多目标优化方法和装置与流程

本发明涉及通信技术领域，尤其涉及一种多目标优化方法和装置。

背景技术：

无线通信技术的发展为用户随时随地接入网络带来了极大的便利，无线局域网络(Wireless Local Area Networks,WLAN)是一种基于电气和电子工程师协会(Institute of Electrical and Electronics Engineers，IEEE)802.11系列标准的无线通信技术。IEEE 802.11系列标准提供了三种网络模型。其中，由接入点(Access Point,AP)负责组织网络的模型应用最为广泛，其基础架构模型(infrastructure model)是一种以AP为中心组织起来的单跳网络。在该网络模型中，用户(User)直接和AP连接，由AP为该用户提供服务。并且规划AP的数量、位置、所用信道和发射功率决定了网络的性能。

由于AP模型不存在多项式时间内的解法，因此采用遗传算法等启发式算法来解决无线网络规划问题最为适合。遗传算法包含“选择、交叉、变异”等几个基本操作，其基本思想是模仿自然界的“物竞天择，适者生存”。其中，“选择”操作将种群(规划方案集)中的个体(规划方案)按照其适应度概率的选择到下一代种群中，保证优良的个体能够延续，“交叉、变异”则是引入新的个体，丰富种群多样性，使得种群中产生更优个体成为可能。

应该注意，上面对技术背景的介绍只是为了方便对本发明的技术方案进行清楚、完整的说明，并方便本领域技术人员的理解而阐述的。不能仅仅因为这些方案在本发明的背景技术部分进行了阐述而认为上述技术方案为本领域技术人员所公知。

技术实现要素：

在遗传算法中，选择操作由于是基于概率的，因此具有一定的偶然性。选择操作能够保证优秀的个体获得较高的被选择机会，但并不能保证所有的优秀个体都能够保 留到下一代种群中，因此，在选择操作中，某些优秀的个体可能没有被“选择”到下一代种群中，而其他优秀的个体在种群的数量又会越来越多，进而变异交叉操作还会破坏掉某些优秀的个体，这些问题一方面会影响算法的优化速度，另一方面易使算法陷入局部最优，发生适应度倒退现象。

本发明实施例提出了一种多目标优化方法和装置，通过在遗传算法中引入“精英保留”策略，使用初始代到第i代方案集中的一代或一代以上的方案集中的优化方案(精英)替换经过选择交叉变异后的第i代方案集中的方案，能够确保使用遗传算法迭代过程中前几代较优的方案保留在下一代方案集中，防止交叉变异操作破坏掉较优的方案。

本发明实施例的上述目的是通过如下技术方案实现的：

根据本发明实施例的第一个方面，提供了一种多目标优化装置，该装置包括：

第一生成单元，其用于使用遗传算法，将第i代方案集经排序、选择、交叉、变异后生成第一方案集；

第一处理单元，其用于将该第一方案集中的方案与初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案进行合并排序，以更新该第一方案集中的方案的等级，获得与该第一方案集中的方案相同但方案的等级更新后的第二方案集；

第一确定单元，其用于根据该初始代到第i代方案集中的一代或一代以上的方案集确定第一优化方案集；

第二处理单元，其用于利用该第一优化方案集中的方案替换该第二方案集中的方案，在满足第一预定条件时，获得第i+1代方案集。

根据本发明实施例的第二个方面，提供了一种无线网络规划装置，该装置包括：

第二生成单元，其用于使用遗传算法，将第i代无线网络规划方案集经排序、选择、交叉、变异后生成第一方案集；

第三处理单元，其用于将该第一规划方案集中的方案与初始代到第i代无线网络规划方案集中的一代或一代以上的规划方案集中排序等级高的规划方案进行合并排序，以更新该第一规划方案集中的规划方案的等级，获得与该第一规划方案集中的规划方案相同但规划方案的等级更新后的第二规划方案集；

