KR20030053278A - Method for Optimizing Wireless Network using the optimization of domain - Google Patents
Method for Optimizing Wireless Network using the optimization of domain Download PDFInfo
- Publication number
- KR20030053278A KR20030053278A KR1020010083454A KR20010083454A KR20030053278A KR 20030053278 A KR20030053278 A KR 20030053278A KR 1020010083454 A KR1020010083454 A KR 1020010083454A KR 20010083454 A KR20010083454 A KR 20010083454A KR 20030053278 A KR20030053278 A KR 20030053278A
- Authority
- KR
- South Korea
- Prior art keywords
- domain
- optimization
- domains
- fit
- wireless network
- Prior art date
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/18—Network planning tools
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
Description
본 발명은 무선망 최적화 방법에 관한 것으로서, 특히 최적화 대상이 되는 무선망 영역을 도메인이라는 하위의 영역으로 분할하고, 유전자 알고리즘을 이용하여 그 분할된 도메인을 최적화함으로써 현실적인 시간내에 간단하게 무선망을 최적화할 수 있게 하는, 도메인 최적화를 이용한 무선망 최적화 방법 및 상기 방법을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체에 관한 것이다.The present invention relates to a method for optimizing a wireless network. In particular, the wireless network area to be optimized is divided into sub-domains called domains, and the optimized domain is easily optimized within a realistic time by optimizing the divided domain using a genetic algorithm. A wireless network optimization method using domain optimization and a computer readable recording medium having recorded thereon a program for realizing the method.
앞으로 무선 데이터 통신 네트워크는 현재의 유선 통신 네트워크와 연결되어 모든 곳에서 사용자들에게 서비스를 제공할 것이다. 이때, 주파수와 같은 무선 통신 자원을 효율적으로 이용하여 사용자에게 고품질의 서비스를 제공하기 위해서는, 무선 데이터 네트워크는 데이터 트래픽의 양에 따라 통신 서비스 중에 가변적으로 최적화되어야 한다.In the future, wireless data communication networks will connect with current wired communication networks to provide services to users everywhere. In this case, in order to efficiently use a wireless communication resource such as frequency to provide a high quality service to a user, the wireless data network must be variably optimized during the communication service according to the amount of data traffic.
무선망 최적화는 통신 서비스 품질을 극대화하고, 제공 통신 서비스를 최대화하기 위해서 각 기지국 안테나의 파라미터를 최적화함으로써 수행된다.Wireless network optimization is performed by optimizing the parameters of each base station antenna in order to maximize communication service quality and maximize communication service provided.
즉, 통신 트래픽의 분포에 따라 가변적으로 안테나의 방향, 틸트 및 전파 세기를 변화시켜, 동적으로 변화하는 사용자 트래픽을 위한 통신 용량을 제공해야 한다.That is, it is necessary to vary the direction, tilt and propagation strength of the antenna according to the distribution of the communication traffic to provide communication capacity for dynamically changing user traffic.
그러므로, 최적화에 소요되는 계산 복잡도는 최적화될 파라미터들의 수에 의해 결정된다. 일반적인 경우, 최적화의 대상이 되는 파라미터들은 안테나의 방향,틸트와 신호세기를 결정하는 전파 세기와 같은 파라미터들을 포함한다.Therefore, the computational complexity required for optimization is determined by the number of parameters to be optimized. In the general case, the parameters to be optimized include parameters such as the direction of the antenna, tilt and propagation strength which determine signal strength.
무선망 최적화를 자동화하기 위해 많은 자동화 툴(Tool)들이 개발되고 있고, 새로운 방법들이 제안되고 있으나, 최적화 문제 자체가 비선형 문제(Non-Linear Problem)이며, 일반적으로 비선형 문제는 실시간에 해결이 불가능하다.Many automation tools have been developed and new methods have been proposed to automate wireless network optimization, but the optimization problem itself is a non-linear problem, and in general, non-linear problems cannot be solved in real time. .
따라서, 이러한 무선망 최적화 문제를 해결하기 위해, 기존의 무선망 최적화 방법에서는 무선망 최적화를 위해 유전자 알고리즘과 같은 휴리스틱적인 방법을 이용하여 해집합을 탐색하는 방법을 사용하였다. 그리고, 계산 속도 향상을 위해 많은 컴퓨터를 연결하여 C/PVM(Parallel Virtual Machine) 병렬 연산 방법을 사용하였다.Therefore, in order to solve the wireless network optimization problem, the conventional wireless network optimization method used a method of searching for a solution set using a heuristic method such as a genetic algorithm for the wireless network optimization. In order to improve the computation speed, C / PVM (Parallel Virtual Machine) parallel computation method was used by connecting many computers.
그러나, 상기와 같은 종래의 방법도, 알고리즘 자체로서는 일반적으로 해집합을 탐색하는데는 매우 효율적인 방법이지만, 무선망 최적화에 있어서는 유전자 알고리즘에 필수적인 평가함수(Fitness function)의 계산 복잡도가 너무 높기 때문에 현실적인 시간내에 의미있는 결과를 얻을 수 없다는 문제점이 있었다.However, such a conventional method is generally a very efficient method for searching for a solution set by the algorithm itself. However, since the computational complexity of the fitness function essential for the genetic algorithm is too high for the optimization of the wireless network, the time is realistic. There was a problem that I could not get meaningful results.
본 발명은, 상기와 같은 문제점을 해결하기 위하여 안출된 것으로, 최적화 대상이 되는 무선망 영역을 도메인이라는 하위의 영역으로 분할하고, 유전자 알고리즘을 이용하여 그 분할된 도메인을 최적화함으로써 현실적인 시간내에 간단하게 무선망을 최적화할 수 있게 하는, 도메인 최적화를 이용한 무선망 최적화 방법 및 상기 방법을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공하는데 그 목적이 있다.The present invention has been devised to solve the above problems, and the wireless network area to be optimized is divided into sub-domains of domains, and the genetic domains are optimized to simplify the divided domains in a realistic time. It is an object of the present invention to provide a method for optimizing a wireless network using domain optimization and a computer-readable recording medium having recorded thereon a program for realizing the method.
도 1 은 본 발명에 따른 무선망 최적화를 위한 1차 및 2차 도메인에 대한 일실시예 설명도.1 is a diagram illustrating an embodiment of primary and secondary domains for optimizing a wireless network according to the present invention.
도 2a 는 본 발명에 따른 2차 도메인 최적화를 적용한 무선망 최적화 방법에대한 일실시예 흐름도.2A is a flowchart illustrating an embodiment of a wireless network optimization method using secondary domain optimization according to the present invention.
도 2b 는 본 발명에 따른 2차 도메인 최적화를 적용한 무선망 최적화 방법에 대한 프로그램 리스트.2B is a program list for a wireless network optimization method applying secondary domain optimization according to the present invention.
도 3a 는 본 발명에 따른 2차 도메인 최적화를 적용하지 않은 무선망 최적화 방법에 대한 일실시예 흐름도.3A is a flowchart illustrating an embodiment of a method for optimizing a wireless network without applying secondary domain optimization according to the present invention.
