研究目的
提出一种基于模糊逻辑的LTE网络自愈根因分析系统,利用遗传算法学习规则库以自主解决无线接入网中的问题。
研究成果
针对LTE自愈提出的遗传模糊算法在诊断网络问题时展现出强大的鲁棒性与有效性,且无需大量专家干预。该系统性能与专家定义规则相当甚至更优,同时兼具自适应能力并能降低运营支出。未来工作可聚焦于提升算法的可扩展性,并测试其在多样化网络环境中的适用性。
研究不足
该研究依赖网络仿真器生成训练和测试案例,虽然接近真实网络行为,但可能无法完全捕捉实际LTE网络的所有复杂性。此外,算法在PI数量增加时的可扩展性及其在案例有限的现网中的性能,仍有待进一步优化。
1:实验设计与方法选择:
本研究采用遗传算法从先前诊断案例中学习故障排除模糊规则,利用模糊逻辑实现故障排除系统诊断阶段的自动化。
2:样本选择与数据来源:
基于故障排除专家知识,通过网络仿真器生成训练和测试案例,模拟故障原因及其相关性能指标(PI)。
3:实验设备与材料清单:
使用网络仿真器生成故障原因及其相关PI,模拟真实网络行为。
4:实验流程与操作步骤:
通过训练案例对遗传算法进行训练,随后用测试案例进行测试,重复该过程100次以计算平均值。
5:数据分析方法:
评估包括诊断错误率、漏检率和误报率,以评估算法在诊断网络问题时的性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容