第二确定单元，其用于根据该初始代到第i代无线网络规划方案集中的一代或一代以上的规划方案集确定第一优化规划方案集；

第四处理单元，其用于利用该第一优化规划方案集中的规划方案替换该第二规划方案集中的规划方案，在满足第一预定条件时，获得第i+1代无线网络规划方案集。

第五处理单元，其用于在满足第二预定条件时，将该第i+1代无线网络规划方案集确定为最终的无线规划方案集。

根据本发明实施例的第三个方面，提供了一种多目标优化方法，其中，该方法包括：

使用遗传算法，将第i代方案集经排序、选择、交叉、变异后生成第一方案集；

将该第一方案集中的方案与初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案进行合并排序，以更新该第一方案集中的方案的等级，获得与该第一方案集中的方案相同但方案的等级更新后的第二方案集；

利用基于该初始代到第i代方案集中的一代或一代以上的方案集获得的第一优化方案集中的方案替换该第二方案集中的方案，在满足第一预定条件时，获得第i+1代方案集。

本发明实施例的有益效果在于，通过本发明实施例的多目标优化方法和装置，能够确保使用遗传算法迭代过程中前几代较优的方案保留在下一代方案集中，防止交叉变异操作破坏掉较优的方案。

参照后文的说明和附图，详细公开了本发明的特定实施方式，指明了本发明的原理可以被采用的方式。应该理解，本发明的实施方式在范围上并不因而受到限制。在所附权利要求的精神和条款的范围内，本发明的实施方式包括许多改变、修改和等同。

针对一个实施方式描述和/或示出的特征可以以相同或类似的方式在一个或更多个其他实施方式中使用，与其他实施方式中的特征相组合，或替代其他实施方式中的特征。

应该强调，术语“包括/包含”在本文使用时指特征、整件、步骤或组件的存在，但并不排除一个或更多个其他特征、整件、步骤或组件的存在或附加。

附图说明

参照以下的附图可以更好地理解本发明的很多方面。附图中的部件不是成比例绘制的，而只是为了示出本发明的原理。为了便于示出和描述本发明的一些部分，附图中对应部分可能被放大或缩小。在本发明的一个附图或一个实施方式中描述的元素和 特征可以与一个或更多个其他附图或实施方式中示出的元素和特征相结合。此外，在附图中，类似的标号表示几个附图中对应的部件，并可用于指示多于一个实施方式中使用的对应部件。

在附图中：

图1是本发明实施例1的多目标优化方法流程图；

图2是本发明实施例1的多目标优化方法流程图；

图3是本发明实施例3的多目标优化方法流程图；

图4是本发明实施例3的步骤204具体实施方法流程图；

图5是本发明实施例4的无线网络规划方法流程图；

图6是本发明实施例5的多目标优化装置一个实施方式构成示意图；

图7是本发明实施例5的第二处理单元604构成示意图；

图8是本发明实施例5的多目标优化装置另一个实施方式构成示意图；

图9是本发明实施例6的无线网络规划装置一个实施方式构成示意图；

图10是本发明实施例6的无线网络规划装置另一个实施方式构成示意图。

具体实施方式

参照附图，通过下面的说明书，本发明实施例的前述以及其他特征将变得明显。这些实施方式只是示例性的，不是对本发明的限制。为了使本领域的技术人员能够容易地理解本发明的原理和实施方式，本发明实施例以无线网络规划为例进行说明，但可以理解，本发明实施例并不限于无线网络规划，例如，本发明实施例提供的方法和装置也适用于其他使用遗传算法进行多目标优化的场景。

下面参照附图对本发明的实施方式进行说明。

实施例1

图1是本发明实施例1的多目标优化方法流程图。请参照图1，该方法包括：

步骤101，使用遗传算法，将第i代方案集经排序、选择、交叉、变异后生成第一方案集；

步骤102，将该第一方案集中的方案与初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案进行合并排序，以更新该第一方案集中的方案的等 级，获得与该第一方案集中的方案相同但方案的等级更新后的第二方案集；

步骤103，利用基于该初始代到第i代方案集中的一代或一代以上的方案集获得的第一优化方案集中的方案替换该第二方案集中的方案，在满足第一预定条件时，获得第i+1代方案集。