도 3b 는 본 발명에 따른 2차 도메인 최적화를 적용하지 않은 무선망 최적화 방법에 대한 프로그램 리스트.3B is a program list for a wireless network optimization method without applying secondary domain optimization according to the present invention.
도 4a 및 도 4b 는 계산량에 따른 커버리지 최적화 효율에 대한 비교 설명도.4A and 4B are comparative explanatory diagrams of coverage optimization efficiency according to calculation amount.
상기의 목적을 달성하기 위한 본 발명은, 무선망 최적화 시스템에 적용되는 무선망 최적화 방법에 있어서, 전체 최적화 대상 영역을 도메인들로 분할한 후, 상기 분할된 각각의 도메인에 대하여 적합도를 계산하는 제 1 단계; 상기 전체 최적화 대상 영역에 대한 적합도가 상기 소정의 임계값이상이 될 때까지, 상기 분할된 도메인들 중에서 가장 낮은 적합도를 갖는 도메인부터 1차 도메인(Primary Domain)으로 지정하고 상기 1차 도메인을 타겟 도메인(Target Domain)으로 지정한 후, 유전자 알고리즘을 이용하여 상기 지정된 타겟도메인을 최적화하는 제 2 단계; 및 상기 제 2 단계의 최적화 과정 중 상기 1차 도메인의 적합도가 전체 도메인의 평균적합도값 이상으로 개선되지 않고 상기 소정의 유전자 진화 세대수를 넘으면, 현재 최적화 대상이 되는 기지국의 2차 도메인들 중에 가장 낮은 적합도를 갖는 2차 도메인부터 선택하여 하나씩 유전자 알고리즘을 이용하여 최적화하여, 상기 1차 도메인의 적합도가 전체 도메인의 평균 이상이면 상기 제 2 단계로 돌아가는 제 3 단계를 포함한다.According to an aspect of the present invention, there is provided a wireless network optimization method applied to a wireless network optimization system, comprising: dividing an entire optimization target region into domains, and then calculating a goodness of fit for each of the divided domains. Stage 1; Until the goodness-of-fit for the entire optimization target region is greater than or equal to the predetermined threshold value, the domain having the lowest goodness of fit among the divided domains is designated as a primary domain and the primary domain is designated as a target domain. A second step of optimizing the designated target domain using a genetic algorithm after designating a target domain; And if the goodness of fit of the primary domain does not improve beyond the average fit value of the entire domain and exceeds the predetermined number of gene evolution generations during the optimization of the second stage, the lowest among the secondary domains of the base station currently being optimized. And selecting a secondary domain having a goodness of fit and optimizing one by one using a genetic algorithm, and returning to the second step if the goodness of fit of the primary domain is equal to or greater than the average of all domains.
한편, 본 발명은, 무선망 최적화 시스템에 적용되는 무선망 최적화 방법에 있어서, 전체 최적화 대상 영역을 도메인들로 분할한 후, 상기 분할된 각각의 도메인들에 대하여 적합도를 계산하는 제 1 단계; 및 상기 전체 최적화 대상 영역에 대한 적합도가 소정의 임계값 이상이 될 때까지, 상기 분할된 도메인들 중에서 가장낮은 적합도값을 갖는 도메인부터 타겟 도메인으로 지정한 후 유전자 알고리즘을 이용하여 상기 지정된 타겟 도메인을 최적화하는 제 2 단계를 포함한다.Meanwhile, the present invention provides a method for optimizing a wireless network, comprising: a first step of dividing an entire optimization target region into domains and then calculating suitability for each of the divided domains; And assigning a target domain from a domain having the lowest goodness of fit among the divided domains until the fitness for the entire optimization target region is equal to or greater than a predetermined threshold value, and then optimizing the designated target domain using a genetic algorithm. It includes a second step.
한편, 본 발명은, 무선망을 최적화하기 위하여, 프로세서를 구비한 무선망 최적화 시스템에, 전체 최적화 대상 영역을 도메인들로 분할한 후, 상기 분할된 각각의 도메인에 대하여 적합도를 계산하는 제 1 기능; 상기 전체 최적화 대상 영역에 대한 적합도가 상기 소정의 임계값이상이 될 때까지, 상기 분할된 도메인들 중에서 가장 낮은 적합도를 갖는 도메인부터 1차 도메인(Primary Domain)으로 지정하고 상기 1차 도메인을 타겟 도메인(Target Domain)으로 지정한 후, 유전자 알고리즘을 이용하여 상기 지정된 타겟도메인을 최적화하는 제 2 기능; 및 상기 제 2 기능의 최적화 과정 중 상기 1차 도메인의 적합도가 전체 도메인의 평균적합도값 이상으로 개선되지 않고 상기 소정의 유전자 진화 세대수를 넘으면, 현재 최적화 대상이 되는 기지국의 2차 도메인들 중에 가장 낮은 적합도를 갖는 2차 도메인부터 선택하여 하나씩 유전자 알고리즘을 이용하여 최적화하여, 상기 1차 도메인의 적합도가 전체 도메인의 평균 이상이면 상기 제 2 기능로 돌아가는 제 3 기능을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.On the other hand, the present invention, in order to optimize the wireless network, in a wireless network optimization system having a processor, the first function of dividing the entire optimization target region into domains, and then calculating the suitability for each of the divided domains ; Until the goodness-of-fit for the entire optimization target region is greater than or equal to the predetermined threshold value, the domain having the lowest goodness of fit among the divided domains is designated as a primary domain and the primary domain is designated as a target domain. A second function of optimizing the designated target domain using a genetic algorithm after designating a target domain; And when the goodness of fit of the primary domain does not improve beyond the average fitness value of the entire domain and exceeds the predetermined gene evolution generation number during the optimization of the second function, the lowest among the secondary domains of the base station currently being optimized. Select from secondary domains having goodness-of-fit and optimize them using genetic algorithms one by one, and if the goodness-of-fit of the primary domain is above the average of all domains, read the program for realizing the third function to return to the second function. Provides a record medium that can be.
한편, 본 발명은, 무선망을 최적화하기 위하여, 프로세서를 구비한 무선망 최적화 시스템에, 전체 최적화 대상 영역을 도메인들로 분할한 후, 상기 분할된 각각의 도메인들에 대하여 적합도를 계산하는 제 1 기능; 및 상기 전체 최적화 대상 영역에 대한 적합도가 소정의 임계값 이상이 될 때까지, 상기 분할된 도메인들 중에서 가장 낮은 적합도값을 갖는 도메인부터 타겟 도메인으로 지정한 후 유전자 알고리즘을 이용하여 상기 지정된 타겟 도메인을 최적화하는 제 2 기능을 실현시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.On the other hand, the present invention, in order to optimize the wireless network, in a wireless network optimization system having a processor, after dividing the entire area to be optimized into domains, and calculating the suitability for each of the divided domains function; And assigning a target domain from a domain having the lowest goodness of fit among the divided domains until the fitness for the entire optimization target region is equal to or greater than a predetermined threshold value, and then optimizing the designated target domain using a genetic algorithm. A computer readable recording medium having recorded thereon a program for realizing a second function is provided.
