置参数aS3。
从预配置参数中为小区3获取一组配置参数,将该组配置参数、小区1的第三配置参数 a21、小区4的第三配置参数a14、小区5和小区6的初始配置参数、小区1、小区4、小区3、小区5和小区6的状态信息输入到小区3的参数配置模型中进行计算,以得到性能指标预期值a131’,然后基于搜索算法从预配置参数中为小区3获取另外一组配置参数,将该组配置参数、小区1的第三配置参数a21、小区4的第三配置参数a14,小区5和小区6的初始配置参 数、小区1、小区4、小区3、小区5和小区6的状态信息输入到小区3的参数配置模型中进 行计算,以得到性能指标预期值a132’,其中,期望指标预期值a132’大于期望指标预期值a131’; 重复上述步骤,直至得到小区3的期望指标预期值最大,该最大期望指标预期值对应的配置 参数为小区3的第三配置参数a13’;至此完成对小区3和小区4的第1次组内协商。
对小区3和小区4进行第2次组内协商,具体包括:
从预配置参数中为小区4获取一组配置参数,将该组配置参数及小区3的第三配置参数 a13’、小区4及小区3的状态信息输入到小区4的参数配置模型中进行计算,以得到性能指标 预期值a241,然后基于搜索算法从预配置参数中为小区4获取另外一组配置参数,将该组配 置参数和小区3的第三配置参数a13’,小区3和小区4的状态信息输入到小区4的参数配置 模型中进行计算,以得到性能指标预期值a242,其中,期望指标预期值a242大于期望指标预期 值a241;重复上述步骤,直至得到小区4的期望指标预期值最大,该最大期望指标预期值对 应的配置参数为小区4的第三配置参数a24;
从预配置参数中为小区3获取一组配置参数,将该组配置参数、小区1的第三配置参数 a21、小区4的第三配置参数a24、小区5和小区6的初始配置参数、小区1、小区4、小区3、小区5和小区6的状态信息输入到小区3的参数配置模型中进行计算,以得到性能指标预期值a231’,然后基于搜索算法从预配置参数中为小区3获取另外一组配置参数,将该组配置参数、小区1的第三配置参数a21、小区4的第三配置参数a24,小区5和小区6的初始配置参 数、小区1、小区4、小区3、小区5和小区6的状态信息输入到小区3的参数配置模型中进 行计算,以得到性能指标预期值a232’,其中,期望指标预期值a232’大于期望指标预期值a231’; 重复上述步骤,直至得到小区3的期望指标预期值最大,该最大期望指标预期值对应的配置 参数为小区3的第三配置参数a23’;至此完成对小区3和小区4的第2次组内协商。
按照上述步骤,可完成对小区3和小区4的多次组内协商。在完成对小区3和小区4的 组内协商后,将小区4标记为协商小区。
比如,若需要对小区3和小区4进行一次组内协商,在完成一次组内协商后,将小区4 标记为协商小区;若需要对小区3和小区4进行两次组内协商,在完成两次组内协商后,将小区4标记为协商小区;若需要对小区3和小区4进行S次组内协商,在完成S次组内协商 后,将小区4标记为协商小区。
可选地,对小区3和小区4进行组内协商的次数可以是预先设置的,也可以是人为设定 的。
将小区5及其相邻小区(包括小区6和小区3)划分为一组,对小区5及其相邻小区进行第1次组内协商具体包括:从预配置参数中为小区5获取一组配置参数,将该组配置参数及小区6的初始配置参数和小区3的第三配置参数、小区3、小区5和小区6的状态信息输 入到小区5的参数配置模型中进行计算,以得到小区5的期望指标预期值a151;然后基于搜 索算法从预配置参数中为小区5获取另外一组配置参数,将该组配置参数和小区6及小区3 的初始配置参数,小区3、小区5和小区6的状态信息输入到小区5的参数配置模型中进行 计算,以得到小区5的期望指标预期值a152,其中,期望指标预期值a152大于期望指标预期值a151,重复上述步骤,直至得到小区5的期望指标预期值最大,该最大期望指标预期值对应的配置参数为小区5的第三配置参数a15;
从预配置参数中为小区6获取一组配置参数,将该组配置参数及小区5的第三配置参数 a15和小区3的第三配置参数、小区3、小区5和小区6的状态信息输入到小区6的参数配置 模型中进行计算,以得到小区6的期望指标预期值a161;然后基于搜索算法从预配置参数中 为小区6获取另外一组配置参数,将该组配置参数及小区5的第三配置参数a15和小区3的第 三配置参数,小区3、小区5和小区6的状态信息输入到小区6的参数配置模型中进行计算, 以得到小区6的期望指标预期值a162,其中,期望指标预期值a162大于期望指标预期值a161, 重复上述步骤,直至得到小区6的期望指标预期值最大,该最大期望指标预期值对应的配置 参数为小区6的第三配置参数a16;
需要指出的是,在小区3、小区5和小区6进行第一次组内协商时,小区3的第三配置参数可以为在小区3所属的其他组完成一次或多次组内协商得到的第三配置参数;比如在小 区3、小区5和小区6进行组内协商之前,小区3和小区4已完成1次组内协商,上述小区3的第三配置参数为第三配置参数a13’;比如在小区3、小区5和小区6进行组内协商之前,小区3和小区4已完成2次组内协商,上述小区3的第三配置参数为第三配置参数a23’;比如 在小区3、小区5和小区6进行组内协商之前,小区3和小区4已完成S次组内协商,上述 小区3的第三配置参数为第三配置参数aS3’;
从预配置参数中为小区3获取一组配置参数,将该组配置参数、小区1的第三配置参数 a21、小区4的第三配置参数a24、小区5的第三配置参数a15和小区6的第三配置参数a16、小 区1、小区3、小区4、小区5和小区6的状态信息输入到小区3的参数配置模型中进行计算,以得到小区3的期望指标预期值a131”;然后基于搜索算法从预配置参数中为小区3获取另外一组配置参数,将该组配置参数、小区1的第三配置参数a21、小区4的第三配置参数a24、 小区5的第三配置参数a15和小区6的第三配置参数a16,小区1、小区3、小区4、小区5和 小区6的状态信息输入到小区3的参数配置模型中进行计算,以得到小区3的期望指标预期 值a132”,其中,期望指标预期值a132”大于期望指标预期值a131”,重复上述步骤,直至得到 小区3的期望指标预期值最大,该最大期望指标预期值对应的配置参数为小区3的第三配置 参数a13”;至此完成针对小区3、小区5和小区6的第1次组内协商。
对小区3、小区5和小区6进行第2次组内协商,具体包括:
从预配置参数中为小区5获取一组配置参数,将该组配置参数及小区6的第三配置参数 a16和小区3的第三配置参数a13”、小区3、小区5和小区6的状态信息输入到小区5的参数 配置模型中进行计算,以得到小区5的期望指标预期值a251;然后基于搜索算法从预配置参 数中为小区5获取另外一组配置参数,将该组配置参数和小区6的第三配置参数a16和小区3 的第三配置参数a13”,小区3、小区5和小区6的状态信息输入到小区5的参数配置模型中进行计算,以得到小区5的期望指标预期值a252,其中,期望指标预期值a252大于期望指标预期值a251,重复上述步骤,直至得到小区5的期望指标预期值最大,该最大期望指标预期值对应的配置参数为小区5的第三配置参数a25;
从预配置参数中为小区6获取一组配置参数,将该组配置参数及小区3的第三配置参数 a31”和小区5的第三配置参数a25、小区3、小区5和小区6的状态信息输入到小区6的参数 配置模型中进行计算,以得到小区6的期望指标预期值a261;然后基于搜索算法从预配置参 数中为小区6获取另外一组配置参数,将该组配置参数和小区3的第三配置参数a31”和小区 5的第三配置参数a25,小区3、小区5和小区6的状态信息输入到小区6的参数配置模型中进行计算,以得到小区6的期望指标预期值a262,其中,期望指标预期值a262大于期望指标预期值a261,重复上述步骤,直至得到小区6的期望指标预期值最大,该最大期望指标预期值对应的配置参数为小区6的第三配置参数a26;
从预配置参数中为小区3获取一组配置参数,将该组配置参数、小区1的第三配置参数 a21、小区4的第三配置参数a24、小区5的第三配置参数a25和小区6的第三配置参数a26、小 区1、小区3、小区4、小区5和小区6的状态信息输入到小区3的参数配置模型中进行计算,以得到小区3的期望指标预期值a231”;然后基于搜索算法从预配置参数中为小区3获取另外一组配置参数,将该组配置参数、小区1的第三配置参数a21、小区4的第三配置参数a24、 小区5的第三配置参数a25和小区6的第三配置参数a26,小区1、小区3、小区4、小区5和 小区6的状态信息输入到小区3的参数配置模型中进行计算,以得到小区3的期望指标预期 值a232”,其中,期望指标预期值a232”大于期望指标预期值a231”,重复上述步骤,直至得到 小区3的期望指标预期值最大,该最大期望指标预期值对应的配置参数为小区3的第三配置 参数a23”;至此完成针对小区3、小区5和小区6的第2次组内协商。在完成小区3、小区5 和小区6的组内协商后,将小区5和小区6均标记为协商小区。
按照以上所述过程,可以完成针对小区3、小区5和小区6的多次组内协商。在完成对 小区3、小区5和小区6的组内协商后,将小区5和小区6均标记为协商小区。
比如,若需要对小区3、小区5和小区6进行一次组内协商,在完成一次组内协商后,将小区5和小区6均标记为协商小区;若需要对小区3、小区5和小区6进行两次组内协商, 在完成两次组内协商后,将小区5和小区6均标记为协商小区;若需要对小区3、小区5和 小区6进行S次组内协商,在完成S次组内协商后,将小区5和小区6均标记为协商小区。
可选地,对小区3、小区5和小区6进行组内协商的次数可以是预先设置的,也可以是 人为设定的。
在此需要说明的是,对于一组小区进行多次组内协商时,每次组内协商时确定小区的第 三配置参数的先后顺序可以不相同,也可以相同。比如一组内包括小区1、小区2和小区3, 在进行第一次组内协商时,先确定小区1的第三配置参数、再确定小区2的第三配置参数, 最后确定小区3的第三配置参数;在进行第二次组内协商时,可以先确定小区2的第三配置 参数,再确定小区1的第三配置参数,最后确定小区3的第三配置参数。
至此小区1-6均为协商小区,针对小区1-6完成第一次组间协商。小区1和小区2的第 二配置参数分别为在完成对小区1、小区2和小区3的组内协商后小区1和小区2的第三配置参数,小区3、小区5和小区6的第二配置参数分别为在完成对小区3、小区5和小区6的 组内协商后小区3、小区5和小区6的第三配置参数,小区4的第二配置参数为在完成对小 区3和小区4的组内协商后小区4的第三配置参数。
若需要进行第二次组间协商,将上述方法中的初始配置参数替换为第一次组间协商后各 小区的第二配置参数,按照以上所述方法,可以完成针对小区1-小区6的第二次组间协商, 得到小区1-小区6的第二次组间协商后的第二配置参数;
按照上述方法重复上述步骤,可以完成对小区1-小区6的W次组间协商,得到小区1- 小区6的W次组间协商后的第二配置参数。
若对于每轮协商只进行1次组间协商,则小区1-小区6的参考配置参数为小区1-小区6 第一次组间协商后的第二配置参数;若对于每轮协商只进行2次组间协商,则小区1-小区6 的参考配置参数为小区1-小区6第2次组间协商后的第二配置参数;若对于每轮协商只进行 W次组间协商,则小区1-小区6的参考配置参数为小区1-小区6第W次组间协商后的第二 配置参数。
此时,一轮协商后参考配置参数集合中的元素包括一轮协商后小区1-小区6参考配置参 数,性能指标预期值集合中的元素包括将小区1-小区6中每个小区及其相邻小区的参考配置 参数和状态信息输入到该小区的参数配置模型中进行计算得到的性能指标预期值。
按照上述方法进T多轮协商,并得到T个参考配置参数集合和T个性能指标预期值集合。
可选地,基于搜索算法从预配置参数中获得的第三配置参数aqj,使得区域j的性能指标 预期值及其相邻区域的性能指标预期值加权之和最大;同理,基于搜索算法从预配置参数中 获取第三配置参数aqn,使得区域n的性能指标预期值及其相邻区域的性能指标预期值加权之 和最大。具体过程可参见上述相关描述,在此不再叙述。
可选地,上述搜索算法可以为穷举搜索算法、坐标上升搜索算法、梯度上升算法或者其 他搜索算法。
在一个可行的实施例中,对于区域的参数配置模型来说,其输入数据不仅包括该区域及 其相邻区域的状态信息和参数配置信息,还包括该区域及其相邻区域的区域标识,可使得输 出的性能指标预期值更加准确,进而使得最终获取的区域的参考配置参数更加准确。
S403、向覆盖N个区域的网络设备发送配置指令,以指示网络设备按照配置指令携带的 N个区域中每个区域的目标参数集合进行参数配置;其中,每个区域的目标参数集合是根据 每个区域的D个维度目标参数子集得到的。
由于在对参数进行维度划分时,划分的D个维度的参数集合中,可能具有相同的参数, 因此在D个维度的目标参数子集中,相同的参数具有多个值,将最新得到的值确定为参数的 最终值,即目标参数集合中参数的值都为最新值。
在获取N个区域的目标配置参数后,向覆盖该N个区域的网络设备发送携带目标配置参 数的配置指令,网络设备按照配置指令携带的目标配置参数对N个区域的参数进行配置。
需要指出的是,对于上述N个区域的参数,可以按照预设时段进行周期性,预设时段可 以为3个小时、4个小时、6个小时、8个小时、12个小时、24小时、一个月、3个月或者 其他周期性时间段进行配置。对于业务波动较大的区域,预设时段可以设置相对短些。
图24展示了本发明方案在现网测试的验证效果。优化的目标为用户的平均下行速率,优 化的配置参数包括影响垂直维度负载均衡的两个参数,和影响水平维度小区间切换的两个参 数。测试区域分为两组,一组为对照组,另一组为优化组。可以看到,在优化开始前,优化 区域的平均用户下行速率与对照组基本持平;经过模型推荐和优化后,优化区域的用户下行 速率明显高于对照组,表明优化算法对无线空口的性能有明显的提升。
下表2给出了对照组和优化组性能的变化数据。
数据 | 对照组 | 优化组 |
日期为0327-0402的用户平均下行速率 | 7403.5081 | 7375.2831 |
日期为0417-0423的用户平均下行速率 | 6770.7141 | 7436.39053 |
变化率(%) | -8.5472 | 0.828543 |
表2
可以看到,对比优化后和优化前,对照组在维持现网配置的情况下性能恶化了约8.55%, 而优化区域的性能反而提升了0.83%,说明该技术方案对于无线网络的性能优化具有明显效 果。
可以看出,在本申请实施例的方案中,针对无线网络中,相邻区域之间参数配置对彼此 的性能有复杂影响的问题,提出了基于多智能体通信机制对小区间复杂影响进行建模的方法, 采用邻区编码模型对邻区状态信息和参数配置信息进行有效地抽象和聚合,使得性能预测模 型的输出结果可以准确地表征邻区状态信息和配置参数对区域性能的影响;
在构建参数配置模型的过程中,将区域间的影响拆分为D个维度,如垂直和水平两种不 同影响、或同频和异频邻区间的影响,并对不同维度建立不同模型,使对不同维度上的影响 建模更精确;将不同维度的邻区信息作为多个模型的共享输入,从而在进行参数配置时考虑 到不同维度间的相互影响。在对区域参数配置进行推荐的过程中,采用层次化协商的机制, 使所有区域可以有效地进行协商,协调各自的参数配置,从而达到优化网络的总体增益的目 的。
参见图25,图25为本发明实施例提供的一种参数配置模型训练方法的流程示意图。如 图25所示,该方法包括:
S2501、获取网络设备的运行状态信息。
其中,运行状态信息包括网络设备覆盖的N个区域的状态信息集合、参数集合和第一性 能指标预期值集合,其中,状态信息集合包括N个区域中每个区域的D个维度的状态信息子 集,参数集合包括N个区域中每个区域的D个维度的参数子集,第一性能指标预期值集合包 括N个区域中每个区域的D个维度的第一性能指标预期值子集
S2502、根据N个区域中任一区域V的D个维度的状态信息子集、D个维度的参数子集及与区域V在D个维度分别相邻的区域的D个维度的状态信息子集和D个维度的参数子集 输入到区域V的初始配置模型中进行计算,以得到第二性能指标预期值子集。