由上述实施例可知，通过确定该初始代到第i代方案集中的一代或一代以上的方案集中的第一优化方案集，并使用第一优化方案集中的方案替换第二方案集中的方案；从而能够确保使用遗传算法迭代过程中前几代较优的方案保留在下一代方案集中，防止交叉变异操作破坏掉较优的方案。

在本实施例中，i的取值为非负整数，当i＝0时，步骤101中表示当前为初始代方案集，步骤102和103中初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案表示初始代方案集中排序等级高的方案。

在本实施例中，步骤101使用遗传算法对第i代方案集进行处理，具体包括：计算适应度函数，利用帕累托排序方法为该第i代方案集中的每一个方案设置等级(遗传算法中的排序处理)；根据设置的等级计算每一个方案的选择概率；根据计算出的每一个方案的选择概率，从第i代规划方案集中选择第一预定数量的方案(遗传算法中的选择处理)，从选择的第一预定数量的方案中选定第二预定数量组的方案，其中每组方案包含两个方案，将每组方案中的两个方案的预定位置的方案互换(遗传算法中的交叉处理)；从交叉处理后的方案集中选定第三预定数量的方案，将第三预定数量的方案中的每一个方案中预定位置的方案改变为与其当前方案不同的方案(遗传算法中的变异处理)，以获得第一方案集。

在本实施例中，为了确定初始代到第i代方案集中的一代或一代以上的方案集中的第一优化方案集，在步骤102前，该方法还包括：确定初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案；

其中，该排序等级利用步骤101中的帕累托排序方法确定，例如，通过帕累托排序方法确定每个方案的排序等级RANK，通常使用RANK＝1表示排序等级最高，RANK＝2表示为排序等级次高，以此类推；反之亦然。

在本实施例中，例如可以将初始代到第i代方案集中的一代或一代以上的方案集中共N个等级中的前m1个等级的方案确定为排序等级高的方案；例如，当m1＝1时，将RANK＝1的方案确定为排序等级高的方案，当m1＝2时，可以将RANK＝1和2的 方案确定为排序等级高的方案，以此类推；本实施例并不以此作为限制。

在步骤102中，将该第一方案集中的方案与初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案进行合并排序，以更新该第一方案集中的方案的等级，获得与该第一方案集中的方案相同但方案的等级更新后的第二方案集；

其中，初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案可以是初始代到第i代方案集中任意m2代方案集中排序等级高的方案，例如当m2＝1时，可以是初始代方案集中排序等级高的方案，或第i代方案集中排序等级高的方案，或第i-1代方案集中排序等级高的方案，在本实施例中，优选第i代方案集中排序等级高的方案；例如当m2＝2时，可以是第i代和第i-1代方案集中排序等级高的方案，也可以是第i-1代和第i-3代方案集中排序等级高的方案，以此类推，本实施例并不以此作为限制，m2可以为[1，i+1]中的任意整数。

在步骤102中，第一方案集中的方案与初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案仅进行合并排序，这样由于参与排序的方案发生变化，因此第一方案集中的方案的等级与步骤101中的排序等级相比，可能会发生变化，在本实施例中，将更新排序等级后的第一方案集称为第二方案集，因此第二方案集中的方案与第一方案集中的方案相同，仅更新方案的等级。

在本实施例中，步骤103前，该方法还包括：基于该初始代到第i代方案集中的一代或一代以上的方案集获得第一优化方案集；其中，第一优化方案集中的优化方案可以称之为“精英”，其中，将在该初始代到第i代方案集中的一代或一代以上的方案集中排序等级最高且经过步骤102合并排序后的排序等级未改变的方案确定为第一优化方案集中的方案，由上述实施方式可知，由于第一优化方案集中的优化方案是重新合并排序后，等级仍为最高的方案，将这样的方案作为优化方案，能够使得选择的精英的性能较优，例如在无线网络规划时，能够获得网络性能较优的规划方案。