본 발명은, 최적화 문제를 보다 작은 문제로 나누어 최적화함으로써 의미있는 결과를 얻는데 요구되는 계산 복잡도를 최소화하는 것으로서, 본 발명에 해당하는 최적화 방법은 일반적으로 많이 사용되는 무선망에 대한 최적화 목표들에 대하여 모두 사용 가능하며, 선택된 최적화 목표에 따라 그 계산량이 크게 변화하지 않는다.The present invention minimizes the computational complexity required to achieve meaningful results by dividing and optimizing the optimization problem into smaller problems. The optimization method corresponding to the present invention is directed to optimization objectives for commonly used wireless networks. All are available, and the amount of computation does not change significantly depending on the optimization goal chosen.
이하, 가장 일반적으로 사용되는 무선망의 최적화 목표인 커버리지 최적화를 기준으로 사용하여, 설명하기로 한다.Hereinafter, the description will be made based on coverage optimization, which is an optimization target of the most commonly used wireless network.
이 경우, 목적 함수는 다음의 (수학식 1)과 같이 정의할 수 있다.In this case, the objective function can be defined as follows.
f(x1, x2, x3,..., xn-1, xn)f (x 1 , x 2 , x 3 , ..., x n-1 , x n )
Subject to:Subject to:
∀i, xi≥li, xi≤ki ∀i, x i ≥l i , x i ≤ k i
여기서, xi는 최적화할 안테나의 파라미터, f( )는 최적화할 파라미터들을 입력으로 받아 대상 영역의 커버리지를 돌려주는 함수를 나타내며, n은 대상 안테나와 최적화할 파라미터의 수에 따라 결정된다.Here, x i denotes a parameter of an antenna to be optimized, f () denotes a function of receiving parameters to be optimized and returning coverage of the target area, and n is determined according to the target antenna and the number of parameters to be optimized.
상기의 목적 함수는 함수 f( )를 최대화하는 파라미터들의 조합을 찾는 것이다. li와 ki는 파라미터 xi의 종류와 다른 현실적인 제한에 의해 결정된다. 예를 들면, 안테나의 설치 위치에 따라 안테나의 틸트 각도가 제한될 수 있다. 이때 최적화 문제의 해 집합의 크기는또는이 된다. 여기서, Ri는 파라미터 xi의 정밀도,A는 기지국에 설치된 안테나의 수, M은 기지국의 수, P는 최적화할 안테나의 파라미터 수를 나타낸다.The objective function above is to find a combination of parameters that maximizes the function f (). liAnd kiIs the parameter xiIs determined by the type and other realistic restrictions. For example, the tilt angle of the antenna may be limited according to the installation position of the antenna. The size of the solution set of the optimization problemorBecomes Where RiIs a parameter xiPrecision,AIs the number of antennas installed in the base station, M is the number of base stations, P is the number of parameters of the antenna to be optimized.
본 발명에서는 각각의 기지국의 위치와 초기 안테나 파라미터들은 이미 결정되어 있다고 가정한다. 본 발명에 해당하는 최적화 방법은 우선 무선 네트워크를 "도메인"이라고 불리는 보다 작은 하위의 영역들로 나누는 데서부터 시작한다.In the present invention, it is assumed that the position and initial antenna parameters of each base station are already determined. The optimization method corresponding to the present invention first begins by dividing the wireless network into smaller sub-areas called "domains."
도메인은 하나의 최적화의 대상이 되는 기지국을 포함하며, 그 대상이 되는 한 기지국의 파라미터들에 의해 해당 도메인의 적합도가 결정되는데, 이 도메인 영역의 서비스 커버리지 값을 기준으로 하여 대상 기지국에 설치된 안테나들의 파라미터를 결정하게 된다. 이때, 최적화의 대상이 되는 안테나들이 설치된 기지국을 도메인의 "대상 기지국"으로 정의한다. 그러므로, 무선망 최적화를 수행하는데 있어 도메인들의 수는 최적화 대상 기지국의 수와 동일하게 된다.The domain includes a base station to be subjected to an optimization, and the suitability of the domain is determined by the parameters of the base station as the target, and based on the service coverage value of the domain area, The parameter will be determined. At this time, the base station where the antennas to be optimized are installed is defined as the "target base station" of the domain. Therefore, in performing the wireless network optimization, the number of domains becomes equal to the number of base stations to be optimized.
그러나, 현실적으로는 하나의 단일 기지국에 의해서만 서비스 커버리지가 결정되는 영역은 찾기가 쉽지 않다. 왜냐하면, 일반적으로, 어느 한 지점의 통신 서비스 가능 여부를 결정하는 신호 세기는 인접한 기지국들로부터의 신호로부터 영향을 받기 때문이다. 이러한 문제를 해결하기 위해, "중첩 도메인"을 사용한다.However, in reality, it is not easy to find an area where service coverage is determined by only one single base station. This is because, in general, the signal strength that determines whether a communication service at any one point is affected by signals from neighboring base stations. To solve this problem, use "nested domains".
따라서, 무선망 최적화를 수행하는데 있어 하나의 대상 기지국은 하나의 "1차 도메인"과 하나 이상의 "2차 도메인"들을 갖게 되며, 여기서 1차 도메인은 하나 이상의 2차 도메인들과 중첩된다. 이때, 1차 도메인은 대상 기지국의 도메인이며, 2차 도메인은 1차 도메인에 인접한 기지국들의 도메인이다. 그러므로, 어느 한 기지국의 2차 도메인의 수는 대상 기지국에 인접한 기지국의 수가 된다.Thus, in performing wireless network optimization, one target base station has one "primary domain" and one or more "secondary domains", where the primary domain overlaps one or more secondary domains. In this case, the primary domain is a domain of the target base station, and the secondary domain is a domain of base stations adjacent to the primary domain. Therefore, the number of secondary domains of either base station is the number of base stations adjacent to the target base station.
본 발명에서는 최적화 대상이 되는 기지국을 최적화하기 위한 도메인을 인접한 기지국을 포함하는 컨벡스 홀(convex hull)로 정의한다. 도메인을 결정하기 위해 보다 복잡한 "minimum maximal independent set"과 같은 방법을 사용할 수도 있지만, 도메인의 결정 방법은 최적화하고자 하는 목표에 따라 달라지게 된다.In the present invention, a domain for optimizing a base station to be optimized is defined as a convex hull including an adjacent base station. You can use a more complex method like "minimum maximal independent set" to determine the domain, but the method of determining the domain depends on the goal you want to optimize.
무선망 최적화는 최적화의 대상이 되는 모든 도메인들의 커버리지(즉, 서비스 가능 비율)를 평가 함수를 이용하여 평가하고, 모든 도메인들의 평균을 구한 후, 도메인 영역의 커버리지가 평균 이하인 도메인의 대상 기지국의 파라미터들을 변경함으로써 수행된다.The wireless network optimization evaluates the coverage (i.e. serviceability ratio) of all domains to be optimized using an evaluation function, averages all domains, and then selects a parameter of a target base station of a domain whose coverage of the domain area is below the average. By changing them.
이하, 첨부된 도면을 참조하여 본 발명에 따른 바람직한 일실시예를 상세히 설명한다.Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings.