S2503、根据第一性能指标预期值子集和第二性能指标预期值子集调整初始配置模型中的 参数,以得到区域V的参数配置模型。
在一个可行的实施例中,由于区域的状态信息集合中存在大量与优化指标无关的冗余信 息,因此在使用区域的状态信息集合之前,对每个区域的状态信息集合中状态信息进行筛选, 以得到筛选后区域的状态信息集合。
具体地,计算区域的状态信息集合中每一类的状态信息与优化性能指标之间的相关值, 该相关值用于表征状态信息与优化性能指标之间的相关程度;则将小于第一阈值的相关值对 应类的状态信息从区域中状态信息集合中删除,以得到筛选后区域的状态信息集合;或者,
计算区域的状态信息集合中每一类的状态信息的发散值,该发散值用于表征区域状态信 息集合中每一类的状态信息的发散性;将小于第二阈值的发散值对应类的状态信息从区域中 状态信息集合中删除,以得到筛选后区域的状态信息集合;或者,
计算区域的状态信息集合中每一类的状态信息的发散值,及该类状态信息与优化性能指 标之间的相关性;然后每一类的相关值及发散值计算该类状态信息的评分;根据该评分与评 分阈值之间的大小关系确定是否将该评分对应的类状态信息从区域的状态信息集合中删除, 以得到筛选后区域的状态信息集合,其中,每一类的状态信息的发散值是指该类的状态信息 归一化后的方差。
在此需要说明的是,上述三种筛选区域的状态信息的方式只是示例,不是对本申请的限 定,当然还可以采用其他方式对区域的状态信息进行筛选。
可选地,在另一个可行的实施例中,在获取N个区域的状态信息集合、参数集合和优化 性能指标集合后,基于N个区域的状态信息集合、参数集合和优化性能指标集合对初始共享 模型进行训练,以得到共享参数配置模型,N个区域中每个区域的参数配置模型均为该共享 参数配置模型,即N个区域的参数配置模型是相同的。
可选地,在另一个可行的实施例中,在获取N个区域的状态信息集合、参数集合和优化 性能指标集合后,基于N个区域的状态信息集合、参数集合和优化性能指标集合对初始共享 模型进行训练,以得到共享参数配置模型;再分别基于N个区域中任一区域V及其相邻区域 的状态信息集合、参数集合和优化性能指标集合对共享参数配置模型中的参数进行调整,以 得到区域V的参数配置模型。
其中,区域V的参数配置模型包括性能预测模型和邻区信息编码模型,
其中,区域V的邻区信息编码模型的输入数据包括与区域V的相邻区域的水平状态信息 集合和参数集合,或者区域V及与其相邻区域的状态信息集合和参数集合,区域V的邻区信 息编码模型的输出数据为编码结果;区域V的性能预测模型的输入数据包括区域V的邻区信 息编码模型输出的编码结果和区域V的状态信息集合和参数集合,区域V的性能预测模型的 输出数据为区域V的性能指标预期值集合,如图5所示。
在此需要说明的是,区域V的参数配置模型的具体描述可参见图6-图21所示实施例的 相关描述,在此不再叙述。
在此需要说明的是,当本申请的方法应用于无线蜂窝网络,或者上述网络为无线蜂窝网 络时,上述网络设备为无线基站,上述区域为基站覆盖的小区;当本申请的方法应用于WiFi 网络,或者上述网络为WiFi网络时,上述网络设备为WiFi设备,上述区域为WiFi设备覆盖 的区域。
在一个可行的实施例中,若上述区域为WiFi设备覆盖的区域,且区域V被D个频段的 信号覆盖,D个维度与D个频段一一对应。
可选地,上述邻区信息编码模型可以是基于长短期记忆(long short termmemory,LSTM) 网络得到的,也可以是基于Transformer网络得到的,还可以是基于Deepset网络得到的。
其中,在邻区信息编码模型是基于LSTM网络得到时,将多个邻区的状态信息和参数配 置信息作为一个输入序列,其中每个邻区的状态信息和参数配置信息作为输入序列的一个时 间步;将多个时间步输入到LSTM网络中后,输出多步隐含状态信息,对该多步隐含状态信 息进行聚合,得到的聚合结果,该聚合结果为邻区信息编码模型输出的编码结果;
在邻区信息编码模型是基于Transformer网络得到的时,将多个邻区的状态信息和参数配 置信息为Transformer网络的输入序列,经过单层或多层多头自注意力(multi-head self-
attention)和全连接网络的处理,得到的结果为该邻区信息编码模型输出的编码结果。
可选地,上述性能预测模型可以基于神经网络得到的,还可以是根据基于核岭回归(kernel ridge regression)方法得到的,还可以是基于高斯过程回归(gaussianprocess regression)方法 得到的。
在此需要说明的是,对于上述邻区信息编码模型,主要是将输入区域数量不同的状态信 息集合或子集,或者参数集合或子集进行处理,得到状态信息长度一致的集合/子集,或者参 数长度一致的集合或子集,以方便后续性能预测模型可使用不同区域数量的状态信息和参数, 进而提高得到的目标参数的准确性。
比如对于邻区信息编码模型输入的3个区域的状态信息子集,该3个区域中每个区域中 包括2个状态信息的取值,将3个区域中的状态信息子集中,每个状态信息的取值进行相加 后再求平均操作,或者加权求平均操作,或者其他操作,得到该状态信息的最终取值。按照 这种方式,对于3个区域中的状态信息子集,邻区信息编码模型的输出数据为包含2个状态 信息的最终区域的集合。
再比如,对于邻区信息编码模型输入的3个区域的状态信息子集,该3个区域中每个区 域中包括2个状态信息的取值,对3个中的任一个区域中的2个状态信息的取值进行线性转 换,得到长度为2的向量;对3个区域中每个区域的2个状态信息进行线性转换后,可得到 3*2的矩阵,取该矩阵中每列最大值,组成一个长度为2的向量,作为对于3个区域的状态信息子集,邻区信息编码模型的输出数据。
同理,对区域的参数子集/集合也可按照上述方法进行处理。
需要指出的是,上述两种方法只是对邻区信息编码模型的功能进行说明,不是对邻区信 息编码模型的功能的限定。
在此需要说明的是,本实施例所述的性能预测模型和邻区信息编码模型的描述具体可参 见图5-图21所示实施例的相关描述,在此不再叙述。
参见图26,图26为本发明实施例提供的一种参数配置装置的结构示意图。如图26所示, 该参数配置装置2600包括:
获取模块2601,用于获取网络设备的运行状态信息,运行状态信息包括网络设备覆盖的 N个区域的中每个区域的状态信息集合,状态信息集合包括D个维度状态信息子集,N和D 均为大于0的整数;
协商模块2602,用于根据N个区域中每个区域的D个维度状态信息子集进行协商,以 得到N个区域中每个区域的D个维度目标参数子集;
发送模块2603,用于向覆盖N个区域的网络设备发送配置指令,以指示网络设备按照配 置指令携带的N个区域中每个区域的目标参数集合进行参数配置;其中,每个区域的目标参 数集合是根据每个区域的D个维度目标参数子集得到的。
在次需要说明的是,D个维度可以为本区域维度、水平维度和垂直维度中的至少一个。
在一个可行的实施例中,协商模块2602具体用于:
根据N个区域中每个区域的D个维度状态信息子集进行T轮协商,以得到T个的参考参数集合和T个性能指标预期值集合;其中,T个参考参数集合与T个性能指标预期值集合一一对应,T个参考参数集合包括N个区域中每个区域的D个维度的参考参数子集,T个性 能指标预期值集合包括N个区域中每个区域的D个维度的性能指标预期值子集,T为大于0 的整数;
根据T个性能指标预期集合从T个参考参数集合中确定目标参数集合,目标参数集合包 括N个区域中每个区域的D个维度的目标参数子集。
在一个可行的实施例中,N个区域的运行状态信息包括N个区域在D个维度上的邻区 信息,在根据N个区域中每个区域的D个维度状态信息子集进行T轮协商,以得到T个的参考参数集合和T个性能指标预期值集合的方面,协商模块2602具体用于:
在进行第k轮协商时,对N个区域中每个区域的参数集合进行初始化,以得到每个区域 的初始参数集合;每个区域的初始参数集合包括该区域的D个维度的参数子集;
根据N个区域在D个维度上的邻区信息获取N个区域中每个区域在D个维度中的每个 维度上的相邻的区域;其中,k=1,2,…,T;
根据N个区域中每个区域及其在D个维度相邻的区域的D个维度的状态信息子集和D 个维度的初始参数子集进行W次组间协商,以得到T个参考参数集合中的第k个和T个性能指标预期值集合中的第k个,W为大于0的整数。
在一个可行的实施例中,在根据N个区域中每个区域及其在D个维度相邻的区域的D 个维度的状态信息子集和D个维度的初始参数子集进行W次组间协商,以得到T个参考参数集合中的第k个和T个性能指标预期值集合中的第k个的方面,协商模块2602具体用于:
S1:在进行第g次组间协商时,将N个区域中的每个区域在D个维度上均标记为未协商 区域;g=1,2,…,W;
S2:从未协商的区域中,选取在任一维度A上被标记为未协商区域的区域j,根据区域j 的维度A的状态信息子集及维度A的第一参数子集、与区域j的维度A相邻区域的维度A的状态信息子集和维度A的第一参数子集进行S次组内协商,以得到区域j及与其维度A相邻区域的维度A的第二参数子集,并将区域j在维度A上标记为协商区域,将在与区域j的 维度A相邻区域中在维度A上被标记为未协商区域的区域在维度A上标记为协商区域;其 中,维度A为D个维度中的任一个,当g等于1时,区域j的维度A的第一参数子集为区域 j的维度A的初始参数子集,在与区域j维度A相邻的区域中,未协商区域的维度A的第一 参数子集为该区域的维度A的初始参数子集,协商区域的维度A的第一参数子集是根据该协 商区域的维度A的初始参数子集得到的;当g大于1时,区域j的维度A的第一参数子集为 在进行第g-1次组间协商后区域j的维度A的第二参数子集,与区域j维度A相邻的区域中, 未协商区域的维度A的第一参数子集为该区域的维度A的第二参数子集,协商区域的第一参 数子集是根据该区域在进行第g-1次组间协商后得到的第二参数子集得到的;
S3:重复执行步骤S2,直至N个区域中的每个区域在D个维度上均被标记为协商区域;
其中,T个的参考参数集合中的第k个包括区域j的在D个维度中每个维度上的参考参 数子集,T个性能指标预期值集合中的第k个包括根据区域j及与其在D个维度相邻区域的 D个维度的参考参数子集及区域j及与其在D个维度相邻区域的D个维度的状态信息子集得 到的D个维度的性能指标预期值子集;区域j及与其维度A相邻区域的维度A的参考参数子 集分别为在进行第W次后组间协商后区域j及与其维度A相邻区域的维度A的第二参数子集。
可选地,若维度A的参数子集与D个维度中其他维度的参数子集存在交集,则当g=1时, 维度A未协商区域的维度A的第一参数子集中参数P的值为维度B第二参数子集中参数P 的值,维度A第一参数子集中除了参数P之外的参数的值为其维度A的初始参数子集中的值, 维度B为在维度A之前已协商的维度,参数P为维度A参数子集与维度B参数子集的交集中任一参数。
在一个可行的实施例中,在根据区域j的维度A的状态信息子集及维度A的第一参数子 集、与区域j的维度A相邻区域的维度A的状态信息子集和维度A的第一参数子集进行S次 组内协商,以得到区域j及与其维度A相邻区域的维度A的第二参数子集的方面,协商模块 2602具体用于:
在进行第q次组内协商,基于搜索算法从预配置参数集合中获取维度A的第三参数子集 aAqj,使得区域j的预设性能指标预期值最大,区域j的预设性能指标预期值是根据区域j的 维度A的性能指标预期值子集得到的,区域j的维度A的性能指标预期值子集是将区域j的 维度A的状态信息子集及维度A的第三参数子集aAqj和与区域j维度A相邻区域的维度A的 状态信息子集和维度A的第三参数子集和区域j的参数配置模型得到的;
基于搜索算法从预配置参数集合中获取维度A的第三配置参数aAqn,使得区域n的预设 性能指标预期值最大,区域n的预设性能指标预期值是根据区域n的维度A的性能指标预期 值得到的,区域n的维度A的性能指标预期值是根据区域n的维度A的状态信息子集及维度 A的第三参数子集aAqn、与区域n的维度A的相邻区域的维度A的状态信息子集及维度A的 第三参数子集和区域n的参数配置模型得到的,区域n为区域j的维度A的相邻区域中的任 一个;与区域n维度A相邻区域的维度A的第三参数子集包括区域j的维度A的第三参数子集aAqj;
当q=1时,区域n的维度A的第三参数子集aA(q-1)n为区域n的维度A的第一参数子集; 当q=S时,区域j的维度A的第二参数子集为区域j的维度A的第三参数子集aAqj,区域n的维度A的第二参数子集为区域n的维度A的第三参数子集aAqn。
可选地,区域V的预设性能指标预期值为:
根据区域V的维度A的性能指标预期值子集得到的,或者;根据区域V的维度A的性能指标预期值子集与区域V在维度A上相邻区域的维度A的性能指标预期值子集得到的, 或者;根据区域V的D个维度的性能指标预期值子集得到的,或者;根据区域V的D个维 度的性能指标预期值子集与区域V的相邻区域的D个维度的性能指标预期值子集得到的。
在一个可行的实施例中,在根据T个性能指标预期集合从T个参考参数集合中确定目标 参数集合的方面,协商模块2602具体用于:
根据T个性能指标预期值集合分别计算T个参考参数集合中每个参考参数集合的性能 值,每个参考参数集合的性能值为该参考参数集合对应的性能指标预期值集合中D个维度的 性能指标预期值子集之和或者加权之和;
将T个参考参数集合中选取性能值最大的参考参数集合确定为目标参数集合。
在此需要说明的是,本实施例所述的性能预测模型和邻区信息编码模型的描述具体可参 见图5-图21所示实施例的相关描述,在此不再叙述。
在一个可行的实施例中,获取模块2601还用于:
在根据N个区域中每个区域的D个维度状态信息子集行协商,以得到N个区域中每个 区域的D个维度目标参数子集之前,
从训练设备中获取N个区域中每个区域的参数配置模型。
在一个可行的实施例中当网络为无线蜂窝网络时,网络设备为基站,区域为基站覆的小 区。
在一个可行的实施例中当网络为WIFI网络时,网络设备为WiFi设备,区域为WiFi设 备覆盖的区域。
在一个可行的实施例中区域V被D个频段的信号覆盖,D个维度与D个频段一一对应。
需要说明的是,上述各模块(获取模块2601、协商模块2602和发送模块2603)用于执 行上述方法的相关步骤。比如,获取模块2601用于执行步骤S401的相关内容,协商模块2602 用于执行步骤S402的相关内容,发送模块2603用于执行步骤S403的相关内容。
在本实施例中,参数配置装置2600是以模块的形式来呈现。这里的“模块”可以指特定应 用集成电路(application-specific integrated circuit,ASIC),执行一个或多个软件或固件程序的 处理器和存储器,集成逻辑电路,和/或其他可以提供上述功能的器件。此外,以上获取模块 2601和协商模块2602可通过图28所示的参数配置装置的处理器2801来实现。
参见图27,图21为本发明实施例提供的一种训练装置的结构示意图。如图27所示,该 训练装置2700包括:
获取模块2701,用于获取网络设备的运行状态信息,运行状态信息包括网络设备覆盖的 N个区域的状态信息集合、参数集合和第一性能指标预期值集合,其中,状态信息集合包括 N个区域中每个区域的D个维度的状态信息子集,参数集合包括N个区域中每个区域的D个 维度的参数子集,第一性能指标预期值集合包括N个区域中每个区域的D个维度的第一性能 指标预期值子集;
计算模块2702,用于根据N个区域中任一区域V的D个维度的状态信息子集、D个维度的参数子集及与区域V在D个维度分别相邻的区域的D个维度的状态信息子集和D个维 度的参数子集输入到区域V的初始配置模型中进行计算,以得到第二性能指标预期值子集;
调整模块2703,用于
根据第一性能指标预期值子集和第二性能指标预期值子集调整初始配置模型中的参数, 以得到区域V的参数配置模型;其中,区域V的参数配置模型包括邻区信息编码模型和D 个维度的性能预测模型。
在此需要说明的是,本实施例所述的性能预测模型和邻区信息编码模型的描述具体可参 见图5-图21所示实施例的相关描述,在此不再叙述。
在一个可行的实施例中当网络为无线蜂窝网络时,网络设备为基站,区域为基站覆的小 区。
