专利名称：通过遗传规划在电信网络中用于网络节点控制的进化算法的制作方法
技术领域：
本发明涉及电信，特别涉及电信网络。
背景技术：
电信网络日益结合实现自我配置、自我组织和自我适应的能力。随着电信网络的规模和复杂度增加，在分散的方式中具有执行这些所谓“自我X”属性的动力，也就是其中每个节点仅使用本地信息能够各自进行动作。因此，存在增长的需要来开发不需要网络的全局信息或网络节点的协同中央控制进行工作的自我X算法，也就是，用于网络节点自我适应的算法。无线网络中自我X算法的一些示例包括用于优化小区覆盖范围和容量的算法以及资源调度算法。在有线网络领域中的一些实例为根据多个变量进行操作的路由算法，例如业务负载水平、沿着通信路径在节点之间的跳数、和服务质量(Q0Q要求。由本领域技术人员设计已知的用于自我χ算法的方法。基于可能不现实的网络的具体假设，当它们在网络中执行后，通常需要评估、修正和改进算法。这可能是缓慢和昂贵的过程。遗传规划(genetic programming)是一种已知的产生算法的进化 (evolutionary)方法，例如参见Koza，J. R.，遗传规划借助于自然选择的计算机编程 1992，MIT 出版社，840。这里简单描述遗传规划以便于读者理解。如图1所示，遗传规划(GP)包括下列步骤(i)初始化算法种群(population)-种群是用作个体算法集合的术语，在初始化种群中的算法至少是部分随机生成的；(ii)计算种群中每个算法的适合度(fitness)-适合度是用作测量算法实现算法任务性能的术语；(iii)根据它们的适合度选择算法以成为“父辈”；(iv)通过应用遗传算子创建新算法，例如对在上述步骤中选择的父辈进行突变或交叉(crossover)；(ν)使用最新创建的算法以及从之前产生的种群中选择的幸存者产生算法的下一代种群。重复上述步骤(ii)至(V)直到满足终止条件为止(例如该过程通过设定数量的代，或者通过已经创建的算法满足目标适合度水平)。如图2所示，分析树表示典型地用于遗传规划(GP)，以将算法编码为可执行遗传规划操作的形式。分析树可用于表示算法的各种形式，例如计算机程序。算法可用其它形式表示，例如通过状态转换图表示。图3描述了上述交叉和突变算子的实施例。交叉是混合来自两个父辈算法的成分以产生下一代(例如子辈)算法。突变是个体父辈算法的修改部分以产生下一代算法。
在Lewis Τ.，Fanning N.和Clemo G.的标题为“使用遗传规划增强IEEE802. 11 DCF", IEEE 2006的论文中描述使用遗传规划以产生用于电信网络的算法。
发明内容
读者参考所附的独立权利要求。一些优选的特征出现在从属权利要求中。本发明的一个实施例是一种通过遗传规划在电信网络中用于网络节点控制的进化算法的方法，包括(a)产生算法；(b)根据电信网络的模型确定算法的适合度水平；和 (c)选择满足预定的适合度水平或进化的代的数量的算法。更新模型并自动重复执行步骤 (a)、(b)和(c)以提供在网络中可以实现的随着时间适于改变网络模型的系列算法。可通过操作网络周期性地执行该过程，从而在网络中执行的算法适于变化的网在优选的实施方式中，中央网络节点使用遗传规划以产生由网络节点使用的新算法，将网络信息用于更新网络的内部模型。例如，可从由网络进行的测量结果或工程师的输入来获得信息。优选地，节点与遗传规划建立块一起使用模型以创建满足诸如适合度水平或进化的代的数量的目标准则的算法。优选地一旦提供这样的算法，检测在网络节点中执行是否可以视为接受。该方法特别适用于变化的网络，例如包括毫微微小区基站的自我配置网络，并适于提供用于执行它们自身的自适应算法的算法。
现在通过实施例并参照附图来描述本发明的实施方式，其中图1是示例性地描述遗传规划过程的示意图(现有技术)，图2是描述以分析树的形式表示的计算机程序的示意图(现有技术)，图3是将遗传规划应用于表示为分析树的程序部分的交叉和变异操作的示意图 (现有技术)，图4是表示根据包括网络遗传规划服务器的本发明的第一实施方式的用于无线电信的网络的示意图，图5是描述图4所示的网络遗传规划服务器的示意图，图6是描述网络遗传规划服务器操作的流程图，以及图7是用于优化无线小区覆盖范围并由网络遗传规划服务器提供的遗传工程规划的实施例。
