面向鲁棒工业无线网络大规模规划的高效遗传算法
神经与进化计算
2017-12-18 v1 网络与互联网体系结构
摘要
与办公环境相比，工业室内环境对无线通信十分恶劣，因为普遍的金属容易引起阴影效应并影响工业无线局域网（IWLAN）的可用性。一方面，进行试错式手动部署无线节点成本高、耗时且低效。另一方面，现有的无线规划工具仅关注办公环境，因此由于更大的问题规模以及部署的IWLAN易受恶劣工业室内环境中普遍阴影效应的影响，难以规划IWLAN。为填补这一空白，本文提出了一种过度配置模型和基于遗传算法的过度配置（GAOD）算法，用于部署大规模鲁棒IWLAN。作为对最先进无线规划的进步，创建了两个不同的全覆盖层。第二覆盖层用作阴影发生时的冗余。同时，通过最小化接入点（APs）数量来降低部署成本；最小AP间空间间隔的硬约束避免多个AP覆盖同一区域同时被同一障碍物阴影。在计算时间和占用内存方面专门考虑了GAOD的大规模优化设计。以基于贪婪启发式的过度配置（GHOD）算法和随机OD算法作为基准。在具有小型和大型室内环境的两家车辆制造商中，GAOD优于GHOD，AP减少多达20%，而GHOD比随机OD算法输出的AP减少多达25%。此外，该模型和GAOD的有效性通过实际部署系统进行了实验验证。
引用
@article{arxiv.1709.04321,
title = {An efficient genetic algorithm for large-scale planning of robust industrial wireless networks},
author = {Xu Gong and David Plets and Emmeric Tanghe and Toon De Pessemier and Luc Martens and Wout Joseph},
journal= {arXiv preprint arXiv:1709.04321},
year = {2017}
}