在一个可行的实施例中当网络为WIFI网络时,网络设备为WiFi设备,区域为WiFi设 备覆盖的区域。
在一个可行的实施例中区域V被D个频段的信号覆盖,D个维度与D个频段一一对应。
需要说明的是,上述各模块(获取模块2701、计算模块2702和调整模块2703)用于执 行上述方法的相关步骤。比如,获取模块2701用于执行步骤S2501的相关内容,计算模块2702用于执行步骤S2502的相关内容,调整模块2703用于执行步骤S2503的相关内容。
在本实施例中,训练装置2700是以模块的形式来呈现。这里的“模块”可以指特定应用集 成电路(application-specific integrated circuit,ASIC),执行一个或多个软件或固件程序的处理 器和存储器,集成逻辑电路,和/或其他可以提供上述功能的器件。此外,以上获取模块2701、 计算模块2702和调整模块2703可通过图29所示的训练装置的处理器2901来实现。
如图28所示参数配置装置2800可以以图28中的结构来实现,该参数配置装置2800包 括至少一个处理器2801,至少一个存储器2802以及至少一个通信接口2803。所述处理器2801、 所述存储器2802和所述通信接口2803通过所述通信总线连接并完成相互间的通信。
处理器2801可以是通用中央处理器(CPU),微处理器,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制以上方案程序执行的集 成电路。
通信接口2803,用于与其他设备或通信网络通信,如以太网,无线接入网(RAN),无线局域网(Wireless Local Area Networks,WLAN)等。
存储器2802可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的 其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息 和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory, CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝 光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结 构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是 独立存在,通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中,所述存储器2802用于存储执行以上方案的应用程序代码,并由处理器2801来控 制执行。所述处理器2801用于执行所述存储器2802中存储的应用程序代码。
存储器2802存储的代码可执行以上提供的网络参数配置方法,比如:获取网络设备的运 行状态信息,运行状态信息包括网络设备覆盖的N个区域的中每个区域的状态信息集合,状 态信息集合包括D个维度状态信息子集,N和D均为大于0的整数;根据N个区域中每个 区域的D个维度状态信息子集进行协商,以得到N个区域中每个区域的D个维度目标参数子集;向覆盖N个区域的网络设备发送配置指令,以指示网络设备按照配置指令携带的N个区域中每个区域的目标参数集合进行参数配置;其中,每个区域的目标参数集合是根据每个 区域的D个维度目标参数子集得到的。
如图29所示训练装置2900可以以图29中的结构来实现,该训练装置2900包括至少一 个处理器2901,至少一个存储器2902以及至少一个通信接口2903。所述处理器2901、所述 存储器2902和所述通信接口2903通过所述通信总线连接并完成相互间的通信。
处理器2901可以是通用中央处理器(CPU),微处理器,特定应用集成电路(application-specific integrated circuit,ASIC),或一个或多个用于控制以上方案程序执行的集 成电路。
通信接口2903,用于与其他设备或通信网络通信,如以太网,无线接入网(RAN),无线局域网(Wireless Local Area Networks,WLAN)等。
存储器2902可以是只读存储器(read-only memory,ROM)或可存储静态信息和指令的 其他类型的静态存储设备,随机存取存储器(random access memory,RAM)或者可存储信息 和指令的其他类型的动态存储设备,也可以是电可擦可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory, CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝 光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结 构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。存储器可以是 独立存在,通过总线与处理器相连接。存储器也可以和处理器集成在一起。
其中,所述存储器2902用于存储执行以上方案的应用程序代码,并由处理器2901来控 制执行。所述处理器2901用于执行所述存储器2902中存储的应用程序代码。
存储器2902存储的代码可执行以上提供的参数配置模型训练方法,比如:
获取网络设备的运行状态信息,运行状态信息包括网络设备覆盖的N个区域的状态信息 集合、参数集合和第一性能指标预期值集合,其中,状态信息集合包括N个区域中每个区域 的D个维度的状态信息子集,参数集合包括N个区域中每个区域的D个维度的参数子集, 第一性能指标预期值集合包括N个区域中每个区域的D个维度的第一性能指标预期值子集, 根据N个区域中任一区域V的D个维度的状态信息子集、D个维度的参数子集及与区域V 在D个维度分别相邻的区域的D个维度的状态信息子集和D个维度的参数子集输入到区域V 的初始配置模型中进行计算,以得到第二性能指标预期值子集;根据第一性能指标预期值子 集和第二性能指标预期值子集调整初始配置模型中的参数,以得到区域V的参数配置模型; 其中,区域V的参数配置模型包括邻区信息编码模型和D个维度的性能预测模型。
在一个可行的实施例中,图26和图28所示的参数配置装置可以看成图1a和图1b中的 网络控制中心,或者图1a和图1b中的网络控制中心包括图26或图28所示的参数配置装置; 可选地,图26和图28所示的参数配置装置可以包括图27或图29所示的训练装置。
本发明实施例还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该 程序执行时包括上述方法实施例中记载的任何一种网络参数配置方法或者参数配置模型训练 方法的部分或全部步骤。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动 作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据 本发明,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说 明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可 以参见其他实施例的相关描述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置,可通过其它的方式实现。 例如,以上所描述的装置实施例仅仅是示意性的,例如所述单元的划分,仅仅为一种逻辑功 能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到 另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或 直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性 或其它的形式。
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单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个 单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以 采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以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器中。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全部或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器中,包括若干指令用以使得一台计算机设备(可为个人计算 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 存储器包括:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程 序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储器中,存储器可以包括: 闪存盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取器(英文:Random Access Memory,简称:RAM)、磁盘或光盘等。
以上对本发明实施例进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方 式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对 于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之 处,综上上述,本说明书内容不应理解为对本发明的限制。
Claims (78)
1.一种网络参数配置方法,其特征在于,包括:
获取网络设备的运行状态信息,所述运行状态信息包括所述网络设备覆盖的N个区域的中每个区域的状态信息集合,所述状态信息集合包括D个维度状态信息子集,所述N和D均为大于0的整数;
根据所述N个区域中每个区域的D个维度状态信息子集进行协商,以得到所述N个区域中每个区域的D个维度目标参数子集;
向覆盖所述N个区域的网络设备发送配置指令,以指示所述网络设备按照所述配置指令携带的N个区域中每个区域的目标参数集合进行参数配置;其中,所述每个区域的目标参数集合是根据所述每个区域的D个维度目标参数子集得到的;
其中,所述根据所述N个区域中每个区域的D个维度状态信息子集进行协商,以得到所述N个区域中每个区域的D个维度目标参数子集,包括:
根据所述N个区域中每个区域的D个维度状态信息子集进行T轮协商,以得到T个的参考参数集合和T个性能指标预期值集合;其中,所述T个参考参数集合与所述T个性能指标预期值集合一一对应,所述T个参考参数集合包括所述N个区域中每个区域的D个维度的参考参数子集,所述T个性能指标预期值集合包括所述N个区域中每个区域的D个维度的性能指标预期值子集,所述T为大于0的整数;
根据所述T个性能指标预期集合从所述T个参考参数集合中确定目标参数集合,所述目标参数集合包括所述N个区域中每个区域的D个维度的目标参数子集。
2.根据权利要求1所述的方法,其特征在于,所述N个区域的运行状态信息包括N个区域在D个维度上的邻区信息,所述根据所述N个区域中每个区域的D个维度状态信息子集进行T轮协商,以得到T个的参考参数集合和T个性能指标预期值集合,包括:
在进行第k轮协商时,对所述N个区域中每个区域的参数集合进行初始化,以得到所述每个区域的初始参数集合;所述每个区域的初始参数集合包括该区域的D个维度的参数子集;
根据N个区域在D个维度上的邻区信息获取N个区域中每个区域在D个维度中的每个维度上的相邻的区域;其中,所述k=1,2,…,T;
根据所述N个区域中每个区域及其在D个维度相邻的区域的D个维度的状态信息子集和D个维度的初始参数子集进行W次组间协商,以得到所述T个参考参数集合中的第k个和所述T个性能指标预期值集合中的第k个,所述W为大于0的整数。
3.根据权利要求2所述的方法,其特征在于,所述根据所述N个区域中每个区域及其在D个维度相邻的区域的D个维度的状态信息子集和D个维度的初始参数子集进行W次组间协商,以得到所述T个参考参数集合中的第k个和所述T个性能指标预期值集合中的第k个,包括:
S1:在进行第g次组间协商时,将所述N个区域中的每个区域在D个维度上均标记为未协商区域;所述g=1,2,…,W;
S2:从未协商的区域中,选取在任一维度A上被标记为未协商区域的区域j,根据所述区域j的维度A的状态信息子集及维度A的第一参数子集、与所述区域j的维度A相邻区域的维度A的状态信息子集和维度A的第一参数子集进行S次组内协商,以得到所述区域j及与其维度A相邻区域的维度A的第二参数子集,并将所述区域j在维度A上标记为协商区域,将在与所述区域j的维度A相邻区域中在维度A上被标记为未协商区域的区域在维度A上标记为协商区域;其中,所述维度A为所述D个维度中的任一个,当g等于1时,所述区域j的维度A的第一参数子集为所述区域j的维度A的初始参数子集,在与所述区域j维度A相邻的区域中,未协商区域的维度A的第一参数子集为该区域的维度A的初始参数子集,协商区域的维度A的第一参数子集是根据该协商区域的维度A的初始参数子集得到的;当g大于1时,所述区域j的维度A的第一参数子集为在进行第g-1次组间协商后所述区域j的维度A的第二参数子集,与所述区域j维度A相邻的区域中,未协商区域的维度A的第一参数子集为该区域的维度A的第二参数子集,协商区域的第一参数子集是根据该区域在进行第g-1次组间协商后得到的第二参数子集得到的;
S3:重复执行步骤S2,直至所述N个区域中的每个区域在所述D个维度上均被标记为协商区域;
其中,所述T个的参考参数集合中的第k个包括所述区域j的在D个维度中每个维度上的参考参数子集,所述T个性能指标预期值集合中的第k个包括根据所述区域j及与其在D个维度相邻区域的D个维度的参考参数子集及区域j及与其在D个维度相邻区域的D个维度的状态信息子集得到的D个维度的性能指标预期值子集;
所述区域j及与其维度A相邻区域的维度A的参考参数子集分别为在进行第W次后组间协商后所述区域j及与其维度A相邻区域的维度A的第二参数子集。
4.根据权利要求3所述的方法,其特征在于,若维度A的参数子集与所述D个维度中其他维度的参数子集存在交集,则当所述g=1时,所述维度A未协商区域的维度A的第一参数子集中参数P的值为所述维度B第二参数子集中所述参数P的值,所述维度A第一参数子集中除了参数P之外的参数的值为其维度A的初始参数子集中的值,所述维度B为在所述维度A之前已协商的维度,所述参数P为所述维度A参数子集与所述维度B参数子集的交集中任一参数。
5.根据权利要求4所述的方法,其特征在于,所述根据所述区域j的维度A的状态信息子集及维度A的第一参数子集、与所述区域j的维度A相邻区域的维度A的状态信息子集和维度A的第一参数子集进行S次组内协商,以得到所述区域j及与其维度A相邻区域的维度A的第二参数子集,包括:
在进行第q次组内协商,基于搜索算法从预配置参数集合中获取维度A的第三参数子集aAqj,使得所述区域j的预设性能指标预期值最大,所述区域j的预设性能指标预期值是根据所述区域j的维度A的性能指标预期值子集得到的,所述区域j的维度A的性能指标预期值子集是将所述区域j的维度A的状态信息子集及维度A的第三参数子集aAqj和与所述区域j维度A相邻区域的维度A的状态信息子集和维度A的第三参数子集和所述区域j的参数配置模型得到的;
