Return to search

Particle swarm optimization and differential evolution for base station placement with multi-objective requirements / OtimizaÃÃo por enxame de partÃculas e evoluÃÃo diferencial para a colocaÃÃo de estaÃÃo de base com os requisitos multi-objetivas

FundaÃÃo Cearense de Apoio ao Desenvolvimento Cientifico e TecnolÃgico / The infrastructure expansion planning in cellular networks, so called Base Station Placement (BSP) problem, is a challenging task that must consider a large set of aspects, and which cannot be expressed as a linear optimization function. The BSP is known to be a NP-hard problem unable to be solved by any deterministic method. Based on some fundamental assumptions of Long Term Evolution - Advanced (LTE-A) networks, this work proceeds to investigate the use of two methods for BSP optimization task: the Particle Swarm Optimization (PSO) and the Differential Evolution (DE), which were adapted for placement of many new network nodes simultaneously. The optimization process follows two multi-objective functions used as fitness criteria for measuring the performance of each node and of the network. The optimization process is performed in three scenarios where one of them presents actual data collected from a real city. For each scenario, the fitness performance of both methods as well as the optimized points found by each technique are presented. / O planejamento de expansÃo de infraestrutura em redes celulares à uma desafio que
exige considerar diversos aspectos que nÃo podem ser separados em uma funÃÃo
de otimizaÃÃo linear. Tal problema de posicionamento de estaÃÃes base à conhecido por
ser do tipo NP-hard, que nÃo pode ser resolvido por qualquer mÃtodo determinÃstico.
Assumindo caracterÃsticas bÃsicas da tecnologia Long Term Evolution (LTE)-Advanced
(LTE-A), este trabalho procede à investigaÃÃo do uso de dois mÃtodos para otimizaÃÃo
de posicionamento de estaÃÃes base: OtimizaÃÃo por Enxame de PartÃculas â Particle
Swarm Optimization (PSO) â e EvoluÃÃo Diferencial â Differential Evolution (DE) â
adaptados para posicionamento de mÃltiplas estaÃÃes base simultaneamente. O processo
de otimizaÃÃo à orientado por dois tipos de funÃÃes custo com multiobjetivos, que medem
o desempenho dos novos nÃs individualmente e de toda a rede coletivamente. A otimizaÃÃo
à realizada em trÃs cenÃrios, dos quais um deles apresenta dados reais coletados de
uma cidade. Para cada cenÃrio, sÃo exibidos o desempenho dos dois algoritmos em termos
da melhoria na funÃÃo objetivo e os pontos encontrados no processo de otimizaÃÃo
por cada uma das tÃcnicas

Identiferoai:union.ndltd.org:IBICT/oai:www.teses.ufc.br:10022
Date15 July 2015
CreatorsMarciel Barros Pereira
ContributorsFrancisco Rodrigo Porto Cavalcanti, Francisco Rafael Marques Lima, TarcÃsio Ferreira Maciel, Emanuel Bezerra Rodrigues
PublisherUniversidade Federal do CearÃ, Programa de PÃs-GraduaÃÃo em Engenharia de TeleinformÃtica, UFC, BR
Source SetsIBICT Brazilian ETDs
LanguageEnglish
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFC, instname:Universidade Federal do Ceará, instacron:UFC
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0021 seconds