도 1 은 본 발명에 따른 무선망 최적화를 위한 1차 및 2차 도메인에 대한 일실시예 설명도이다.1 is a diagram illustrating an embodiment of primary and secondary domains for optimizing a wireless network according to the present invention.
도면에서, 기지국 B(i,i)를 중심으로 하여 실선으로 둘러싸인 음영지역이 기지국 B(i,i)의 1차 도메인(11)이다.In the figure, the shaded area surrounded by the solid line around the base station B (i, i) is the primary domain 11 of the base station B (i, i).
B(i,i)의 1차 도메인 영역(11)은 모든 인접한 기지국들을 포함하는 컨벡스 홀(convex hull)이다. 점선으로 둘러싸인 또 다른 육각의 음영지역은 B(i,i)의 2차 도메인(12)이면서 동시에 B(i-1,i+1)의 1차 도메인이 된다. 도면에서, 진하게 표시된 영역(13)은 B(i,i)의 1차 도메인(11)과 2차 도메인(12)간의 중첩된 영역을 나타낸다.The primary domain region 11 of B (i, i) is a convex hull containing all adjacent base stations. Another hexagonal shaded area surrounded by a dotted line is the secondary domain 12 of B (i, i) and at the same time the primary domain of B (i-1, i + 1). In the figure, the area 13 shown in bold represents the overlapping area between the primary domain 11 and the secondary domain 12 of B (i, i).
최적화의 대상이 되는 모든 도메인들의 서비스 커버리지를 계산한 후, 만약 기지국 B(i,i)의 1차 도메인(11)이 도메인들 중에 가장 낮은 적합도를 갖는다면, 이 도메인의 대상 기지국인 B(i,i) 파라미터들에 대한 최적화가 가장 먼저 수행될 것이다.After calculating the service coverage of all domains subject to optimization, if the primary domain 11 of base station B (i, i) has the lowest goodness of fit among the domains, then B (i i) Optimization of the parameters will be performed first.
본 발명이 적용되는 무선망 최적화 시스템에서는 각각의 도메인을 최적화하기 위해 유전자 알고리즘을 이용한다. 유전자 알고리즘을 이용하여 1차 도메인의 적합도가 모든 1차 도메인의 평균값 이상을 갖거나, 또는 유전자의 진화 세대수가 미리 정의된 임계값에 도달할 때까지 계속된다.The wireless network optimization system to which the present invention is applied uses a genetic algorithm to optimize each domain. Using genetic algorithms, the goodness of fit of the primary domain is above the mean of all primary domains, or until the number of evolutionary generations of the gene reaches a predefined threshold.
만약, 적합도가 평균 이상으로 개선되지 않고 진화 세대수가 임계값에 도달하였다면, 이러한 경우는 부적절하게 최적화된(즉, 최적화 되지 않은) 인접한 기지국의 파라미터 때문이라고 판단하여, 현재 대상 기지국의 2차 도메인들 중에 가장 낮은 적합도를 갖는 2차 도메인부터 선택하여 1차 도메인의 적합도가 평균 이상이 될 때까지 하나씩 유전자 알고리즘을 이용하여 최적화한다. 이러한 무선 네트워크 최적화 알고리즘은 도 2 에 도시된 바와 같다.If the goodness-of-fit has not improved above the average and the number of evolutionary generations has reached a threshold, this is determined to be due to an improperly optimized (i.e. not optimized) parameter of the neighboring base station, and the secondary domains of the current target base station. We select from the secondary domains with the lowest goodness of fit and optimize them using genetic algorithms one by one until the goodness of fit of the primary domain is above average. This wireless network optimization algorithm is as shown in FIG.
도 2a 는 본 발명에 따른 2차 도메인 최적화를 적용한 무선망 최적화 방법에대한 일실시예 흐름도이다.2A is a flowchart illustrating an embodiment of a wireless network optimization method using secondary domain optimization according to the present invention.
도 2a 의 무선망 최적화 방법에서는 한번에 하나의 도메인씩 최적화한다. 이때, 최적화의 대상이 되는 도메인은 타겟도메인(TargetDoamin)으로 정의된다.The wireless network optimization method of FIG. 2A optimizes one domain at a time. In this case, the domain to be optimized is defined as a target domain.
각 기지국의 위치와 설정 변수들은 최적화 방법 수행이전에 초기값이 결정되어있다고 가정한다.The location and configuration parameters of each base station are assumed to have an initial value determined before the optimization method is performed.
전체 최적화 대상 영역을 중첩도메인들로 분할한 후(200), 각각의 최적화의 대상이 되는 모든 도메인들의 적합도를 계산하여(202), 도메인으로 분할하지 않은은 전체 대상영역의 적합도가 임계값 이상인지를 판단한다(204).After dividing the entire optimization target region into overlapping domains (200), the fitness of all the domains targeted for each optimization is calculated (202). Determine (204).
판단 결과, 만약 전체 대상 영역의 적합도가 입계값이상이면 종료하고, 만약 전체 대상 영역의 적합도가 입계값보다 낮다면, 도메인들 중에서 가장 낮은 적합도를 갖는 도메인의 설정 변수들에 대한 최적화가 가장 먼저 수행한다.As a result of the determination, if the goodness of fit of the entire target area is greater than the threshold value, it ends. do.
즉, 도메인들 중에서 가장 낮은 적합도를 갖는 도메인을 1차 도메인(Primary Domain)으로 지정하고(206), 1차 도메인(Primary Domain)을 타겟 도메인(Target Domain)으로 지정한 후(208), 그 지정된 타겟 도메인(Target Domain)의 설정을 유전자 알고리즘을 이용하여 최적화한다(210).That is, the domain having the lowest goodness of fit among the domains is designated as the primary domain (206), the primary domain is designated as the target domain (Target Domain) (208), and the designated target The setup of a target domain is optimized using a genetic algorithm (210).
이후, 1차 도메인(Primary Domain)의 적합도가 전체 도메인의 평균값 이상인지를 확인하여(212), 만약 전체 도메인의 평균적합도값(이하, 간단히 평균값이라 함) 이상이면 "204"로 돌아가고, 만약 전체 도메인의 평균값보다 작으면 1차 도메인(Primary Domain)의 2차도메인들 중에서 가장 낮은 적합도를 갖는 도메인을 타겟 도메인(Target Domain)으로 지정하고(214), 타겟 도메인(Target Domain)의 설정을유전자알고리즘을 이용하여 최적화한 후(216), 다시 "212"로 되돌아 간다.Then, it is checked whether the goodness of fit of the primary domain is equal to or greater than the average value of the entire domain (212), and if it is equal to or greater than the average suitability value of the entire domain (hereinafter, simply referred to as the average value), it returns to "204". If it is less than the average value of the domain, the domain having the lowest goodness of fit among the secondary domains of the primary domain is designated as the target domain (214), and the target domain is set to the target algorithm. After optimizing using 216, it returns to "212" again.