基于所述搜索算法从所述预配置参数集合中获取维度A的第三配置参数aAqn,使得所述区域n的预设性能指标预期值最大,所述区域n的预设性能指标预期值是根据所述区域n的维度A的性能指标预期值得到的,所述区域n的维度A的性能指标预期值是根据区域n的维度A的状态信息子集及维度A的第三参数子集aAqn、与所述区域n的维度A的相邻区域的维度A的状态信息子集及维度A的第三参数子集和所述区域n的参数配置模型得到的,所述区域n为所述区域j的维度A的相邻区域中的任一个;与所述区域n维度A相邻区域的维度A的第三参数子集包括所述区域j的维度A的第三参数子集aAqj;
当所述q=1时,所述区域n的维度A的第三参数子集aA(q-1)n为所述区域n的维度A的第一参数子集;当所述q=S时,所述区域j的维度A的第二参数子集为所述区域j的维度A的第三参数子集aAqj,所述区域n的维度A的第二参数子集为所述区域n的维度A的第三参数子集aAqn。
6.根据权利要求5所述的方法,其特征在于,区域V的预设性能指标预期值为:
根据所述区域V的维度A的性能指标预期值子集得到的,或者;
根据所述区域V的维度A的性能指标预期值子集与所述区域V在维度A上相邻区域的维度A的性能指标预期值子集得到的,或者;
根据所述区域V的D个维度的性能指标预期值子集得到的,或者;
根据所述区域V的D个维度的性能指标预期值子集与所述区域V的相邻区域的D个维度的性能指标预期值子集得到的。
7.根据权利要求1所述的方法,其特征在于,所述根据所述T个性能指标预期集合从所述T个参考参数集合中确定目标参数集合,包括:
根据所述T个性能指标预期值集合分别计算所述T个参考参数集合中每个参考参数集合的性能值,所述每个参考参数集合的性能值为该参考参数集合对应的性能指标预期值集合中D个维度的性能指标预期值子集之和或者加权之和;
将所述T个参考参数集合中选取性能值最大的参考参数集合确定为所述目标参数集合。
8.根据权利要求5-7任一项所述的方法,其特征在于,若D=1时,则所述D个维度只包括维度C,所述维度C为水平维度或者垂直维度;所述N个区域中的任一个区域V的参数配置模型包括维度C邻区信息编码模型和维度C性能预测模型,所述区域V及其相邻区域的参数集合包括维度C参数子集,所述区域V及其相邻区域的状态信息集合包括维度C状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括与所述区域V的维度C相邻区域的维度C状态信息子集和维度C参数子集,或者所述区域V及与其维度C相邻区域的维度C状态信息子集及维度C参数子集,所述区域V的邻区信息编码模型的输出数据为维度C编码结果;
所述区域V的维度C性能预测模型的输入数据包括所述维度C编码结果、所述区域V的维度C状态信息子集和维度C参数子集,所述区域V的维度C性能预测模型的输出数据为所述区域V的维度C性能指标预期值子集。
9.根据权利要求5-7任一项所述的方法,其特征在于,若所述D个维度包括本区域维度和水平维度,则所述N个区域中的任一个区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和水平性能预测模型,所述区域V及其相邻区域的参数集合包括本区域参数子集和水平参数子集,所述区域V及其相邻区域的状态信息集合包括本区域状态信息子集和水平状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的本区域性能预测模型的输入数据包括所述编码结果、所述区域V的本区域状态信息子集和本区域参数子集,所述区域V的本区域性能预测模型的输出数据为所述区域V的本区域性能指标预期值子集;
所述区域V的水平性能预测模型的输入数据包括所述编码结果、所述区域V的水平状态信息子集和水平参数子集,所述区域V的水平性能预测模型的输出数据为所述区域V的水平性能指标预期值子集。
10.根据权利要求9所述的方法,其特征在于,所述邻区信息编码模型包括本区域邻区信息编码模型和水平邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括与所述区域V水平相邻区域的水平状态信息子集和所述区域V相邻区域的本区域状态信息子集,所述区域V的相邻区域的参数集合包括与所述区域V水平相邻区域的水平参数子集和所述区域V相邻区域的本区域参数子集,所述编码结果包括本区域编码结果和水平编码结果;
所述区域V的本区域邻区编码模型的输入数据包括所述区域V相邻的区域的本区域状态信息子集和本区域参数子集,或者所述区域V及其相邻区域的本区域状态信息子集和本区域参数子集;所述区域V的本区域编码模型的输出数据包括本区域编码结果;
所述区域V的水平邻区信息编码模型的输入数据包括与所述区域V水平相邻区域的水平状态信息子集和水平参数子集,或者所述区域V的水平状态信息子集、水平参数子集和与所述区域V水平相邻区域的水平状态信息子集和水平参数子集;所述区域V的水平邻区信息编码模型的输出数据为水平编码结果。
11.根据权利要求5-7任一项所述的方法,其特征在于,若所述D个维度包括本区域维度和垂直维度,则所述N个区域中的任一个区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和垂直性能预测模型,所述区域V及其相邻区域的参数集合包括本区域参数子集和垂直参数子集,所述区域V及其相邻区域的状态信息集合包括本区域状态信息子集和垂直状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的本区域性能预测模型的输入数据包括所述编码结果、所述区域V的本区域状态信息子集和本区域参数子集,所述区域V的本区域性能预测模型的输出数据为所述区域V的本区域性能指标预期值子集;
所述区域V的垂直性能预测模型的输入数据包括所述编码结果、所述区域V的垂直状态信息子集和垂直参数子集,所述区域V的垂直性能预测模型的输出数据为所述区域V的垂直性能指标预期值子集。
12.根据权利要求11所述的方法,其特征在于,所述邻区信息编码模型包括本区域邻区信息编码模型和垂直邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括与所述区域V垂直相邻区域的垂直状态信息子集和所述区域V相邻区域的本区域状态信息子集,所述区域V的相邻区域的参数集合包括与所述区域V垂直相邻区域的垂直参数子集和所述区域V相邻区域的本区域参数子集,所述编码结果包括本区域编码结果和垂直编码结果;
所述区域V的本区域邻区编码模型的输入数据包括所述区域V相邻的区域的本区域状态信息子集和本区域参数子集,或者所述区域V及其相邻区域的本区域状态信息子集和本区域参数子集;所述区域V的本区域编码模型的输出数据包括本区域编码结果;
所述区域V的垂直邻区信息编码模型的输入数据包括与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集,或者所述区域V的垂直状态信息子集、垂直参数子集和与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集;所述区域V的垂直邻区信息编码模型的输出数据为垂直编码结果。
13.根据权利要求5-7任一项所述的方法,其特征在于,若所述D个维度包括水平维度和垂直维度,则所述N个区域中的任一个区域V的参数配置模型包括邻区信息编码模型、水平性能预测模型和垂直性能预测模型,所述区域V及其相邻区域的参数集合包括水平参数子集和垂直参数子集,所述区域V及其相邻区域的状态信息集合包括水平状态信息子集和垂直状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合参数配置模型及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的水平性能预测模型的输入数据包括所述编码结果、所述区域V的水平状态信息子集和水平参数子集,所述区域V的水平性能预测模型的输出数据为所述区域V的水平性能指标预期值子集;
所述区域V的垂直性能预测模型的输入数据包括所述编码结果、所述区域V的垂直状态信息子集和垂直参数子集,所述区域V的垂直性能预测模型的输出数据为所述区域V的垂直性能指标预期值子集。
14.根据权利要求13所述的方法,其特征在于,所述邻区信息编码模型包括水平邻区信息编码模型和垂直邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括与所述区域V垂直相邻区域的垂直状态信息子集和与所述区域V水平相邻区域的水平状态信息子集,所述区域V的相邻区域的参数集合包括与所述区域V垂直相邻区域的垂直参数子集和与所述区域V水平相邻区域的水平参数子集,所述编码结果包括水平编码结果和垂直编码结果;
所述区域V的水平邻区信息编码模型的输入数据包括与所述区域V水平相邻区域的水平状态信息子集和水平参数子集,或者所述区域V的水平状态信息子集、水平参数子集和与所述区域V水平相邻区域的水平状态信息子集和水平参数子集;所述区域V的水平邻区信息编码模型的输出数据为水平编码结果;
所述区域V的垂直邻区信息编码模型的输入数据包括与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集,或者所述区域V的垂直状态信息子集、垂直参数子集和与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集;所述区域V的垂直邻区信息编码模型的输出数据为垂直编码结果。
15.根据权利要求5-7任一项所述的方法,其特征在于,若所述D个维度包括本区域维度、水平维度和垂直维度,则所述N个区域中的任一个区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型、水平性能预测模型和垂直性能预测模型,所述区域V及其相邻区域的参数集合包括本区域参数子集、水平参数子集和垂直参数子集,所述区域V及其相邻区域的状态信息集合包括本区域状态信息子集、水平状态信息子集和垂直状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的本区域性能预测模型的输入数据包括所述编码结果、所述区域V的本区域状态信息子集和本区域参数子集,所述区域V的本区域性能预测模型的输出数据为所述区域V的本区域性能指标预期值子集;
所述区域V的水平性能预测模型的输入数据包括所述编码结果、所述区域V的水平状态信息子集和水平参数子集,所述区域V的水平性能预测模型的输出数据为所述区域V的水平性能指标预期值子集;
所述区域V的垂直性能预测模型的输入数据包括所述编码结果、所述区域V的垂直状态信息子集和垂直参数子集,所述区域V的垂直性能预测模型的输出数据为所述区域V的垂直性能指标预期值子集。
16.根据权利要求15所述的方法,其特征在于,所述邻区信息编码模型包括本区域邻区信息编码模型、水平邻区信息编码模型和垂直邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括所述区域V的相邻区域的本区域状态信息子集、与所述区域V垂直相邻区域的垂直状态信息子集和与所述区域V水平相邻区域的水平状态信息子集,所述区域V的相邻区域的参数集合包括所述区域V的相邻区域的本区域参数子集、与所述区域V垂直相邻区域的垂直参数子集和与所述区域V水平相邻区域的水平参数子集,所述编码结果包括本区域编码结果、水平编码结果和垂直编码结果;
所述区域V的本区域邻区编码模型的输入数据包括所述区域V相邻的区域的本区域状态信息子集和本区域参数子集,或者所述区域V及其相邻区域的本区域状态信息子集和本区域参数子集;所述区域V的本区域编码模型的输出数据为所述本区域编码结果;
所述区域V的水平邻区信息编码模型的输入数据包括与所述区域V水平相邻区域的水平状态信息子集和水平参数子集,或者所述区域V的水平状态信息子集、水平参数子集和与所述区域V水平相邻区域的水平状态信息子集和水平参数子集;所述区域V的水平邻区信息编码模型的输出数据为所述水平编码结果;
所述区域V的垂直邻区信息编码模型的输入数据包括与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集,或者所述区域V的垂直状态信息子集、垂直参数子集和与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集;所述区域V的垂直邻区信息编码模型的输出数据为所述垂直编码结果。
17.根据权利要求8所述的方法,其特征在于,所述水平维度包括同频维度和异频维度,所述水平性能预测模型包括同频性能预测模型和异频性能预测模型,所述水平性能指标预期值子集包括同频性能指标预期值子集和异频性能指标预期值子集,所述区域V及与所述区域V水平相邻区域的水平状态信息子集包括同频状态信息子集和异频状态信息子集,所述区域V及与所述区域V水平相邻区域的水平参数子集包括同频参数子集和异频参数子集;
所述同频性能预测模型的输入数据包括所述编码结果、所述区域V的水平参数子集中的同频参数子集和水平状态信息子集中的同频状态信息子集;所述同频性能预测模型的输出数据为所述同频性能指标预期值子集;
所述异频性能预测模型的输入数据包括所述编码结果、所述区域V的水平参数子集中的异频参数子集和水平状态信息子集中的异频状态信息子集;所述异频性能预测模型的输出数据为所述异频性能指标预期值子集。
18.根据权利要求10、14和16任一项所述的方法,其特征在于,所述水平维度包括同频维度和异频维度,所述水平性能预测模型包括同频性能预测模型和异频性能预测模型,所述水平性能指标预期值子集包括同频性能指标预期值子集和异频性能指标预期值子集,所述区域V及与所述区域V水平相邻区域的水平状态信息子集包括同频状态信息子集和异频状态信息子集,所述区域V及与所述区域V水平相邻区域的水平参数子集包括同频参数子集和异频参数子集;
所述同频性能预测模型的输入数据包括所述编码结果、所述区域V的水平参数子集中的同频参数子集和水平状态信息子集中的同频状态信息子集;所述同频性能预测模型的输出数据为所述同频性能指标预期值子集;
所述异频性能预测模型的输入数据包括所述编码结果、所述区域V的水平参数子集中的异频参数子集和水平状态信息子集中的异频状态信息子集;所述异频性能预测模型的输出数据为所述异频性能指标预期值子集。
19.根据权利要求17所述的方法,其特征在于,所述水平邻区信息编码模型包括同频邻区信息编码模型和异频邻区信息编码模型,与所述区域V水平相邻区域的水平状态信息子集包括在与所述区域V水平相邻的区域中,与所述区域V同频相邻区域的同频状态信息子集和与所述区域V异频相邻的异频状态信息子集,与所述区域V水平相邻区域的水平参数子集包括在与所述区域V水平相邻的区域中,与所述区域V同频相邻区域的同频参数子集和与所述区域V异频相邻区域的异频参数子集,所述水平编码结果包括同频编码结果和异频编码结果,
所述同频邻区信息编码模型输入数据包括与所述区域V同频相邻区域的同频状态信息子集和同频参数子集,或者所述区域V的水平状态信息子集中的同频状态信息子集、所述区域V的水平参数子集中的同频参数子集和与所述区域V同频相邻的同频状态信息子集和同频参数子集,所述同频邻区信息编码模型的输出数据为所述同频编码结果;
所述异频邻区信息编码模型输入数据包括与所述区域V异频相邻区域的异频状态信息子集和异频参数子集,或者所述区域V的水平状态信息子集中的异频状态信息子集、所述区域V的水平参数子集中的异频参数子集和与所述区域V异频相邻的异频状态信息子集和异频参数子集,所述异频邻区信息编码模型的输出数据为所述异频编码结果。
20.根据权利要求18所述的方法,其特征在于,所述水平邻区信息编码模型包括同频邻区信息编码模型和异频邻区信息编码模型,与所述区域V水平相邻区域的水平状态信息子集包括在与所述区域V水平相邻的区域中,与所述区域V同频相邻区域的同频状态信息子集和与所述区域V异频相邻的异频状态信息子集,与所述区域V水平相邻区域的水平参数子集包括在与所述区域V水平相邻的区域中,与所述区域V同频相邻区域的同频参数子集和与所述区域V异频相邻区域的异频参数子集,所述水平编码结果包括同频编码结果和异频编码结果,
