【技术实现步骤摘要】
本专利技术属于通信，具体涉及一种通信网络中的服务效能度量和优化方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、为了应对未来业务及数据流量的迅猛增长，通信网络将进入快速发展阶段，以5g网络为例，相较于之前的通信技术，5g基站需要更多的天线、更大的带宽和更多的数据处理能力，这些要求进一步导致了基站的能耗显著增加，5g基站能耗优化是一个亟待解决的问题。
3、5g基站的参数信息通常是预先配置好的，很难根据实时的网络状况和环境变化进行灵活调整，这可能导致网络在某些情况下无法最优化地运行，在某些区域或特定情况下无法提供良好的服务质量。这对用户体验构成了挑战，特别是在高密度区域或网络负载较大的时候。
4、目前5g网络中业务(流量)在时间和空间上分布极不均衡，且存在加剧趋势，网络被动响应业务变化，全网综合看资源和能源利用率低，且服务质量难以保证，急需一种保障服务质量的前提下同时可以降低网络能耗的方法。
技术实现思路
1、本专利技术为了解决上述问题，提出了一种通信网络中的服务效能度量和优化方法及系统，本专利技术能够解决现有通信网络中高能耗和难以保障服务质量的问题，满足根据当前网络状况，对基站进行关断开启和范围调节，提高服务质量同时降低能耗的需求。
2、根据一些实施例，本专利技术采用如下技术方案：
3、一种通信网络中的服务效能度量和优化方法，包括以下步骤：
4、进行通信
5、将所述能耗数据和满意度数据分别转为价值，并综合两者，计算服务效能指标；
6、利用遗传算法对所有宏基站组成的网络进行优化，且在计算适应度时，首先使用博弈算法对各个宏基站和其范围内的微基站组成的网络进行优化，然后将当前服务效能作为适应度；
7、分别利用遗传算法和博弈算法对各个宏基站和其范围内的微基站组成的网络进行优化，比较优化结果，以最大服务效能对应的动作序列，作为优化结果。
8、作为可选择的实施方式，进行通信网络基站和移动终端的信息交互仿真的具体过程包括：
9、获取基站信息数据和动终端信息数据；
10、将所有的宏基站构成的网络看作是宏-宏小区网络，基于基站的不同类型和位置，计算得到各个宏基站覆盖范围下的微基站，将一个宏基站和其覆盖范围下的微基站构成的网络看作是宏-微小区网络；
11、计算移动终端连接各个基站后的信号强度，选择连接后信号强度最大的基站进行连接；
12、利用基站的功率，结合基站的状态确定其能耗大小；
13、计算移动终端的满意度数据。
14、作为进一步的，在计算移动终端连接各个基站后的信号强度时，考虑移动终端连接基站后的接收功率。
15、作为可选择的实施方式，各基站的能耗计算过程包括：
16、
17、其中，activemode表示活动状态，是基站m的总功率，是基站m能耗的常数项，um是基站m的功率系数，是基站m总发射功率，是基站m对移动终端u的发射功率，bsm是与基站m连接的移动终端集合，是基站m最大总发射功率，sleepmode表示睡眠状态，p1m是基站m睡眠状态下功率的常数项。
18、作为可选择的实施方式，计算服务效能指标的具体过程包括：
19、使用满意度价值函数将移动终端满意度转为价值，并进行归一化，并且对无信号情况给予惩罚；
20、使用能耗价值函数将基站的能耗转为价值，并进行归一化；
21、考虑供应侧的基站和需求侧的移动终端的利益，将两方对应价值的差值当做服务效能指标。
22、作为可选择的实施方式，对所有宏基站组成的网络进行优化的过程包括：对所有宏基站组成的网络运行遗传算法，在算法计算适应度的时候对各个宏基站和其范围内的微基站组成的网络运行博弈算法，将宏基站的动作序列看作是个体，随机初始化种群，计算个体适应度的时候，对各个宏-微基站使用博弈算法，并以系统服务效能作为个体适应度，种群中各个个体执行选择、交叉、变异的操作，直至满足终止条件。
23、作为进一步的，计算个体适应度时，各个微基站在效用函数的作用下，进行随机顺序的博弈，并运行多次，保留值最大的宏-微小区网络服务效能对应的微基站动作序列，当所有宏-微小区网络的博弈结束后，重新仿真，并计算当前系统的服务效能作为个体适应度。
24、作为可选择的实施方式，对各个宏基站和其范围内的微基站组成的网络进行优化的过程包括：
25、对各个宏-微小区网络，运行多轮博弈的算法，各个微基站在效用函数的作用下，进行随机顺序的博弈，博弈轮次进行若干次，并重复多次博弈，保留值最大的宏-微小区网络服务效能对应的微基站动作序列；
26、对各个宏-微小区网络，运行遗传算法，对每一个宏-微小区网络，将微基站的动作序列看作是个体，随机初始化种群，并以宏-微小区网络服务效能作为个体适应度，种群中各个个体执行选择、交叉、变异的操作，直至满足终止条件，最后选择适应度最高的个体，得到该宏-微小区网络中微基站的动作序列；