상기의 설명을 간단히 설명하면, 다음과 같다. 먼저 전체 최적화 대상 영역을 도메인들로 분할한 후, 그 분할된 각각의 도메인에 대하여 적합도를 계산한다(제 1 과정).그리고 나서, 전체 최적화 대상 영역에 대한 적합도가 소정의 임계값 이상이 될 때까지, 분할된 도메인들 중에서 가장 낮은 적합도를 갖는 도메인부터 1차 도메인(Primary Domain)으로 지정하고 다시 그 1차 도메인을 타겟 도메인(Target Domain)으로 지정한 후, 유전자 알고리즘을 이용하여 지정된 타겟도메인을 최적화한다(제 2 과정). 이러한 최적화 과정 중 1차 도메인의 적합도가 전체 도메인의 평균적합도값 이상으로 개선되지 않고 일정한 유전자 진화 세대수를 넘으면, 현재 최적화 대상이 되는 기지국의 2차 도메인들 중에 가장 낮은 적합도를 갖는 2차 도메인부터 선택하여 하나씩 유전자 알고리즘을 이용하여 최적화하여, 상기 1차 도메인의 적합도가 전체 도메인의 평균 이상이면 제 2 과정으로 돌아간다(제 3 과정).The above description is briefly described as follows. First, the entire optimization target region is divided into domains, and then the fitness is calculated for each divided domain (step 1). Then, when the fitness for the entire optimization target region becomes equal to or greater than a predetermined threshold value. Until, the domain with the lowest goodness of the divided domains to the primary domain (primary domain) and the primary domain as the target domain (Target domain) and then designated target domain using a genetic algorithm to optimize (Step 2). If the goodness-of-fit of the primary domain does not improve above the average goodness-of-fit of the entire domain and exceeds a certain number of gene evolution generations, the second domain having the lowest goodness of fit among the secondary domains of the base station currently being optimized is selected. By optimizing using a genetic algorithm one by one, if the goodness of fit of the primary domain is above the average of the entire domain, the process returns to the second process (third process).
본발명이 적용되는 무선망 최적화 시스템에서는 각각의 도메인을 최적화하기 위해 유전자 알고리즘을 이용한다. 유전자 알고리즘을 이용하여 1차 도메인의 적합도가 모든 1차 도메인의 평균값 이상을 갖거나 또는 유전자 진화 세대수가 미리 정의된 임계값에 도달할 때까지 계속된다.The wireless network optimization system to which the present invention is applied uses a genetic algorithm to optimize each domain. Using genetic algorithms, the goodness of fit of the primary domain is continued until it has a mean value above all primary domains or until the number of gene evolution generations reaches a predefined threshold.
만약, 적합도가 평균 이상으로 개선되지 않고 진화 세대수가 임계값에 도달하였다면, 이러한 경우는 부적절하게 최적화된(즉, 최적화 되지 않은) 인접한 기지국의 파라미터 때문이라고 판단하여, 현재 대상 기지국의 2차 도메인들 중에 가장낮은 적합도를 갖는 2차 도메인부터 선택하여 1차 도메인의 적합도가 평균 이상이 될 때까지 하나씩 유전자 알고리즘을 이용하여 최적화한다.If the goodness-of-fit has not improved above the average and the number of evolutionary generations has reached a threshold, this is determined to be due to an improperly optimized (i.e. not optimized) parameter of the neighboring base station, and the secondary domains of the current target base station. We select from the secondary domains with the lowest goodness of fit and optimize them using genetic algorithms one by one until the goodness of fit of the primary domain is above average.
이러한 과정은, 전체 영역의 적합도가 임계값 이상이 될 때까지 반복적으로수행한다. 이러한 종결조건은 예로서 든 것이며, 실제로는 반복 횟수 또는 경과 시간등 다른 조건에 의해 최적화 종결을 결정할 수 있다.This process is performed repeatedly until the goodness of fit of the whole region is equal to or greater than the threshold value. These termination conditions are taken as examples and in practice the optimization termination can be determined by other conditions such as the number of iterations or the elapsed time.
도 2b 는 본 발명에 따른 2차 도메인 최적화를 적용한 무선망 최적화 방법에 대한 프로그램 리스트이다.2B is a program list for a wireless network optimization method applying secondary domain optimization according to the present invention.
S는 유전자 알고리즘 적용을 위해 사용되는 평가 함수에 의해 계산되는 적합도,S Threshol 는 적합도 임계값,S Average 는 전체 도메인들의 평균 적합도를 나타낸다.S의 아래 첨자는 평가함수의 대상을 나타낸다. 예를 들면,S TargetDomain 은 타겟 도메인(TargetDoamin)의 적합도를 나타낸다. S is the fitness calculated by the evaluation function used for genetic algorithm application, S Threshol is the fitness threshold, and S Average is the average fitness of the whole domains. The subscript in S indicates the subject of the evaluation function. For example, S TargetDomain represents the goodness of fit of the target domain ( TargetDoamin) .
N은 유전자 진화 세대 수,N TestedGenerations 는 현재까지 평가된 진화 세대 수,N Threshold 은 진화 세대 수에 대한 임계값,S.min()은 최적화 대상 도메인들 중에서 가장 낮은 적합도를 갖는 도메인을 리턴하는 함수를 나타낸다. N is the number of gene evolutionary generations, N TestedGenerations is the number of evolutionary generations evaluated to date, N Threshold is the threshold for the number of evolutionary generations, and S.min () returns the domain with the lowest fit among the domains to be optimized Indicates.
도 3a 는 본 발명에 따른 2차 도메인 최적화를 적용하지 않은 무선망 최적화 방법에 대한 일실시예 흐름도이다.3A is a flowchart illustrating an embodiment of a method for optimizing a wireless network without applying secondary domain optimization according to the present invention.
1차 도메인의 적합도가 대상 기지국의 최적화에 의해 평균 이상이 되지 않는 이유가 부적절하게 설정된 중첩된 2차 도메인의 기지국 때문이라면, 이 기지국을 대상 기지국으로 하는 도메인 역시 낮은 적합도 값을 가질 것이므로, 이 도메인도선택되어 최적화될 것이다. 따라서, 도 2a 의 방법보다 간단하게 거의 같은 효율의 무선망을 최적화할 수가 있다.If the primary domain's goodness of fit is not above average due to the optimization of the target base station, because of improperly set base stations in the nested secondary domain, the domain that targets this base station will also have a low goodness of fit value. Will also be selected and optimized. Therefore, it is possible to optimize the wireless network with almost the same efficiency more simply than the method of FIG. 2A.
여기서도, 각 기지국의 위치와 설정 변수들은 최적화 수행 이전에 초기값이 결정되어있다고 가정한다.Here, it is also assumed that the position and setting parameters of each base station are determined to have an initial value before the optimization is performed.
전체 최적화 대상 영역을 도메인들로 분할한 후(300), 각각의 최적화의 대상이 되는 모든 도메인들의 적합도를 계산하여(302), 전체 최적화 대상 영역의 적합도가 임계값 이상인지를 판단한다(304).After dividing the entire optimization target region into domains (300), the fitness of all the domains targeted for each optimization is calculated (302), and it is determined whether the fitness of the entire optimization target region is greater than or equal to the threshold (304). .