所述同频邻区信息编码模型输入数据包括与所述区域V同频相邻区域的同频状态信息子集和同频参数子集,或者所述区域V的水平状态信息子集中的同频状态信息子集、所述区域V的水平参数子集中的同频参数子集和与所述区域V同频相邻的同频状态信息子集和同频参数子集,所述同频邻区信息编码模型的输出数据为所述同频编码结果;
所述异频邻区信息编码模型输入数据包括与所述区域V异频相邻区域的异频状态信息子集和异频参数子集,或者所述区域V的水平状态信息子集中的异频状态信息子集、所述区域V的水平参数子集中的异频参数子集和与所述区域V异频相邻的异频状态信息子集和异频参数子集,所述异频邻区信息编码模型的输出数据为所述异频编码结果。
21.根据权利要求6、10、12、14、16和17任一项所述的方法,其特征在于,所述根据所述N个区域中每个区域的D个维度状态信息子集行协商,以得到所述N个区域中每个区域的D个维度目标参数子集之前,所述方法还包括:
从训练设备中获取所述N个区域中每个区域的参数配置模型。
22.根据权利要求21所述的方法,其特征在于,当所述网络为无线蜂窝网络时,所述网络设备为基站,所述区域为所述基站覆的小区。
23.根据权利要求21所述的方法,其特征在于,当所述网络为WIFI网络时,所述网络设备为WiFi设备,所述区域为所述WiFi设备覆盖的区域。
24.根据权利要求23所述的方法,其特征在于,所述区域V被D个频段的信号覆盖,所述D个维度与所述D个频段一一对应。
25.一种参数配置模型训练方法,其特征在于,包括:
获取网络设备的运行状态信息,所述运行状态信息包括所述网络设备覆盖的N个区域的状态信息集合、参数集合和第一性能指标预期值集合,其中,所述状态信息集合包括N个区域中每个区域的D个维度的状态信息子集,所述参数集合包括N个区域中每个区域的D个维度的参数子集,所述第一性能指标预期值集合包括N个区域中每个区域的D个维度的第一性能指标预期值子集,
根据所述N个区域中任一区域V的D个维度的状态信息子集、D个维度的参数子集及与所述区域V在D个维度分别相邻的区域的D个维度的状态信息子集和D个维度的参数子集输入到所述区域V的初始配置模型中进行计算,以得到第二性能指标预期值子集;
根据所述第一性能指标预期值子集和第二性能指标预期值子集调整所述初始配置模型中的参数,以得到所述区域V的参数配置模型;
其中,所述区域V的参数配置模型包括邻区信息编码模型和D个维度的性能预测模型。
26.根据权利要求25所述的方法,其特征在于,若D=1时,则所述D个维度只包括维度C,所述维度C为水平维度或者垂直维度;所述区域V的参数配置模型包括维度C邻区信息编码模型和维度C性能预测模型,所述区域V及其相邻区域的参数集合包括维度C参数子集,所述区域V及其相邻区域的状态信息集合包括维度C状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括与所述区域V的维度C相邻区域的维度C状态信息子集和维度C参数子集,或者所述区域V及与其维度C相邻区域的维度C状态信息子集及维度C参数子集,所述区域V的邻区信息编码模型的输出数据为维度C编码结果;
所述区域V的维度C性能预测模型的输入数据包括所述维度C编码结果、所述区域V的维度C状态信息子集和维度C参数子集,所述区域V的维度C性能预测模型的输出数据为所述区域V的维度C性能指标预期值子集。
27.根据权利要求25所述的方法,其特征在于,若所述D个维度包括本区域维度和水平维度,则所述区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和水平性能预测模型,所述区域V及其相邻区域的参数集合包括本区域参数子集和水平参数子集,所述区域V及其相邻区域的状态信息集合包括本区域状态信息子集和水平状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的本区域性能预测模型的输入数据包括所述编码结果、所述区域V的本区域状态信息子集和本区域参数子集,所述区域V的本区域性能预测模型的输出数据为所述区域V的本区域性能指标预期值子集;
所述区域V的水平性能预测模型的输入数据包括所述编码结果、所述区域V的水平状态信息子集和水平参数子集,所述区域V的水平性能预测模型的输出数据为所述区域V的水平性能指标预期值子集。
28.根据权利要求27所述的方法,其特征在于,所述邻区信息编码模型包括本区域邻区信息编码模型和水平邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括与所述区域V水平相邻区域的水平状态信息子集和所述区域V相邻区域的本区域状态信息子集,所述区域V的相邻区域的参数集合包括与所述区域V水平相邻区域的水平参数子集和所述区域V相邻区域的本区域参数子集,所述编码结果包括本区域编码结果和水平编码结果;
所述区域V的本区域邻区编码模型的输入数据包括所述区域V相邻的区域的本区域状态信息子集和本区域参数子集,或者所述区域V及其相邻区域的本区域状态信息子集和本区域参数子集;所述区域V的本区域编码模型的输出数据包括本区域编码结果;
所述区域V的水平邻区信息编码模型的输入数据包括与所述区域V水平相邻区域的水平状态信息子集和水平参数子集,或者所述区域V的水平状态信息子集、水平参数子集和与所述区域V水平相邻区域的水平状态信息子集和水平参数子集;所述区域V的水平邻区信息编码模型的输出数据为水平编码结果。
29.根据权利要求25所述的方法,其特征在于,若所述D个维度包括本区域维度和垂直维度,则所述区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和垂直性能预测模型,所述区域V及其相邻区域的参数集合包括本区域参数子集和垂直参数子集,所述区域V及其相邻区域的状态信息集合包括本区域状态信息子集和垂直状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的本区域性能预测模型的输入数据包括所述编码结果、所述区域V的本区域状态信息子集和本区域参数子集,所述区域V的本区域性能预测模型的输出数据为所述区域V的本区域性能指标预期值子集;
所述区域V的垂直性能预测模型的输入数据包括所述编码结果、所述区域V的垂直状态信息子集和垂直参数子集,所述区域V的垂直性能预测模型的输出数据为所述区域V的垂直性能指标预期值子集。
30.根据权利要求29所述的方法,其特征在于,所述邻区信息编码模型包括本区域邻区信息编码模型和垂直邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括与所述区域V垂直相邻区域的垂直状态信息子集和所述区域V相邻区域的本区域状态信息子集,所述区域V的相邻区域的参数集合包括与所述区域V垂直相邻区域的垂直参数子集和所述区域V相邻区域的本区域参数子集,所述编码结果包括本区域编码结果和垂直编码结果;
所述区域V的本区域邻区编码模型的输入数据包括所述区域V相邻的区域的本区域状态信息子集和本区域参数子集,或者所述区域V及其相邻区域的本区域状态信息子集和本区域参数子集;所述区域V的本区域编码模型的输出数据包括本区域编码结果;
所述区域V的垂直邻区信息编码模型的输入数据包括与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集,或者所述区域V的垂直状态信息子集、垂直参数子集和与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集;所述区域V的垂直邻区信息编码模型的输出数据为垂直编码结果。
31.根据权利要求25所述的方法,其特征在于,若所述D个维度包括水平维度和垂直维度,则所述区域V的参数配置模型包括邻区信息编码模型、水平性能预测模型和垂直性能预测模型,所述区域V及其相邻区域的参数集合包括水平参数子集和垂直参数子集,所述区域V及其相邻区域的状态信息集合包括水平状态信息子集和垂直状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的水平性能预测模型的输入数据包括所述编码结果、所述区域V的水平状态信息子集和水平参数子集,所述区域V的水平性能预测模型的输出数据为所述区域V的水平性能指标预期值子集;
所述区域V的垂直性能预测模型的输入数据包括所述编码结果、所述区域V的垂直状态信息子集和垂直参数子集,所述区域V的垂直性能预测模型的输出数据为所述区域V的垂直性能指标预期值子集。
32.根据权利要求31所述的方法,其特征在于,所述邻区信息编码模型包括水平邻区信息编码模型和垂直邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括与所述区域V垂直相邻区域的垂直状态信息子集和与所述区域V水平相邻区域的水平状态信息子集,所述区域V的相邻区域的参数集合包括与所述区域V垂直相邻区域的垂直参数子集和与所述区域V水平相邻区域的水平参数子集,所述编码结果包括水平编码结果和垂直编码结果;
所述区域V的水平邻区信息编码模型的输入数据包括与所述区域V水平相邻区域的水平状态信息子集和水平参数子集,或者所述区域V的水平状态信息子集、水平参数子集和与所述区域V水平相邻区域的水平状态信息子集和水平参数子集;所述区域V的水平邻区信息编码模型的输出数据为水平编码结果;
所述区域V的垂直邻区信息编码模型的输入数据包括与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集,或者所述区域V的垂直状态信息子集、垂直参数子集和与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集;所述区域V的垂直邻区信息编码模型的输出数据为垂直编码结果。
33.根据权利要求25所述的方法,其特征在于,若所述D个维度包括本区域维度、水平维度和垂直维度,则所述区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型、水平性能预测模型和垂直性能预测模型,所述区域V及其相邻区域的参数集合包括本区域参数子集、水平参数子集和垂直参数子集,所述区域V及其相邻区域的状态信息集合包括本区域状态信息子集、水平状态信息子集和垂直状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息及状态信息子集及参数子集,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的本区域性能预测模型的输入数据包括所述编码结果、所述区域V的本区域状态信息子集和本区域参数子集,所述区域V的本区域性能预测模型的输出数据为所述区域V的本区域性能指标预期值子集;
所述区域V的水平性能预测模型的输入数据包括所述编码结果、所述区域V的水平状态信息子集和水平参数子集,所述区域V的水平性能预测模型的输出数据为所述区域V的水平性能指标预期值子集;
所述区域V的垂直性能预测模型的输入数据包括所述编码结果、所述区域V的垂直状态信息子集和垂直参数子集,所述区域V的垂直性能预测模型的输出数据为所述区域V的垂直性能指标预期值子集。
34.根据权利要求33所述的方法,其特征在于,所述邻区信息编码模型包括本区域邻区信息编码模型、水平邻区信息编码模型和垂直邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括所述区域V的相邻区域的本区域状态信息子集、与所述区域V垂直相邻区域的垂直状态信息子集和与所述区域V水平相邻区域的水平状态信息子集,所述区域V的相邻区域的参数集合包括所述区域V的相邻区域的本区域参数子集、与所述区域V垂直相邻区域的垂直参数子集和与所述区域V水平相邻区域的水平参数子集,所述编码结果包括本区域编码结果、水平编码结果和垂直编码结果;
所述区域V的本区域邻区编码模型的输入数据包括所述区域V相邻的区域的本区域状态信息子集和本区域参数子集,或者所述区域V及其相邻区域的本区域状态信息子集和本区域参数子集;所述区域V的本区域编码模型的输出数据包括本区域编码结果;
所述区域V的水平邻区信息编码模型的输入数据包括与所述区域V水平相邻区域的水平状态信息子集和水平参数子集,或者所述区域V的水平状态信息子集、水平参数子集和与所述区域V水平相邻区域的水平状态信息子集和水平参数子集;所述区域V的水平邻区信息编码模型的输出数据为水平编码结果;
所述区域V的垂直邻区信息编码模型的输入数据包括与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集,或者所述区域V的垂直状态信息子集、垂直参数子集和与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集;所述区域V的垂直邻区信息编码模型的输出数据为垂直编码结果。
35.根据权利要求26-27、32-34任一项所述的方法,其特征在于,所述水平维度包括同频维度和异频维度,所述水平性能预测模型包括同频性能预测模型和异频性能预测模型,所述水平性能指标预期值子集包括同频性能指标预期值子集和异频性能指标预期值子集,所述区域V及与区域V水平相邻区域的水平状态信息子集包括同频状态信息子集和异频状态信息子集,所述区域V的水平参数子集包括同频参数子集和异频参数子集;
所述同频性能预测模型的输入数据包括所述编码结果、所述区域V的水平参数子集中的同频参数子集和水平状态信息子集中的同频状态信息子集;所述同频性能预测模型的输出数据为所述同频性能指标预期值子集;
所述异频性能预测模型的输入数据包括所述编码结果、所述区域V的水平参数子集中的异频参数子集和水平状态信息子集中的异频状态信息子集;所述异频性能预测模型的输出数据为所述异频性能指标预期值子集。
36.根据权利要求35所述的方法,其特征在于,所述水平邻区信息编码模型包括同频邻区信息编码模型和异频邻区信息编码模型,与所述区域V水平相邻区域的水平状态信息子集包括在与所述区域V水平相邻的区域中,与所述区域V同频相邻区域的同频状态信息子集和与所述区域V异频相邻的异频状态信息子集,与所述区域V水平相邻区域的水平参数子集包括在与所述区域V水平相邻的区域中,与所述区域V同频相邻区域的同频参数子集和与所述区域V异频相邻区域的异频参数子集,所述水平编码结果包括同频编码结果和异频编码结果,
所述同频邻区信息编码模型输入数据包括与所述区域V同频相邻区域的同频状态信息子集和同频参数子集,或者所述区域V的水平状态信息子集中的同频状态信息子集、所述区域V的水平参数子集中的同频参数子集和与所述区域V同频相邻的同频状态信息子集和同频参数子集,所述同频邻区信息编码模型的输出数据为所述同频编码结果;
所述异频邻区信息编码模型输入数据包括与所述区域V异频相邻区域的异频状态信息子集和异频参数子集,或者所述区域V的水平状态信息子集中的异频状态信息子集、所述区域V的水平参数子集中的异频参数子集和与所述区域V异频相邻的异频状态信息子集和异频参数子集,所述异频邻区信息编码模型的输出数据为所述异频编码结果。
37.根据权利要求36所述的方法,其特征在于,当所述网络为无线蜂窝网络时,所述网络设备为基站,所述区域为所述基站覆的小区。
38.根据权利要求36所述的方法,其特征在于,当所述网络为WIFI网络时,所述网络设备为WiFi设备,所述区域为所述WiFi设备覆盖的区域。
39.根据权利要求38所述的方法,其特征在于,所述区域V被D个频段的信号覆盖,所述D个维度与所述D个频段一一对应。
40.一种参数配置装置,其特征在于,包括:
获取模块,用于获取网络设备的运行状态信息,所述运行状态信息包括所述网络设备覆盖的N个区域的中每个区域的状态信息集合,所述状态信息集合包括D个维度状态信息子集,所述N和D均为大于0的整数;
协商模块,用于根据所述N个区域中每个区域的D个维度状态信息子集进行协商,以得到所述N个区域中每个区域的D个维度目标参数子集;
发送模块,用于向覆盖所述N个区域的网络设备发送配置指令,以指示所述网络设备按照所述配置指令携带的N个区域中每个区域的目标参数集合进行参数配置;其中,所述每个区域的目标参数集合是根据所述每个区域的D个维度目标参数子集得到的;