27、对每一个宏-微小区网络，比较博弈算法和遗传算法得到的动作序列对应的宏-微小区网络服务效能值，保留效能值更大的动作序列。
28、一种通信网络中的服务效能度量和优化系统，包括：
29、仿真模块，被配置为进行通信网络基站和移动终端的信息交互仿真，根据仿真结果，计算基站的能耗数据，以及移动终端的满意度数据；
30、计算模块，被配置为将所述能耗数据和满意度数据分别转为价值，并综合两者，计算服务效能指标；
31、宏-宏小区网络优化模块，被配置为利用遗传算法对所有宏基站组成的网络进行优化，且在计算适应度时，首先使用博弈算法对各个宏基站和其范围内的微基站组成的网络进行优化，然后将当前服务效能作为适应度；
32、宏-微小区网络优化模块，被配置为分别利用遗传算法和博弈算法对各个宏基站和其范围内的微基站组成的网络进行优化，比较优化结果，以最大服务效能对应的动作序列，作为优化结果。
33、一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成上述方法中的步骤。
34、一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成上述方法中的步骤。
35、与现有技术相比，本专利技术的有益效果为：
36、本专利技术通过通信网络建模，同时考虑供应侧的基站和需求侧的移动终端的利益，从服务的角度提出了通信网络中的服务效能指标，并给出了度量方法，该度量能够兼顾供应侧的基站和需求侧的移动终端，保证度量结果的准确性、客观性和平衡性；
37、本专利技术在考虑宏基站和微基站构成的通信网络时，着眼于基站本文档来自技高网...
【技术保护点】
1.一种通信网络中的服务效能度量和优化方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种通信网络中的服务效能度量和优化方法，其特征是，进行通信网络基站和移动终端的信息交互仿真的具体过程包括：
3.如权利要求2所述的一种通信网络中的服务效能度量和优化方法，其特征是，各基站的能耗计算过程包括：
4.如权利要求1所述的一种通信网络中的服务效能度量和优化方法，其特征是，计算服务效能指标的具体过程包括：
5.如权利要求1所述的一种通信网络中的服务效能度量和优化方法，其特征是，对所有宏基站组成的网络进行优化的过程包括：对所有宏基站组成的网络运行遗传算法，在算法计算适应度的时候对各个宏基站和其范围内的微基站组成的网络运行博弈算法，将宏基站的动作序列看作是个体，随机初始化种群，计算个体适应度的时候，对各个宏-微基站使用博弈算法，并以系统服务效能作为个体适应度，种群中各个个体执行选择、交叉、变异的操作，直至满足终止条件。
6.如权利要求5所述的一种通信网络中的服务效能度量和优化方法，其特征是，计算个体适应度时，各个微基站在效用函数
7.如权利要求1所述的一种通信网络中的服务效能度量和优化方法，其特征是，对各个宏基站和其范围内的微基站组成的网络进行优化的过程包括：
8.一种通信网络中的服务效能度量和优化系统，其特征是，包括：
9.一种计算机可读存储介质，其特征是，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-7中任一项所述的方法中的步骤。
10.一种电子设备，其特征是，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-7中任一项所述的方法中的步骤。
...【技术特征摘要】
1.一种通信网络中的服务效能度量和优化方法，其特征是，包括以下步骤：
2.如权利要求1所述的一种通信网络中的服务效能度量和优化方法，其特征是，进行通信网络基站和移动终端的信息交互仿真的具体过程包括：
3.如权利要求2所述的一种通信网络中的服务效能度量和优化方法，其特征是，各基站的能耗计算过程包括：
4.如权利要求1所述的一种通信网络中的服务效能度量和优化方法，其特征是，计算服务效能指标的具体过程包括：
5.如权利要求1所述的一种通信网络中的服务效能度量和优化方法，其特征是，对所有宏基站组成的网络进行优化的过程包括：对所有宏基站组成的网络运行遗传算法，在算法计算适应度的时候对各个宏基站和其范围内的微基站组成的网络运行博弈算法，将宏基站的动作序列看作是个体，随机初始化种群，计算个体适应度的时候，对各个宏-微基站使用博弈算法，并以系统服务效能作为个体适应度，种群中各个个体执行选择、交叉、变异的操作，直至满足终止条...
【专利技术属性】
技术研发人员：鹿旭东，张琳浩，崔立真，郭伟，何伟，周德雨，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。