판단 결과, 전체 최적화 대상 영역의 적합도가 임계값 이상이면 종료한다.As a result of the determination, if the goodness of fit of the entire optimization target region is equal to or greater than the threshold value, the process ends.
판단 결과, 전체 최적화 대상 영역의 적합도가 임계값보다 낮다면, 가장 낮은 적합도를 갖는 도메인의 설정 변수들에 대한 최적화를 가장 먼저 수행한다.As a result of the determination, if the goodness of fit of the entire optimization target region is lower than the threshold value, optimization for the setting variables of the domain having the lowest goodness of fit is first performed.
즉, 도메인들 중에서 가장 낮은 적합도를 갖는 도메인을 타겟 도메인(Target Domain)으로 지정하고(306), 타겟 도메인(Target Domain)의 설정을 유전자알고리즘을 이용하여 최적화한 후(308), "304"로 되돌아간다.That is, the domain having the lowest goodness of fit among the domains is designated as the target domain (Target Domain) (306), and the setting of the target domain (Target Domain) is optimized using the genetic algorithm (308), and then "304". Go back.
상기의 설명을 간단히 설명하면, 다음과 같다. 전체 최적화 대상 영역을 도메인들로 분할한 후, 상기 분할된 각각의 도메인들에 대하여 적합도를 계산한다. 그리고 나서, 전체 최적화 대상 영역에 대한 적합도가 일정한 임계값 이상이 될 때까지, 그 분할된 도메인들 중에서 가장 낮은 적합도값을 갖는 도메인부터 타겟 도메인으로 지정한 후 유전자 알고리즘을 이용하여 그 지정된 타겟 도메인을 최적화하는 것이다.The above description is briefly described as follows. After dividing the entire optimization target region into domains, a goodness of fit is calculated for each of the divided domains. Then, until the goodness-of-fit for the entire optimization target region is greater than or equal to a certain threshold, the domain having the lowest goodness of fit among the divided domains is designated as the target domain, and then optimized using the genetic algorithm. It is.
본 발명이 적용되는 무선망 최적화 시스템에서는 각각의 도메인을 최적화하기 위해 유전자 알고리즘을 이용한다.The wireless network optimization system to which the present invention is applied uses a genetic algorithm to optimize each domain.
유전자 알고리즘을 이용하여 타겟 도메인(Target Domain)의 적합도가 대상 도메인들의 평균값 이상을 갖거나 또는 유전자의 진화 세대수가 미리 정의된 임계값에 도달할 때까지 계속된다.Using genetic algorithms, the goodness of fit of the target domain is greater than or equal to the mean value of the target domains or until the number of evolutionary generations of the gene reaches a predefined threshold.
본 발명에서는 도메인 최적화 후에 적합도가 평균값 이상으로 개선되지 않고 유전자 진화 세대수가 임계값에 도달한 경우에는 이 도메인에 대한 최적화를 포기하고, 그 도메인 다음으로 가장 낮은 적합도를 갖는 다른 도메인을 다시 선택하여 최적화한다.In the present invention, when the fitness is not improved beyond the average value after domain optimization and the number of gene evolution generations reaches a threshold, the optimization for this domain is abandoned, and the other domain having the lowest fitness after the domain is selected again for optimization. do.
이 경우에도 전체 영역의 적합도가 임계값 이상이 될 때까지 위의 과정을 반복한다. 이러한 종결조건은 본 발명에서 예로서 든 것이며, 실제로는 반복 횟수 또는 경과 시간등 다른 조건에 의해 최적화 종결을 결정할 수 있다.Also in this case, the above process is repeated until the goodness of fit of the entire region is greater than or equal to the threshold value. Such termination conditions are exemplified in the present invention, and in practice, optimization termination may be determined by other conditions such as the number of repetitions or the elapsed time.
도 3b 는 본 발명에 따른 2차 도메인 최적화를 적용하지 않은 무선망 최적화 방법에 대한 프로그램 리스트이다.3B is a program list for a wireless network optimization method without applying secondary domain optimization according to the present invention.
도 2b에서 설명한 바와 같이,S는 유전자 알고리즘 적용을 위해 사용되는 평가 함수에 의해 계산되는 적합도,S Threshol 는 적합도 임계값,S Average 는 전체 도메인들의 평균 적합도를 나타낸다.S의 아래 첨자는 평가함수의 대상을 나타낸다. 예를 들면,S TargetDomain 은 타겟 도메인(TargetDoamin)의 적합도를 나타낸다.As described in FIG. 2B, S is a fitness calculated by an evaluation function used for genetic algorithm application, S Threshol is a fitness threshold, and S Average is an average goodness of fit of all domains. The subscript in S indicates the subject of the evaluation function. For example, S TargetDomain represents the goodness of fit of the target domain ( TargetDoamin) .
N은 유전자 진화 세대 수,N TestedGenerations 는 현재까지 평가된 진화 세대 수,N Threshold 은 진화 세대 수에 대한 임계값을 나타낸다. N is the number of gene evolutionary generations, N TestedGenerations is the number of evolutionary generations evaluated to date, and N Threshold is the threshold for the number of evolutionary generations.
도 4a 및 도 4b 는 계산량에 따른 커버리지 최적화 효율에 대한 비교 설명도이다.4A and 4B are comparative explanatory diagrams of coverage optimization efficiency according to calculation amount.
유전자 알고리즘에 의한 최적화 문제의 해결에 있어서 일반적으로 큰 개체군의 크기는 알고리즘의 해 집합 탐색 능력을 향상시킴으로 진화의 적합도가 높은 탐색공간을 찾는데 유리하게 작용하지만, 보다 많은 양의 계산을 요구하기 때문에, 무선망 최적화와 같이 평가 함수의 계산 복잡도가 높은 경우에는 최적화를 위해 필요한 계산 시간에 많은 영향을 줄 수 있으며, 또한 최적해로 수렴하는 데 있어서 수렴속도를 저하시키는 요인으로 작용할 수 있다.In solving the optimization problem by genetic algorithms, the large size of the population generally improves the algorithm's ability to search the solution set, which is advantageous for finding a search space with high evolutionary fit, but requires more computation. If the computational complexity of the evaluation function, such as wireless network optimization, is high, it can greatly affect the computation time required for optimization, and it can also act as a factor in reducing the convergence speed in convergence to the optimal solution.
본 발명에 해당하는 최적화 방법에 있어서는 연속적인 파라미터 최적화가 아닌, 불연속적인 파라미터 최적화이며, 하나의 도메인에 대한 최적화가 다른 도메인의 최적화 이후에 다시 이어지기 때문에 도메인의 적합도가 영향을 받아 초기에 정확한 해를 찾기가 어렵다.In the optimization method corresponding to the present invention, it is not continuous parameter optimization but discontinuous parameter optimization. Since the optimization for one domain is continued after the optimization of the other domain, the suitability of the domain is affected and the correct solution is initially obtained. Hard to find.