其中,所述协商模块具体用于:
根据所述N个区域中每个区域的D个维度状态信息子集进行T轮协商,以得到T个的参考参数集合和T个性能指标预期值集合;其中,所述T个参考参数集合与所述T个性能指标预期值集合一一对应,所述T个参考参数集合包括所述N个区域中每个区域的D个维度的参考参数子集,所述T个性能指标预期值集合包括所述N个区域中每个区域的D个维度的性能指标预期值子集,所述T为大于0的整数;
根据所述T个性能指标预期集合从所述T个参考参数集合中确定目标参数集合,所述目标参数集合包括所述N个区域中每个区域的D个维度的目标参数子集。
41.根据权利要求40所述的装置,其特征在于,所述N个区域的运行状态信息包括N个区域在D个维度上的邻区信息,所述根据所述N个区域中每个区域的D个维度状态信息子集进行T轮协商,以得到T个的参考参数集合和T个性能指标预期值集合,包括:
在进行第k轮协商时,对所述N个区域中每个区域的参数集合进行初始化,以得到所述每个区域的初始参数集合;所述每个区域的初始参数集合包括该区域的D个维度的参数子集;
根据N个区域在D个维度上的邻区信息获取N个区域中每个区域在D个维度中的每个维度上的相邻的区域;其中,所述k=1,2,…,T;
根据所述N个区域中每个区域及其在D个维度相邻的区域的D个维度的状态信息子集和D个维度的初始参数子集进行W次组间协商,以得到所述T个参考参数集合中的第k个和所述T个性能指标预期值集合中的第k个,所述W为大于0的整数。
42.根据权利要求41所述的装置,其特征在于,在所述根据所述N个区域中每个区域及其在D个维度相邻的区域的D个维度的状态信息子集和D个维度的初始参数子集进行W次组间协商,以得到所述T个参考参数集合中的第k个和所述T个性能指标预期值集合中的第k个的方面,所述协商模块具体用于:
S1:在进行第g次组间协商时,将所述N个区域中的每个区域在D个维度上均标记为未协商区域;所述g=1,2,…,W;
S2:从未协商的区域中,选取在任一维度A上被标记为未协商区域的区域j,根据所述区域j的维度A的状态信息子集及维度A的第一参数子集、与所述区域j的维度A相邻区域的维度A的状态信息子集和维度A的第一参数子集进行S次组内协商,以得到所述区域j及与其维度A相邻区域的维度A的第二参数子集,并将所述区域j在维度A上标记为协商区域,将在与所述区域j的维度A相邻区域中在维度A上被标记为未协商区域的区域在维度A上标记为协商区域;其中,所述维度A为所述D个维度中的任一个,当g等于1时,所述区域j的维度A的第一参数子集为所述区域j的维度A的初始参数子集,在与所述区域j维度A相邻的区域中,未协商区域的维度A的第一参数子集为该区域的维度A的初始参数子集,协商区域的维度A的第一参数子集是根据该协商区域的维度A的初始参数子集得到的;当g大于1时,所述区域j的维度A的第一参数子集为在进行第g-1次组间协商后所述区域j的维度A的第二参数子集,与所述区域j维度A相邻的区域中,未协商区域的维度A的第一参数子集为该区域的维度A的第二参数子集,协商区域的第一参数子集是根据该区域在进行第g-1次组间协商后得到的第二参数子集得到的;
S3:重复执行步骤S2,直至所述N个区域中的每个区域在所述D个维度上均被标记为协商区域;
其中,所述T个的参考参数集合中的第k个包括所述区域j的在D个维度中每个维度上的参考参数子集,所述T个性能指标预期值集合中的第k个包括根据所述区域j及与其在D个维度相邻区域的D个维度的参考参数子集及区域j及与其在D个维度相邻区域的D个维度的状态信息子集得到的D个维度的性能指标预期值子集;
所述区域j及与其维度A相邻区域的维度A的参考参数子集分别为在进行第W次后组间协商后所述区域j及与其维度A相邻区域的维度A的第二参数子集。
43.根据权利要求42所述的装置,其特征在于,若维度A的参数子集与所述D个维度中其他维度的参数子集存在交集,则当所述g=1时,所述维度A未协商区域的维度A的第一参数子集中参数P的值为所述维度B第二参数子集中所述参数P的值,所述维度A第一参数子集中除了参数P之外的参数的值为其维度A的初始参数子集中的值,所述维度B为在所述维度A之前已协商的维度,所述参数P为所述维度A参数子集与所述维度B参数子集的交集中任一参数。
44.根据权利要求43所述的装置,其特征在于,在所述根据所述区域j的维度A的状态信息子集及维度A的第一参数子集、与所述区域j的维度A相邻区域的维度A的状态信息子集和维度A的第一参数子集进行S次组内协商,以得到所述区域j及与其维度A相邻区域的维度A的第二参数子集的方面,所述协商模块具体用于:
在进行第q次组内协商,基于搜索算法从预配置参数集合中获取维度A的第三参数子集aAqj,使得所述区域j的预设性能指标预期值最大,所述区域j的预设性能指标预期值是根据所述区域j的维度A的性能指标预期值子集得到的,所述区域j的维度A的性能指标预期值子集是将所述区域j的维度A的状态信息子集及维度A的第三参数子集aAqj和与所述区域j维度A相邻区域的维度A的状态信息子集和维度A的第三参数子集和所述区域j的参数配置模型得到的;
基于所述搜索算法从所述预配置参数集合中获取维度A的第三配置参数aAqn,使得所述区域n的预设性能指标预期值最大,所述区域n的预设性能指标预期值是根据所述区域n的维度A的性能指标预期值得到的,所述区域n的维度A的性能指标预期值是根据区域n的维度A的状态信息子集及维度A的第三参数子集aAqn、与所述区域n的维度A的相邻区域的维度A的状态信息子集及维度A的第三参数子集和所述区域n的参数配置模型得到的,所述区域n为所述区域j的维度A的相邻区域中的任一个;与所述区域n维度A相邻区域的维度A的第三参数子集包括所述区域j的维度A的第三参数子集aAqj;
当所述q=1时,所述区域n的维度A的第三参数子集aA(q-1)n为所述区域n的维度A的第一参数子集;当所述q=S时,所述区域j的维度A的第二参数子集为所述区域j的维度A的第三参数子集aAqj,所述区域n的维度A的第二参数子集为所述区域n的维度A的第三参数子集aAqn。
45.根据权利要求44所述的装置,其特征在于,区域V的预设性能指标预期值为:
根据所述区域V的维度A的性能指标预期值子集得到的,或者;
根据所述区域V的维度A的性能指标预期值子集与所述区域V在维度A上相邻区域的维度A的性能指标预期值子集得到的,或者;
根据所述区域V的D个维度的性能指标预期值子集得到的,或者;
根据所述区域V的D个维度的性能指标预期值子集与所述区域V的相邻区域的D个维度的性能指标预期值子集得到的。
46.根据权利要求40所述的装置,其特征在于,在所述根据所述T个性能指标预期集合从所述T个参考参数集合中确定目标参数集合的方面,所述协商模块具体用于:
根据所述T个性能指标预期值集合分别计算所述T个参考参数集合中每个参考参数集合的性能值,所述每个参考参数集合的性能值为该参考参数集合对应的性能指标预期值集合中D个维度的性能指标预期值子集之和或者加权之和;
将所述T个参考参数集合中选取性能值最大的参考参数集合确定为所述目标参数集合。
47.根据权利要求44-46任一项所述的装置,其特征在于,若D=1时,则所述D个维度只包括维度C,所述维度C为水平维度或者垂直维度;所述N个区域中的任一个区域V的参数配置模型包括维度C邻区信息编码模型和维度C性能预测模型,所述区域V及其相邻区域的参数集合包括维度C参数子集,所述区域V及其相邻区域的状态信息集合包括维度C状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括与所述区域V的维度C相邻区域的维度C状态信息子集和维度C参数子集,或者所述区域V及与其维度C相邻区域的维度C状态信息子集及维度C参数子集,所述区域V的邻区信息编码模型的输出数据为维度C编码结果;
所述区域V的维度C性能预测模型的输入数据包括所述维度C编码结果、所述区域V的维度C状态信息子集和维度C参数子集,所述区域V的维度C性能预测模型的输出数据为所述区域V的维度C性能指标预期值子集。
48.根据权利要求44-46任一项所述的装置,其特征在于,若所述D个维度包括本区域维度和水平维度,则所述N个区域中的任一个区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和水平性能预测模型,所述区域V及其相邻区域的参数集合包括本区域参数子集和水平参数子集,所述区域V及其相邻区域的状态信息集合包括本区域状态信息子集和水平状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的本区域性能预测模型的输入数据包括所述编码结果、所述区域V的本区域状态信息子集和本区域参数子集,所述区域V的本区域性能预测模型的输出数据为所述区域V的本区域性能指标预期值子集;
所述区域V的水平性能预测模型的输入数据包括所述编码结果、所述区域V的水平状态信息子集和水平参数子集,所述区域V的水平性能预测模型的输出数据为所述区域V的水平性能指标预期值子集。
49.根据权利要求48所述的装置,其特征在于,所述邻区信息编码模型包括本区域邻区信息编码模型和水平邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括与所述区域V水平相邻区域的水平状态信息子集和所述区域V相邻区域的本区域状态信息子集,所述区域V的相邻区域的参数集合包括与所述区域V水平相邻区域的水平参数子集和所述区域V相邻区域的本区域参数子集,所述编码结果包括本区域编码结果和水平编码结果;
所述区域V的本区域邻区编码模型的输入数据包括所述区域V相邻的区域的本区域状态信息子集和本区域参数子集,或者所述区域V及其相邻区域的本区域状态信息子集和本区域参数子集;所述区域V的本区域编码模型的输出数据包括本区域编码结果;
所述区域V的水平邻区信息编码模型的输入数据包括与所述区域V水平相邻区域的水平状态信息子集和水平参数子集,或者所述区域V的水平状态信息子集、水平参数子集和与所述区域V水平相邻区域的水平状态信息子集和水平参数子集;所述区域V的水平邻区信息编码模型的输出数据为水平编码结果。
50.根据权利要求44-46任一项所述的装置,其特征在于,若所述D个维度包括本区域维度和垂直维度,则所述N个区域中的任一个区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和垂直性能预测模型,所述区域V及其相邻区域的参数集合包括本区域参数子集和垂直参数子集,所述区域V及其相邻区域的状态信息集合包括本区域状态信息子集和垂直状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的本区域性能预测模型的输入数据包括所述编码结果、所述区域V的本区域状态信息子集和本区域参数子集,所述区域V的本区域性能预测模型的输出数据为所述区域V的本区域性能指标预期值子集;
所述区域V的垂直性能预测模型的输入数据包括所述编码结果、所述区域V的垂直状态信息子集和垂直参数子集,所述区域V的垂直性能预测模型的输出数据为所述区域V的垂直性能指标预期值子集。
51.根据权利要求50所述的装置,其特征在于,所述邻区信息编码模型包括本区域邻区信息编码模型和垂直邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括与所述区域V垂直相邻区域的垂直状态信息子集和所述区域V相邻区域的本区域状态信息子集,所述区域V的相邻区域的参数集合包括与所述区域V垂直相邻区域的垂直参数子集和所述区域V相邻区域的本区域参数子集,所述编码结果包括本区域编码结果和垂直编码结果;
所述区域V的本区域邻区编码模型的输入数据包括所述区域V相邻的区域的本区域状态信息子集和本区域参数子集,或者所述区域V及其相邻区域的本区域状态信息子集和本区域参数子集;所述区域V的本区域编码模型的输出数据包括本区域编码结果;
所述区域V的垂直邻区信息编码模型的输入数据包括与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集,或者所述区域V的垂直状态信息子集、垂直参数子集和与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集;所述区域V的垂直邻区信息编码模型的输出数据为垂直编码结果。
52.根据权利要求44-46任一项所述的装置,其特征在于,若所述D个维度包括水平维度和垂直维度,则所述N个区域中的任一个区域V的参数配置模型包括邻区信息编码模型、水平性能预测模型和垂直性能预测模型,所述区域V及其相邻区域的参数集合包括水平参数子集和垂直参数子集,所述区域V及其相邻区域的状态信息集合包括水平状态信息子集和垂直状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的水平性能预测模型的输入数据包括所述编码结果、所述区域V的水平状态信息子集和水平参数子集,所述区域V的水平性能预测模型的输出数据为所述区域V的水平性能指标预期值子集;
所述区域V的垂直性能预测模型的输入数据包括所述编码结果、所述区域V的垂直状态信息子集和垂直参数子集,所述区域V的垂直性能预测模型的输出数据为所述区域V的垂直性能指标预期值子集。
53.根据权利要求52所述的装置,其特征在于,所述邻区信息编码模型包括水平邻区信息编码模型和垂直邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括与所述区域V垂直相邻区域的垂直状态信息子集和与所述区域V水平相邻区域的水平状态信息子集,所述区域V的相邻区域的参数集合包括与所述区域V垂直相邻区域的垂直参数子集和与所述区域V水平相邻区域的水平参数子集,所述编码结果包括水平编码结果和垂直编码结果;
所述区域V的水平邻区信息编码模型的输入数据包括与所述区域V水平相邻区域的水平状态信息子集和水平参数子集,或者所述区域V的水平状态信息子集、水平参数子集和与所述区域V水平相邻区域的水平状态信息子集和水平参数子集;所述区域V的水平邻区信息编码模型的输出数据为水平编码结果;
所述区域V的垂直邻区信息编码模型的输入数据包括与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集,或者所述区域V的垂直状态信息子集、垂直参数子集和与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集;所述区域V的垂直邻区信息编码模型的输出数据为垂直编码结果。
54.根据权利要求44-46任一项所述的装置,其特征在于,若所述D个维度包括本区域维度、水平维度和垂直维度,则所述N个区域中的任一个区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型、水平性能预测模型和垂直性能预测模型,所述区域V及其相邻区域的参数集合包括本区域参数子集、水平参数子集和垂直参数子集,所述区域V及其相邻区域的状态信息集合包括本区域状态信息子集、水平状态信息子集和垂直状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的本区域性能预测模型的输入数据包括所述编码结果、所述区域V的本区域状态信息子集和本区域参数子集,所述区域V的本区域性能预测模型的输出数据为所述区域V的本区域性能指标预期值子集;
所述区域V的水平性能预测模型的输入数据包括所述编码结果、所述区域V的水平状态信息子集和水平参数子集,所述区域V的水平性能预测模型的输出数据为所述区域V的水平性能指标预期值子集;
所述区域V的垂直性能预测模型的输入数据包括所述编码结果、所述区域V的垂直状态信息子集和垂直参数子集,所述区域V的垂直性能预测模型的输出数据为所述区域V的垂直性能指标预期值子集。