具体实施例方式在考虑已知的系统时，发明者认识到遗传规划可以按周期性地和自动地优化它们的方式被应用于电信网络。在聚焦示例性网络遗传规划服务器以及其操作之前，现在将描述示例性的网络。在该说明书中我们使用术语算法来表示用于解决问题或执行任务的一组规则或方法。可将算法指定为具有技术应用的数学公式、计算机程序、诸如状态转换图或流程图的系统行为表示。在电信网络中的算法实例是自动调整无线小区的覆盖范围的方法，和通过网络对业务进行路由的方法。网络如图4所示，电信网络2包括有包含一些互联的蜂窝基站21、22、23、24的无线电接入网络4。小区基站21、22、23、M具有链接到网络遗传规划服务器10的通信链路6。网络遗传规划服务器10还通过通信链路或链路8与核心网30中的各种网络实体连接。各种网络实体包括网络管理系统31、主交换中心32和包括网络状态信息的数据库33。基站21、22、23、M均运行算法以执行预定的任务。网络遗传规划服务器10用于提供使用遗传规划的算法的新改进版本，在下面将进行详细说明。网络遗传规划服各器如图5所示，使用遗传规划以创建在基站中使用算法的网络遗传规划服务器10包括，为进化处理器15提供输入的功能和终端集合11、遗传算子12和适合度功能13。功能和终端集合11是算法的构件块。遗传算子12是操作现有的算法以创建新算法的操作，并包括诸如变异和交叉的操作。适合度功能13是用于计算适合度的功能，换句话说是算法的性能。例如，根据网络运营商的要求预订适合度功能13。在网络遗传规划服务器10的操作过程中，随着网络运营商要求的变化，例如网络运营商可能希望给花费更多的用户提供更多的资源，重复修改适合度功能13。在使用中，进化处理器15使用网络的模型14的信息和各种不同的所产生的算法运行对网络的仿真，以及使用性能结果并结合适合度功能13来计算与每个算法相关联的适合度。网络的最新模型14用于这些仿真中。将功能和终端集合11、遗传算子12、适合度功能13和来自仿真器18的模型14仿真结果输入到进化处理器15。进化处理器15进行遗传规划。如前所述，遗传规划(GP)包括下列步骤(i)初始化算法种群-种群是用作个体算法集合的术语，在初始化种群中的算法至少是部分随机的；(ii)计算种群中每个算法的适合度-适合度是用作测量算法实现算法任务的性能的术语；(iii)根据它们的适合度选择算法以成为“父辈”；(iv)通过应用遗传算子创建新算法，例如对在上述步骤中选择的父辈进行突变或交叉；(ν)使用最新创建的算法从之前产生的种群中选择的幸存者产生算法的下一代种群。重复上述步骤(ii)至(V)直到满足终止条件为止(例如该过程通过设定数量的代以提供算法，或者通过已经创建的算法满足目标适合度水平)。可以认为由进化处理器15输出的算法是由进化过程选择的一个算法。该算法从进化处理器15输出至算法验证处理器16。算法验证处理器16预先检测算法以检查在网络2中部署的稳定性。在部署之前完成该检测，以及检测意在确保算法性能良好，并不会导致在网络中发生不期望的行为。由于会发生不需要和不期望的行为，该检测对于用于网络的分散控制的自我X算法(例如，自我配置、自我组织等)特别重要。这种不期望的行为能够造成网络效率低的操作，并且在极端情况下会在全网络造成级联故障。需要注意的是，通常在算法中会发生相反的效果，并且相反的效果不是由遗传规划产生的特定的副作用。一旦预先检测了算法并认为是适合的，在合适的网络节点中执行该算法，在该实施例中是无线接入网络20中的基站21、22、23、24。在网络遗传规划服务器10中具有模型建立处理器17，其作用于网络的模型14以通过结合在真实世界中发生的任何重大变化来保持模型14是最新的，并对算法进化过程产生影响，还持续对模型进行改进以提高其精确度。因此，通过时常(例如周期性)的更新来改变模型。模型建立处理器17使用网络上从网络节点自身获得的信息，充当核心网实体 30和诸如由工程师人工输入的其它源(在图中没有给出)。因此，如上所述，网络遗传规划服务器10以周期和自动的方式产生在网络节点中使用的新的和改进的算法。在该自动过程中采用的主要步骤的流程图如图6所示。如图6所示，在网络遗传规划服务器中，产生和评估下一代算法(步骤a)以便达到适合度水平。作出是否所产生的算法满足预定的适合度水平的确定(步骤b)。当满足预定的适合度水平时，可认为算法对于要进行的算法检验过程是足够好的。如上所述，算法检验处理器16预先检测算法以检查在网络2中部署的可靠性(步骤c)。然后，确定该检测是失败或通过(步骤d)。如果检测失败，则抛弃该算法(步骤e)，并返回到产生和适合度评估(步骤a)。另一方面，如果检查通过，将算法分散到网络节点中(步骤f)。图6中的步骤a和b发生在图5所示的进化处理器15中。图6中步骤c、d、e发生在图5中所示的算法验证处理器16中。优化无线电覆盖范围针对上述的遗传规划和选择的示例类型的算法是用于优化无线网络中小区的无线电覆盖范围的一个实施例，换句话说基于在基站环境中在网络中作出的测量结果可自动调整基站的无线电覆盖范围。以图7中的分析树和公式的形式表示该种算法的实施例。该公式为