이때, 유전자 알고리즘에 의한 해 집합 탐색은 유전자 알고리즘에 의한 창발성(Emergence)보다는 임의 탐색(Random search) 적인 특성을 이용하는 것이기 때문에 초기에 다양한 개체들을 이용하여 보다 정확한 해를 탐색하는 것이 의미가 없다. 따라서, 이러한 경우에는 초기 개체군의 수를 줄이는 것이 효율적이며 계산 시간을 단축하는데 도움이 된다.In this case, since the solution set search by the genetic algorithm uses random search characteristics rather than emergence by the genetic algorithm, it is not meaningful to search for a more accurate solution by using various entities in the beginning. Thus, in this case, reducing the number of initial populations is efficient and helps to shorten the computation time.
그러나, 최적화가 진행될수록 다른 도메인의 대상 기지국의 파라미터의 변화가 수렴하게 되므로, 적은수의 개채군에 의한 기지국 최적화는 더 이상 진전이 없게 된다. 그러므로, 수렴 속도에 따라 개체군의 크기를 점차로 늘려주어 더 이상의보다 정밀한 기지국 최적화를 통한 무선망 최적화를 수행함으로써 불필요한 개체 진화 및 적합도 검사에 걸리는 시간을 최소화하여 최적화 속도를 보다 빠르게 하였다.However, as the optimization proceeds, the change of the parameters of the target base stations in the other domains converges, so that the base station optimization by the small group of groups no longer progresses. Therefore, by increasing the size of the population gradually according to the speed of convergence, the optimization of the wireless network through more precise base station optimization is minimized, thereby minimizing the time required for unnecessary object evolution and goodness-of-fit check, thereby making the optimization speed faster.
도면에서는, 제안된 최적화 알고리즘을 평가하기 위하여 제안된 최적화 방법과 이전의 최적화 방법인 단순한 유전자 알고리즘을 전체 영역의 기지국 파라미터들에 대해 적용하여 최적화를 수행한 결과와, 임의 탐색 방법을 이용하여 전체 영역의 기지국 파라미터들에 대해 적용하여 최적화를 수행한 결과를 비교하였다.In the figure, in order to evaluate the proposed optimization algorithm, the result of the optimization by applying the proposed optimization method and the previous optimization method, a simple genetic algorithm for the base station parameters of the entire area, and the entire area using the random search method The results of the optimization were compared by applying the base station parameters of.
도 4a 및 도 4b 는 본 발명의 목표가 의미있는 결과를 얻는데 요구되는 계산 복잡도를 최소화하는 것이므로, 본 발명에서 목표로 사용한 서비스 커버리지와 계산량을 기준으로 하여 최적화 효율을 비교한 결과를 나타낸다.4A and 4B show the result of comparing the optimization efficiency based on the service coverage and the calculation amount used as the target in the present invention, since the objective of the present invention is to minimize the computational complexity required to obtain a meaningful result.
본 발명에 따른 시뮬레이션을 위하여, 25개의 기지국이 10 x 10 km2의 자유 공간 영역에 균일하게 분포되어 있으며, 각각의 기지국은 3 섹터로 구성되어 있으며, 안테나 방향과 기울기(tilt)를 조절할 수 있고, 동일 기지국에 속하는 모든 섹터의 안테나들은 모두 동일한 파라미터를 가지고 있다는 가정하였다. 기지국의 파라미터들에 대한 초기값은 난수를 발생시켜 결정하였다. 또한, 시뮬레이션을 위해 자유공간 전파 모델이 사용되었으며, 무선 통신 서비스의 커버리지는 비트당 신호에너지 즉E b /N 0 임계 값에 의해 결정된다.For the simulation according to the present invention, 25 base stations are uniformly distributed in a free space region of 10 x 10 km 2 , each base station is composed of 3 sectors, and the antenna direction and tilt can be adjusted. It is assumed that all antennas belonging to the same base station have the same parameters. The initial value for the parameters of the base station was determined by generating a random number. In addition, a free space propagation model is used for the simulation, and the coverage of the wireless communication service is determined by the signal energy per bit, that is, the E b / N 0 threshold.
커버리지 최적화를 위하여 앞에서 제안한 최적화용으로 개발된 유전자 알고리즘이 사용되었으며, 유전자 알고리즘의 평가 함수는 도메인 영역에 대한 커버리지의 퍼센트가 사용되었다.For the optimization of coverage, the genetic algorithm developed for the optimization proposed above was used, and the evaluation function of the genetic algorithm was the percentage of coverage for the domain region.
본 발명과 비교할 유전자 알고리즘을 이용한 무선망 최적화는 [3 ~ 4,7]의 단순 유전자 알고리즘을 이용하였으며, 유전자 알고리즘에서의 개체군의 개체수는 25 개이며 돌연변이율(mutation rate)은 0.05, 교배율(crossover rate)은 0.6을 사용하였다. 또한, 각각의 최적화 대상 파라미터는 8-bit 정밀도를 갖는 유전자로 인코딩된다. 적합도의 기준은 전체 영역에 대한 커버리지의 퍼센트가 된다.The optimization of the wireless network using the genetic algorithm to be compared with the present invention used the simple genetic algorithm of [3 ~ 4,7], the population of the genetic algorithm is 25 population, the mutation rate (mutation rate) is 0.05, crossover (crossover) rate) was used. In addition, each parameter to be optimized is encoded with a gene with 8-bit precision. The criterion of goodness of fit is the percentage of coverage for the entire area.
도 4a 에서는 단기간의 최적화 효율을 비교하였고, 도 4b 에서는 보다 장기적인 관점에서 최적화 효율을 비교하였다. 비교결과에서 기존의 유전자 알고리즘을 적용한 방법(42)은 임의 탐색(43)보다는 향상된 결과를 보여주지만, 본 발명(41)은 기존의 방법(42)과 비교하여 매우 적은 양의 계산을 가지고도 매우 뛰어난 최적화를 수행시키는 것을 알 수 있다.In FIG. 4A, the optimization efficiency was compared in the short term, and in FIG. 4B, the optimization efficiency was compared in the longer term. In the comparison result, the method 42 applying the conventional genetic algorithm shows an improved result than the random search 43, but the present invention 41 has a very small amount of calculation compared to the conventional method 42. You can see that it performs excellent optimization.
상술한 바와 같은 본 발명의 방법은 프로그램으로 구현되어 컴퓨터로 읽을 수 있는 형태로 기록매체(씨디롬, 램, 플로피 디스크, 하드 디스크, 광자기 디스크 등)에 저장될 수 있다.As described above, the method of the present invention may be implemented as a program and stored in a recording medium (CD-ROM, RAM, floppy disk, hard disk, magneto-optical disk, etc.) in a computer-readable form.
이상에서 설명한 본 발명은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 있어 본 발명의 기술적 사상을 벗어나지 않는 범위내에서 여러 가지 치환, 변형 및 변경이 가능하므로 전술한 실시예 및 첨부된 도면에 의해 한정되는 것이 아니다.The present invention described above is capable of various substitutions, modifications, and changes without departing from the spirit of the present invention for those skilled in the art to which the present invention pertains, and the above-described embodiments and accompanying It is not limited by the drawings.