55.根据权利要求54所述的装置,其特征在于,所述邻区信息编码模型包括本区域邻区信息编码模型、水平邻区信息编码模型和垂直邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括所述区域V的相邻区域的本区域状态信息子集、与所述区域V垂直相邻区域的垂直状态信息子集和与所述区域V水平相邻区域的水平状态信息子集,所述区域V的相邻区域的参数集合包括所述区域V的相邻区域的本区域参数子集、与所述区域V垂直相邻区域的垂直参数子集和与所述区域V水平相邻区域的水平参数子集,所述编码结果包括本区域编码结果、水平编码结果和垂直编码结果;
所述区域V的本区域邻区编码模型的输入数据包括所述区域V相邻的区域的本区域状态信息子集和本区域参数子集,或者所述区域V及其相邻区域的本区域状态信息子集和本区域参数子集;所述区域V的本区域编码模型的输出数据为所述本区域编码结果;
所述区域V的水平邻区信息编码模型的输入数据包括与所述区域V水平相邻区域的水平状态信息子集和水平参数子集,或者所述区域V的水平状态信息子集、水平参数子集和与所述区域V水平相邻区域的水平状态信息子集和水平参数子集;所述区域V的水平邻区信息编码模型的输出数据为所述水平编码结果;
所述区域V的垂直邻区信息编码模型的输入数据包括与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集,或者所述区域V的垂直状态信息子集、垂直参数子集和与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集;所述区域V的垂直邻区信息编码模型的输出数据为所述垂直编码结果。
56.根据权利要求47所述的装置,其特征在于,所述水平维度包括同频维度和异频维度,所述水平性能预测模型包括同频性能预测模型和异频性能预测模型,所述水平性能指标预期值子集包括同频性能指标预期值子集和异频性能指标预期值子集,所述区域V及与所述区域V水平相邻区域的水平状态信息子集包括同频状态信息子集和异频状态信息子集,所述区域V及与所述区域V水平相邻区域的水平参数子集包括同频参数子集和异频参数子集;
所述同频性能预测模型的输入数据包括所述编码结果、所述区域V的水平参数子集中的同频参数子集和水平状态信息子集中的同频状态信息子集;所述同频性能预测模型的输出数据为所述同频性能指标预期值子集;
所述异频性能预测模型的输入数据包括所述编码结果、所述区域V的水平参数子集中的异频参数子集和水平状态信息子集中的异频状态信息子集;所述异频性能预测模型的输出数据为所述异频性能指标预期值子集。
57.根据权利要求49、53和55任一项所述的装置,其特征在于,所述水平维度包括同频维度和异频维度,所述水平性能预测模型包括同频性能预测模型和异频性能预测模型,所述水平性能指标预期值子集包括同频性能指标预期值子集和异频性能指标预期值子集,所述区域V及与所述区域V水平相邻区域的水平状态信息子集包括同频状态信息子集和异频状态信息子集,所述区域V及与所述区域V水平相邻区域的水平参数子集包括同频参数子集和异频参数子集;
所述同频性能预测模型的输入数据包括所述编码结果、所述区域V的水平参数子集中的同频参数子集和水平状态信息子集中的同频状态信息子集;所述同频性能预测模型的输出数据为所述同频性能指标预期值子集;
所述异频性能预测模型的输入数据包括所述编码结果、所述区域V的水平参数子集中的异频参数子集和水平状态信息子集中的异频状态信息子集;所述异频性能预测模型的输出数据为所述异频性能指标预期值子集。
58.根据权利要求56所述的装置,其特征在于,所述水平邻区信息编码模型包括同频邻区信息编码模型和异频邻区信息编码模型,与所述区域V水平相邻区域的水平状态信息子集包括在与所述区域V水平相邻的区域中,与所述区域V同频相邻区域的同频状态信息子集和与所述区域V异频相邻的异频状态信息子集,与所述区域V水平相邻区域的水平参数子集包括在与所述区域V水平相邻的区域中,与所述区域V同频相邻区域的同频参数子集和与所述区域V异频相邻区域的异频参数子集,所述水平编码结果包括同频编码结果和异频编码结果,
所述同频邻区信息编码模型输入数据包括与所述区域V同频相邻区域的同频状态信息子集和同频参数子集,或者所述区域V的水平状态信息子集中的同频状态信息子集、所述区域V的水平参数子集中的同频参数子集和与所述区域V同频相邻的同频状态信息子集和同频参数子集,所述同频邻区信息编码模型的输出数据为所述同频编码结果;
所述异频邻区信息编码模型输入数据包括与所述区域V异频相邻区域的异频状态信息子集和异频参数子集,或者所述区域V的水平状态信息子集中的异频状态信息子集、所述区域V的水平参数子集中的异频参数子集和与所述区域V异频相邻的异频状态信息子集和异频参数子集,所述异频邻区信息编码模型的输出数据为所述异频编码结果。
59.根据权利要求57所述的装置,其特征在于,所述水平邻区信息编码模型包括同频邻区信息编码模型和异频邻区信息编码模型,与所述区域V水平相邻区域的水平状态信息子集包括在与所述区域V水平相邻的区域中,与所述区域V同频相邻区域的同频状态信息子集和与所述区域V异频相邻的异频状态信息子集,与所述区域V水平相邻区域的水平参数子集包括在与所述区域V水平相邻的区域中,与所述区域V同频相邻区域的同频参数子集和与所述区域V异频相邻区域的异频参数子集,所述水平编码结果包括同频编码结果和异频编码结果,
所述同频邻区信息编码模型输入数据包括与所述区域V同频相邻区域的同频状态信息子集和同频参数子集,或者所述区域V的水平状态信息子集中的同频状态信息子集、所述区域V的水平参数子集中的同频参数子集和与所述区域V同频相邻的同频状态信息子集和同频参数子集,所述同频邻区信息编码模型的输出数据为所述同频编码结果;
所述异频邻区信息编码模型输入数据包括与所述区域V异频相邻区域的异频状态信息子集和异频参数子集,或者所述区域V的水平状态信息子集中的异频状态信息子集、所述区域V的水平参数子集中的异频参数子集和与所述区域V异频相邻的异频状态信息子集和异频参数子集,所述异频邻区信息编码模型的输出数据为所述异频编码结果。
60.根据权利要求45、49、51、53、55和56任一项所述的装置,其特征在于,
所述获取模块还用于,在所述根据所述N个区域中每个区域的D个维度状态信息子集行协商,以得到所述N个区域中每个区域的D个维度目标参数子集之前,从训练设备中获取所述N个区域中每个区域的参数配置模型。
61.根据权利要求60所述的装置,其特征在于,当所述网络为无线蜂窝网络时,所述网络设备为基站,所述区域为所述基站覆的小区。
62.根据权利要求60所述的装置,其特征在于,当所述网络为WIFI网络时,所述网络设备为WiFi设备,所述区域为所述WiFi设备覆盖的区域。
63.根据权利要求62所述的装置,其特征在于,所述区域V被D个频段的信号覆盖,所述D个维度与所述D个频段一一对应。
64.一种训练装置,其特征在于,包括:
获取模块,用于获取网络设备的运行状态信息,所述运行状态信息包括所述网络设备覆盖的N个区域的状态信息集合、参数集合和第一性能指标预期值集合,其中,所述状态信息集合包括N个区域中每个区域的D个维度的状态信息子集,所述参数集合包括N个区域中每个区域的D个维度的参数子集,所述第一性能指标预期值集合包括N个区域中每个区域的D个维度的第一性能指标预期值子集,
计算模块,用于根据所述N个区域中任一区域V的D个维度的状态信息子集、D个维度的参数子集及与所述区域V在D个维度分别相邻的区域的D个维度的状态信息子集和D个维度的参数子集输入到所述区域V的初始配置模型中进行计算,以得到第二性能指标预期值子集;
调整模块,用于根据所述第一性能指标预期值子集和第二性能指标预期值子集调整所述初始配置模型中的参数,以得到所述区域V的参数配置模型;
其中,所述区域V的参数配置模型包括邻区信息编码模型和D个维度的性能预测模型。
65.根据权利要求64所述的装置,其特征在于,若D=1时,则所述D个维度只包括维度C,所述维度C为水平维度或者垂直维度;所述区域V的参数配置模型包括维度C邻区信息编码模型和维度C性能预测模型,所述区域V及其相邻区域的参数集合包括维度C参数子集,所述区域V及其相邻区域的状态信息集合包括维度C状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括与所述区域V的维度C相邻区域的维度C状态信息子集和维度C参数子集,或者所述区域V及与其维度C相邻区域的维度C状态信息子集及维度C参数子集,所述区域V的邻区信息编码模型的输出数据为维度C编码结果;
所述区域V的维度C性能预测模型的输入数据包括所述维度C编码结果、所述区域V的维度C状态信息子集和维度C参数子集,所述区域V的维度C性能预测模型的输出数据为所述区域V的维度C性能指标预期值子集。
66.根据权利要求64所述的装置,其特征在于,若所述D个维度包括本区域维度和水平维度,则所述区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和水平性能预测模型,所述区域V及其相邻区域的参数集合包括本区域参数子集和水平参数子集,所述区域V及其相邻区域的状态信息集合包括本区域状态信息子集和水平状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的本区域性能预测模型的输入数据包括所述编码结果、所述区域V的本区域状态信息子集和本区域参数子集,所述区域V的本区域性能预测模型的输出数据为所述区域V的本区域性能指标预期值子集;
所述区域V的水平性能预测模型的输入数据包括所述编码结果、所述区域V的水平状态信息子集和水平参数子集,所述区域V的水平性能预测模型的输出数据为所述区域V的水平性能指标预期值子集。
67.根据权利要求66所述的装置,其特征在于,所述邻区信息编码模型包括本区域邻区信息编码模型和水平邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括与所述区域V水平相邻区域的水平状态信息子集和所述区域V相邻区域的本区域状态信息子集,所述区域V的相邻区域的参数集合包括与所述区域V水平相邻区域的水平参数子集和所述区域V相邻区域的本区域参数子集,所述编码结果包括本区域编码结果和水平编码结果;
所述区域V的本区域邻区编码模型的输入数据包括所述区域V相邻的区域的本区域状态信息子集和本区域参数子集,或者所述区域V及其相邻区域的本区域状态信息子集和本区域参数子集;所述区域V的本区域编码模型的输出数据包括本区域编码结果;
所述区域V的水平邻区信息编码模型的输入数据包括与所述区域V水平相邻区域的水平状态信息子集和水平参数子集,或者所述区域V的水平状态信息子集、水平参数子集和与所述区域V水平相邻区域的水平状态信息子集和水平参数子集;所述区域V的水平邻区信息编码模型的输出数据为水平编码结果。
68.根据权利要求64所述的装置,其特征在于,若所述D个维度包括本区域维度和垂直维度,则所述区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型和垂直性能预测模型,所述区域V及其相邻区域的参数集合包括本区域参数子集和垂直参数子集,所述区域V及其相邻区域的状态信息集合包括本区域状态信息子集和垂直状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的本区域性能预测模型的输入数据包括所述编码结果、所述区域V的本区域状态信息子集和本区域参数子集,所述区域V的本区域性能预测模型的输出数据为所述区域V的本区域性能指标预期值子集;
所述区域V的垂直性能预测模型的输入数据包括所述编码结果、所述区域V的垂直状态信息子集和垂直参数子集,所述区域V的垂直性能预测模型的输出数据为所述区域V的垂直性能指标预期值子集。
69.根据权利要求68所述的装置,其特征在于,所述邻区信息编码模型包括本区域邻区信息编码模型和垂直邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括与所述区域V垂直相邻区域的垂直状态信息子集和所述区域V相邻区域的本区域状态信息子集,所述区域V的相邻区域的参数集合包括与所述区域V垂直相邻区域的垂直参数子集和所述区域V相邻区域的本区域参数子集,所述编码结果包括本区域编码结果和垂直编码结果;
所述区域V的本区域邻区编码模型的输入数据包括所述区域V相邻的区域的本区域状态信息子集和本区域参数子集,或者所述区域V及其相邻区域的本区域状态信息子集和本区域参数子集;所述区域V的本区域编码模型的输出数据包括本区域编码结果;
所述区域V的垂直邻区信息编码模型的输入数据包括与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集,或者所述区域V的垂直状态信息子集、垂直参数子集和与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集;所述区域V的垂直邻区信息编码模型的输出数据为垂直编码结果。
70.根据权利要求65所述的装置,其特征在于,若所述D个维度包括水平维度和垂直维度,则所述区域V的参数配置模型包括邻区信息编码模型、水平性能预测模型和垂直性能预测模型,所述区域V及其相邻区域的参数集合包括水平参数子集和垂直参数子集,所述区域V及其相邻区域的状态信息集合包括水平状态信息子集和垂直状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息集合及参数集合,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的水平性能预测模型的输入数据包括所述编码结果、所述区域V的水平状态信息子集和水平参数子集,所述区域V的水平性能预测模型的输出数据为所述区域V的水平性能指标预期值子集;
所述区域V的垂直性能预测模型的输入数据包括所述编码结果、所述区域V的垂直状态信息子集和垂直参数子集,所述区域V的垂直性能预测模型的输出数据为所述区域V的垂直性能指标预期值子集。
71.根据权利要求70所述的装置,其特征在于,所述邻区信息编码模型包括水平邻区信息编码模型和垂直邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括与所述区域V垂直相邻区域的垂直状态信息子集和与所述区域V水平相邻区域的水平状态信息子集,所述区域V的相邻区域的参数集合包括与所述区域V垂直相邻区域的垂直参数子集和与所述区域V水平相邻区域的水平参数子集,所述编码结果包括水平编码结果和垂直编码结果;
所述区域V的水平邻区信息编码模型的输入数据包括与所述区域V水平相邻区域的水平状态信息子集和水平参数子集,或者所述区域V的水平状态信息子集、水平参数子集和与所述区域V水平相邻区域的水平状态信息子集和水平参数子集;所述区域V的水平邻区信息编码模型的输出数据为水平编码结果;
所述区域V的垂直邻区信息编码模型的输入数据包括与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集,或者所述区域V的垂直状态信息子集、垂直参数子集和与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集;所述区域V的垂直邻区信息编码模型的输出数据为垂直编码结果。
72.根据权利要求64所述的装置,其特征在于,若所述D个维度包括本区域维度、水平维度和垂直维度,则所述区域V的参数配置模型包括邻区信息编码模型、本区域性能预测模型、水平性能预测模型和垂直性能预测模型,所述区域V及其相邻区域的参数集合包括本区域参数子集、水平参数子集和垂直参数子集,所述区域V及其相邻区域的状态信息集合包括本区域状态信息子集、水平状态信息子集和垂直状态信息子集,
所述区域V的邻区信息编码模型的输入数据包括所述区域V的相邻区域的状态信息集合和参数集合,或者所述区域V及其相邻区域的状态信息及状态信息子集及参数子集,所述区域V的邻区信息编码模型的输出数据为编码结果;
所述区域V的本区域性能预测模型的输入数据包括所述编码结果、所述区域V的本区域状态信息子集和本区域参数子集,所述区域V的本区域性能预测模型的输出数据为所述区域V的本区域性能指标预期值子集;
所述区域V的水平性能预测模型的输入数据包括所述编码结果、所述区域V的水平状态信息子集和水平参数子集,所述区域V的水平性能预测模型的输出数据为所述区域V的水平性能指标预期值子集;
