PEREIRA, M. B. Particle swarm optimization and differential evolution for base station placement with multi-objective requirements. 2015. 72 f. Dissertação (Mestrado em Engenharia de Teleinformática) – Centro de Tecnologia, Universidade Federal do Ceará, Fortaleza, 2015. / Submitted by Marlene Sousa (mmarlene@ufc.br) on 2015-09-21T12:31:09Z
No. of bitstreams: 1
2015_dis_mbpereira.pdf: 3666612 bytes, checksum: bc2466a863d5e64d596e5667f3ef5426 (MD5) / Approved for entry into archive by Marlene Sousa(mmarlene@ufc.br) on 2015-10-09T14:45:25Z (GMT) No. of bitstreams: 1
2015_dis_mbpereira.pdf: 3666612 bytes, checksum: bc2466a863d5e64d596e5667f3ef5426 (MD5) / Made available in DSpace on 2015-10-09T14:45:26Z (GMT). No. of bitstreams: 1
2015_dis_mbpereira.pdf: 3666612 bytes, checksum: bc2466a863d5e64d596e5667f3ef5426 (MD5)
Previous issue date: 2015-07-15 / 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 é uma desafio que exige considerar diversos aspectos que não podem ser separados em uma função de otimização linear. Tal problema de posicionamento de estações base é conhecido por ser do tipo NP-hard, que não pode ser resolvido por qualquer método determinístico. Assumindo características básicas da tecnologia Long Term Evolution (LTE)-Advanced (LTE-A), este trabalho procede à investigação do uso de dois métodos para otimização de posicionamento de estações base: Otimização por Enxame de Partículas – Particle Swarm Optimization (PSO) – e Evolução Diferencial – Differential Evolution (DE) – adaptados para posicionamento de múltiplas estações base simultaneamente. O processo de otimização é orientado por dois tipos de funções custo com multiobjetivos, que medem o desempenho dos novos nós individualmente e de toda a rede coletivamente. A otimização é realizada em três cenários, dos quais um deles apresenta dados reais coletados de uma cidade. Para cada cenário, são exibidos o desempenho dos dois algoritmos em termos da melhoria na função objetivo e os pontos encontrados no processo de otimização por cada uma das técnicas
Identifer | oai:union.ndltd.org:IBICT/oai:www.repositorio.ufc.br:riufc/13374 |
Date | 15 July 2015 |
Creators | Pereira, Marciel Barros |
Contributors | Maciel, Tarcísio Ferreira, Cavalcanti, Francisco Rodrigo Porto |
Source Sets | IBICT Brazilian ETDs |
Language | English |
Detected Language | Portuguese |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Source | reponame:Repositório Institucional da UFC, instname:Universidade Federal do Ceará, instacron:UFC |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0104 seconds