상기와 같은 본 발명은, 현재의 기술로는 문제가 너무 복잡하여 최적화 계산을 위해 비현실적인 시간이 요구되고 있는 무선망 최적화 문제를 자동화하여 현실적인 시간 내에 풀 수 있게 하는 효과가 있다.As described above, the present invention has an effect of automating a wireless network optimization problem in which a problem is too complicated in the current technology and an unrealistic time is required for the optimization calculation.
또한, 본 발명은, 무선망 최적화를 위한 특수화된 유전자 알고리즘으로서, 기존의 유전자 알고리즘보다 매우 적은 양의 계산을 가지고도 매우 뛰어난 최적화를 수행시킬 수 있는 효과가 있다.In addition, the present invention, as a specialized genetic algorithm for wireless network optimization, there is an effect that can perform very excellent optimization with a very small amount of calculation than the existing genetic algorithm.
또한, 본 발명은, 최적화 문제를 보다 작은 문제로 나누어 최적화함으로써 의미있는 결과를 얻기 위해 요구되는 계산 복잡도를 최소화하는 효과가 있다.In addition, the present invention has the effect of minimizing the computational complexity required to achieve meaningful results by optimizing the optimization problem into smaller problems.
또한, 본 발명은, 최적화가 진행될수록 다른 도메인의 대상 기지국의 파라미터의 변화가 수렴하게 되므로, 적은수의 개채군에 의한 기지국 최적화는 더 이상 진전이 없게 되기 때문에, 수렴 속도에 따라 개체군의 크기를 점차로 늘려주어 무선망 최적화를 수행함으로써, 불필요한 개체 진화 및 적합도 검사에 걸리는 시간을 최소화하여 최적화 속도를 보다 빠르게 하는 효과가 있다.In addition, according to the present invention, since the change in the parameters of the target base station in the other domain converges as the optimization proceeds, the base station optimization by the small number of individual groups no longer progresses, and thus the size of the population according to the convergence speed is increased. By gradually increasing the wireless network optimization, the optimization speed is minimized by minimizing the time required for unnecessary object evolution and fitness check.
Claims (7)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020010083454A KR100863128B1 (en) | 2001-12-22 | 2001-12-22 | Method for Optimizing Wireless Network using the optimization of domain |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020010083454A KR100863128B1 (en) | 2001-12-22 | 2001-12-22 | Method for Optimizing Wireless Network using the optimization of domain |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20030053278A true KR20030053278A (en) | 2003-06-28 |
KR100863128B1 KR100863128B1 (en) | 2008-10-15 |
Family
ID=29577875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020010083454A KR100863128B1 (en) | 2001-12-22 | 2001-12-22 | Method for Optimizing Wireless Network using the optimization of domain |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR100863128B1 (en) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100865201B1 (en) * | 2004-02-27 | 2008-10-23 | 고쿠리츠다이가쿠호진 히로시마다이가쿠 | Reference data optimization learning method and pattern recognition system |
KR100970987B1 (en) * | 2008-11-20 | 2010-07-20 | 주식회사 대경기업 | The express highway Glare screen which has a solar energy developmental function |
CN113702223A (en) * | 2021-09-17 | 2021-11-26 | 武汉路源工程质量检测有限公司 | Method and system for detecting compressive strength of concrete member based on rebound method |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100970221B1 (en) | 2003-06-18 | 2010-07-16 | 주식회사 케이티 | System and method for optimal design of wireless communication network |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5664064A (en) * | 1994-01-27 | 1997-09-02 | Hitachi Engineering Co., Ltd. | Object form division method and system |
JP3174765B2 (en) * | 1998-10-23 | 2001-06-11 | 株式会社エイ・ティ・アール人間情報通信研究所 | Evolution system equipment |
KR20010095569A (en) * | 2000-04-11 | 2001-11-07 | 장병탁 | Genetic Programming Method and System using Process Decomposition |
KR20030027542A (en) * | 2001-09-29 | 2003-04-07 | 주식회사 케이티 | Evolution Method of Enhancing Evolution Speed of Genetic Algorithm |
-
2001
- 2001-12-22 KR KR1020010083454A patent/KR100863128B1/en not_active IP Right Cessation
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100865201B1 (en) * | 2004-02-27 | 2008-10-23 | 고쿠리츠다이가쿠호진 히로시마다이가쿠 | Reference data optimization learning method and pattern recognition system |
KR100970987B1 (en) * | 2008-11-20 | 2010-07-20 | 주식회사 대경기업 | The express highway Glare screen which has a solar energy developmental function |
CN113702223A (en) * | 2021-09-17 | 2021-11-26 | 武汉路源工程质量检测有限公司 | Method and system for detecting compressive strength of concrete member based on rebound method |
CN113702223B (en) * | 2021-09-17 | 2023-12-22 | 武汉路源工程质量检测有限公司 | Method and system for detecting compressive strength of concrete member based on rebound method |
Also Published As
Publication number | Publication date |
---|---|
KR100863128B1 (en) | 2008-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109947545B (en) | Task unloading and migration decision method based on user mobility | |
US6360098B1 (en) | Method and system for determining a neighbor list for a code division multiple access (CDMA) sector | |
US6385454B1 (en) | Apparatus and method for management of resources in cellular networks | |
CN113076177B (en) | Dynamic migration method of virtual machine in edge computing environment | |
CN114205791A (en) | Depth Q learning-based social perception D2D collaborative caching method | |
CN111988787A (en) | Method and system for selecting network access and service placement positions of tasks | |
Park et al. | The determination of base station placement and transmit power in an inhomogeneous traffic distribution for radio network planning | |
CN109618285B (en) | Base station control method, device and equipment based on coverage tree | |
KR100863128B1 (en) | Method for Optimizing Wireless Network using the optimization of domain | |
Wang et al. | Registration area planning for PCS networks using genetic algorithms | |
Reza et al. | A novel integrated mathematical approach of ray-tracing and genetic algorithm for optimizing indoor wireless coverage | |
US6512933B1 (en) | Iterative system and method for optimizing CDMA load distribution using reverse interference measurements | |
CN109195222B (en) | Power distribution method based on statistical characteristic reference | |
CN116367310A (en) | Maximum gain oriented channel allocation method for mobile edge calculation | |
CN114615705B (en) | Single-user resource allocation strategy method based on 5G network | |
EP1040693A1 (en) | A method for predicting interference in a frequency hopping cellular communications system | |
KR100970221B1 (en) | System and method for optimal design of wireless communication network | |
Alenoghena et al. | Application of genetic algorithm in radio network coverage optimization–a review | |
CN110505634B (en) | Method for realizing wireless AP deployment optimization based on genetic algorithm | |
KR101105082B1 (en) | Genetic Algorithm using priority and its using wireless network optimization method | |
KR101475082B1 (en) | Rule-based wireless network optimization method using virtual mobiles | |
KR101092738B1 (en) | System and Method for Optimizing Radio Access Network Using Traffic Morphology | |
KR102414691B1 (en) | Method for optimizing wireless network and management server using the same | |
KR101549309B1 (en) | Power-optimized vertical handover scheme for heterogeneous wireless networks | |
KR102481227B1 (en) | Apparatus for controlling cell association using monte carlo tree search and oprating method thereof |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20111004 Year of fee payment: 4 |
|
LAPS | Lapse due to unpaid annual fee |