所述区域V的垂直性能预测模型的输入数据包括所述编码结果、所述区域V的垂直状态信息子集和垂直参数子集,所述区域V的垂直性能预测模型的输出数据为所述区域V的垂直性能指标预期值子集。
73.根据权利要求72所述的装置,其特征在于,所述邻区信息编码模型包括本区域邻区信息编码模型、水平邻区信息编码模型和垂直邻区信息编码模型,所述区域V的相邻区域的状态信息集合包括所述区域V的相邻区域的本区域状态信息子集、与所述区域V垂直相邻区域的垂直状态信息子集和与所述区域V水平相邻区域的水平状态信息子集,所述区域V的相邻区域的参数集合包括所述区域V的相邻区域的本区域参数子集、与所述区域V垂直相邻区域的垂直参数子集和与所述区域V水平相邻区域的水平参数子集,所述编码结果包括本区域编码结果、水平编码结果和垂直编码结果;
所述区域V的本区域邻区编码模型的输入数据包括所述区域V相邻的区域的本区域状态信息子集和本区域参数子集,或者所述区域V及其相邻区域的本区域状态信息子集和本区域参数子集;所述区域V的本区域编码模型的输出数据包括本区域编码结果;
所述区域V的水平邻区信息编码模型的输入数据包括与所述区域V水平相邻区域的水平状态信息子集和水平参数子集,或者所述区域V的水平状态信息子集、水平参数子集和与所述区域V水平相邻区域的水平状态信息子集和水平参数子集;所述区域V的水平邻区信息编码模型的输出数据为水平编码结果;
所述区域V的垂直邻区信息编码模型的输入数据包括与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集,或者所述区域V的垂直状态信息子集、垂直参数子集和与所述区域V垂直相邻区域的垂直状态信息子集和垂直参数子集;所述区域V的垂直邻区信息编码模型的输出数据为垂直编码结果。
74.根据权利要求65-67、70-73任一项所述的装置,其特征在于,所述水平维度包括同频维度和异频维度,所述水平性能预测模型包括同频性能预测模型和异频性能预测模型,所述水平性能指标预期值子集包括同频性能指标预期值子集和异频性能指标预期值子集,所述区域V及与区域V水平相邻区域的水平状态信息子集包括同频状态信息子集和异频状态信息子集,所述区域V的水平参数子集包括同频参数子集和异频参数子集;
所述同频性能预测模型的输入数据包括所述编码结果、所述区域V的水平参数子集中的同频参数子集和水平状态信息子集中的同频状态信息子集;所述同频性能预测模型的输出数据为所述同频性能指标预期值子集;
所述异频性能预测模型的输入数据包括所述编码结果、所述区域V的水平参数子集中的异频参数子集和水平状态信息子集中的异频状态信息子集;所述异频性能预测模型的输出数据为所述异频性能指标预期值子集。
75.根据权利要求74所述的装置,其特征在于,所述水平邻区信息编码模型包括同频邻区信息编码模型和异频邻区信息编码模型,与所述区域V水平相邻区域的水平状态信息子集包括在与所述区域V水平相邻的区域中,与所述区域V同频相邻区域的同频状态信息子集和与所述区域V异频相邻的异频状态信息子集,与所述区域V水平相邻区域的水平参数子集包括在与所述区域V水平相邻的区域中,与所述区域V同频相邻区域的同频参数子集和与所述区域V异频相邻区域的异频参数子集,所述水平编码结果包括同频编码结果和异频编码结果,
所述同频邻区信息编码模型输入数据包括与所述区域V同频相邻区域的同频状态信息子集和同频参数子集,或者所述区域V的水平状态信息子集中的同频状态信息子集、所述区域V的水平参数子集中的同频参数子集和与所述区域V同频相邻的同频状态信息子集和同频参数子集,所述同频邻区信息编码模型的输出数据为所述同频编码结果;
所述异频邻区信息编码模型输入数据包括与所述区域V异频相邻区域的异频状态信息子集和异频参数子集,或者所述区域V的水平状态信息子集中的异频状态信息子集、所述区域V的水平参数子集中的异频参数子集和与所述区域V异频相邻的异频状态信息子集和异频参数子集,所述异频邻区信息编码模型的输出数据为所述异频编码结果。
76.根据权利要求75所述的装置,其特征在于,当所述网络为无线蜂窝网络时,所述网络设备为基站,所述区域为所述基站覆的小区。
77.根据权利要求75所述的装置,其特征在于,当所述网络为WIFI网络时,所述网络设备为WiFi设备,所述区域为所述WiFi设备覆盖的区域。
78.根据权利要求77所述的装置,其特征在于,所述区域V被D个频段的信号覆盖,所述D个维度与所述D个频段一一对应。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911180245.6A CN112839345B (zh) | 2019-11-25 | 2019-11-25 | 网络参数配置方法及装置 |
PCT/CN2020/126645 WO2021103972A1 (zh) | 2019-11-25 | 2020-11-05 | 网络参数配置方法及装置 |
US17/752,851 US20220295311A1 (en) | 2019-11-25 | 2022-05-25 | Network parameter configuration method and apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911180245.6A CN112839345B (zh) | 2019-11-25 | 2019-11-25 | 网络参数配置方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112839345A CN112839345A (zh) | 2021-05-25 |
CN112839345B true CN112839345B (zh) | 2022-06-14 |
Family
ID=75922922
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911180245.6A Active CN112839345B (zh) | 2019-11-25 | 2019-11-25 | 网络参数配置方法及装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220295311A1 (zh) |
CN (1) | CN112839345B (zh) |
WO (1) | WO2021103972A1 (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11546216B2 (en) * | 2020-12-22 | 2023-01-03 | Mellanox Technologies, Ltd. | Real time performance tuning of network devices |
CN117320047B (zh) * | 2023-11-29 | 2024-02-06 | 中国信息通信研究院 | 一种网络工作参数处理方法和设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105813017A (zh) * | 2015-01-19 | 2016-07-27 | 维亚威解决方案英国有限公司 | 用于使用地理定位和网络建模进行动态网络优化的技术 |
CN108174413A (zh) * | 2017-12-26 | 2018-06-15 | 广东欧珀移动通信有限公司 | 参数调整方法及装置 |
CN108306699A (zh) * | 2018-02-08 | 2018-07-20 | 南京华苏科技有限公司 | 一种基于增益预估的天馈优化方法 |
CN109905287A (zh) * | 2018-05-21 | 2019-06-18 | 华为技术有限公司 | 性能指标校准方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5733166B2 (ja) * | 2011-11-14 | 2015-06-10 | 富士通株式会社 | パラメータ設定装置、コンピュータプログラム及びパラメータ設定方法 |
US10700931B2 (en) * | 2014-08-17 | 2020-06-30 | Microsoft Technology Licensing, Llc | Network device configuration framework |
US10425860B2 (en) * | 2017-11-03 | 2019-09-24 | Netsia, Inc. | System and method for value optimized mobile networks |
CN110139289B (zh) * | 2018-02-09 | 2023-02-28 | 中兴通讯股份有限公司 | 一种调度方法及调度系统 |
-
2019
- 2019-11-25 CN CN201911180245.6A patent/CN112839345B/zh active Active
-
2020
- 2020-11-05 WO PCT/CN2020/126645 patent/WO2021103972A1/zh active Application Filing
-
2022
- 2022-05-25 US US17/752,851 patent/US20220295311A1/en active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105813017A (zh) * | 2015-01-19 | 2016-07-27 | 维亚威解决方案英国有限公司 | 用于使用地理定位和网络建模进行动态网络优化的技术 |
CN108174413A (zh) * | 2017-12-26 | 2018-06-15 | 广东欧珀移动通信有限公司 | 参数调整方法及装置 |
CN108306699A (zh) * | 2018-02-08 | 2018-07-20 | 南京华苏科技有限公司 | 一种基于增益预估的天馈优化方法 |
CN109905287A (zh) * | 2018-05-21 | 2019-06-18 | 华为技术有限公司 | 性能指标校准方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2021103972A1 (zh) | 2021-06-03 |
CN112839345A (zh) | 2021-05-25 |
US20220295311A1 (en) | 2022-09-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110770761B (zh) | 深度学习系统和方法以及使用深度学习的无线网络优化 | |
EP3636001B1 (en) | Optimizing cellular networks using deep learning | |
US10375585B2 (en) | System and method for deep learning and wireless network optimization using deep learning | |
Rodoshi et al. | Resource management in cloud radio access network: Conventional and new approaches | |
CN112913274B (zh) | 用于自组织网络的优化的过程 | |
US20220295311A1 (en) | Network parameter configuration method and apparatus | |
CN112512069B (zh) | 基于信道波束图样的网络智能优化方法及装置 | |
EP3451731A1 (en) | Cell clustering method, spectrum overlapping multiplexing method based on method, and device thereof | |
CN110213776A (zh) | 一种基于Q学习和多属性决策的WiFi卸载方法 | |
Alsuhli et al. | Mobility load management in cellular networks: A deep reinforcement learning approach | |
Almutairi et al. | A genetic algorithm approach for multi-attribute vertical handover decision making in wireless networks | |
Bag et al. | Machine learning-based recommender systems to achieve self-coordination between SON functions | |
US11140561B2 (en) | Electronic device and method for wireless communication | |
CN105407514A (zh) | 一种基于ahp/r-topsis的无线网络垂直切换方法 | |
Goutam et al. | Algorithm for vertical handover using multi attribute decision making techniques | |
WO2021164633A1 (zh) | 权值的发送方法、装置、存储介质及电子装置 | |
Wang et al. | Robust collaborative mesh networking with large-scale distributed wireless heterogeneous terminals in industrial cyber-physical systems | |
Banerjee et al. | On detection of manipulative cognitive functions in cognitive autonomous networks | |
Alkhawlani et al. | Radio network selection for tight-coupled wireless networks | |
Shah et al. | Online CQI‐based optimization using k‐means and machine learning approach under sparse system knowledge | |
Liu et al. | Research on D2D resource allocation algorithm based on improved fuzzy clustering | |
CN112383965B (zh) | 基于drqn和多传感器模型的认知无线电功率分配方法 | |
Zhu et al. | Prediction of cellular network channel utilization based on graph convolutional networks | |
Abubakar et al. | Physical Communication | |
Nashaat et al. | Machine Learning-based Cellular Traffic Prediction Using Data Reduction Techniques |
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 |