f 1 )Rm= ^i+- xA
V 7Vi J其中Dt表示在时隙t中丢弃的呼叫数量，Rt表示在时隙t中的小区半径，以及Ni 表示所执行的增加的全部数量。在该实施例中用作进化处理器的输入的示例功能和终端集合如下功能集合F= {+，_，*，/}，包括基本的数学运算。终端集合T= {Dt，Rt，Ct，Ni，l}，包括测量结果、节点状态和常量，其中Dt-在时隙t中丢弃的呼叫数量。Rt-在时隙t中的小区半径。C-覆盖范围重叠。Ni-所执行增加的全部数量。在该实施例中，假设网络包括中央控制实体，也就是网络遗传规划服务器。在可替换的实施方式中，可以将网络遗传规划服务器功能以散布的方式在网络节点之间散布，例如通过多个基站或基站控制器进行散散布。
上述方法集中在使用遗传规划来产生自我-X，例如自我配置、自我适应算法。在一些其他的实施方式中，该方法用于提供实现非自我-X算法的算法。概述本发明可以体现为不偏离本发明本质特点的其它具体形式。所介绍的实施方式在所有方面仅被认为是解释性而并非是限制性的。因此，本发明的范围由所附权利要求表示， 而并非是由上述说明书表示。在权利要求等效的含义和范围内的所有变化都包括在权利要求的范围内。本领域技术人员可容易地认识到各种上述方法的步骤可由可编程计算机执行。一些实施方式涉及程序存储设备，例如机器或计算机可读并对指令的机器可执行程序或计算机可执行程序进行编码的数字数据存储介质，其中所述执行执行所述上面介绍的方法的一些或所有步骤。程序存储设备例如可以是数字存储器、诸如磁盘和磁带的磁存储介质、硬盘驱动器、或光可读数字数据存储介质。一些实施方式包括通过编程以执行上述方法的所述步骤的计算机。
权利要求
1.一种通过遗传规划在电信网络中用于网络节点控制的进化算法的方法，包括(a)产生算法；(b)根据电信网络的模型确定算法的适合度水平；(c)选择满足预定的适合度水平或进化的代的数量的算法；其中更新模型并自动重复执行步骤(a)、(b)和(c)以提供在网络中能够执行的随着时间适于改变网络模型的系列算法。
2.根据权利要求1所述的方法，其中周期性地更新模型。
3.根据权利要求1或2所述的方法，其中周期性地重复步骤(a)、(b)和(c)。
4.根据前述任一权利要求所述的方法，其中所提供的系列算法是用于网络节点自我配置的系列算法。
5.根据权利要求4所述的方法，其中网络是无线电信网络，并且算法用于调整基站无线电覆盖范围的大小。
6.根据前述任一权利要求所述的方法，其中网络是自我配置网络。
7.根据前述任一权利要求所述的方法，其中网络包括基站，其中基站为毫微微小区基站。
8.根据前述任一权利要求所述的方法，其中对随着时间提供的系列算法中的每一个进行验证过程以检查各个用于在网络中执行的算法的适合度。
9.根据权利要求8所述的方法，其中在网络中执行每个被认为是适合的算法。
10.根据前述任一权利要求所述的方法，其中根据网络的变化模型调整用于确定进化处理器中算法的适合度水平的适合度功能。
11.根据前述任一权利要求所述的方法，其中根据来自网络节点的反馈信息来更新模型。
12.—种遗传规划服务器，包括进化处理器，其配置为产生算法以控制电信网络中的网络节点，并选择输出满足预定适合度功能或进化的代的数量的算法，以及网络模型，其中在进化处理器中适应涉及网络模型的算法，其中有时更新模型，以及进化处理器自动地提供在网络中执行的随着时间适于网络的改变模型的系列算法。
13.根据权利要求12所述的遗传规划服务器，进一步包括算法验证处理器，配置为检测用于在网络中执行的各个算法的适合度。
14.根据权利要求12或13所述的遗传规划服务器，其中根据网络的改变模型调整用于确定进化处理器中算法的适合度水平的适合度功能。
15.根据权利要求12至14中任一项所述的遗传规划服务器，其中所提供的系列算法是用于网络节点自我配置的系列算法。
16.一种数字数据存储介质，对指令的机器可执行程序进行编码以执行权利要求1至 11中任一项的方法。
全文摘要
本发明公开了一种通过遗传规划在电信网络中用于网络节点控制的进化算法，包括(a)产生算法；(b)根据电信网络的模型确定算法的适合度水平；和(c)选择满足预定的适合度水平或进化的代的数量的算法。更新模型并自动重复执行步骤(a)、(b)和(c)以提供在网络中执行的随着时间适于改变网络模型的系列算法。
文档编号G06N3/12GK102356399SQ201080012200
公开日2012年2月15日 申请日期2010年3月12日 优先权日2009年3月17日
发明者H·克劳森, I·阿什拉夫, L·G·塞缪尔, L·T-W·何 申请人:阿尔卡特朗讯公司