在本实施例中，在获得第一优化方案集后，在步骤103中将该第一优化方案集中的方案替换该第二方案集中的方案，在满足第一预定条件时，获得第i+1代方案集。从而能够确保使用遗传算法迭代过程中前几代中的优化方案保留在第i+1代方案集中，防止交叉变异操作破坏掉优化方案，实现了精英保留。

在本实施例中，该第一预定条件可以是该第一优化方案集中不存在剩余的优化方案或者在该第二方案集中可以被替换的方案都已被替换，在步骤103中，在满足上述 第一预定条件时，将替换后获得的第二方案集作为第i+1代方案集。

其中，第一优化方案集中不存在剩余的优化方案即表示该第一优化方案集中没有不存在于该第二方案集中的还未参与替换的优化方案，该第二方案集中可以被替换的方案表示第二方案集中除等级最高的方案外的其他低等级的方案，等级最高的重复方案以及其他等级最高的方案。

以下为了说明方便，以将第i代方案集中的排序等级最高，即RANK＝1的方案作为初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案为例，对本实施例中的多目标优化方法进行说明。

图2是本实施例中多目标优化方法流程图，其中，第i代方案集用种群P1表示，第一方案集用种群P2表示，第二方案集用种群P2’表示，第i+1代方案集用种群P3表示，将每个方案集中的方案用个体表示，种群P1由5个个体I1,I2,I3,I4,I5组成。

例如，在步骤101中，使用遗传算法，将种群P1经排序、选择、交叉、变异后生成种群P2，其中P2中包含3个P1中的个体I1,I4,I5，另外经过交叉变异后还引入了两个新个体I6和I7；其中，种群P1经排序后每个个体的等级为R1＝2,R2＝2,R3＝1,R4＝2,R5＝3；

在步骤102中，种群P1中的方案将等级为最高1的个体I3与种群P2中的个体进行合并排序，即将个体I1,I4,I5,I6,I7,I1,I3一起重新排序，R1’＝2,R3’＝1,R4’＝2,R5’＝3,R6’＝1,R7’＝2，因此对种群P2中的个体的等级进行了更新，得到种群P2’，在种群P2’中与种群P2中相同的个体I1,I4,I5,I6,I7的等级更新为R1’＝2,R4’＝2,R5’＝3,R6’＝1,R7’＝2；

在步骤103中，由于P1中等级为RANK＝1的I3经过步骤102的重新排序后，等级仍为RANK＝1，将I3作为精英，替换P2’中的个体，例如I5，生成新种群P3包括个体I1,I3,I4,I6,I7，由于不存在剩余的精英，即满足第一预定条件，将P3中的个体I1,I3,I4,I6,I7作为下一代方案集。

以上，仅以m1＝1即RANK＝1的方案作为初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案为例，对本实施例中的多目标优化方法进行说明，对于排序等级高的方案，例如m1＝2或其他值时的多目标优化方法也适用，此处不再赘述。

在本实施例中，通过在遗传算法中引入“精英保留”策略，使用初始代到第i代 方案集中的一代或一代以上的方案集中的优化方案(精英)替换经过选择交叉变异后的第i代方案集中的方案，能够确保使用遗传算法迭代过程中前几代较优的方案保留在下一代方案集中，防止交叉变异操作破坏掉较优的方案。

实施例2

在实施例1中，对如何确定第一优化方案集，以及步骤101～103中的多目标优化方法进行了说明，本实施例2还提供了一种改进的多目标优化算法，基于实施例1，对步骤103中如何利用第一优化方案集进行优化方案的替换进行了改进，以进一步确保使用遗传算法迭代过程中前几代中的优化方案保留在第i+1代方案集中。

在本实施例2中，步骤101～102的具体实施方式与实施例1相同，此处不再重复。

以下对步骤103的具体实施方式进行说明。

在一个实施方式中，在第二方案集中存在除等级最高的方案外的其他低等级的方案时，按照该第二方案集中方案的等级从低到高的顺序、利用该第一优化方案集中不存在于该第二方案集中的第一优化方案替换该第二方案集中除等级最高的方案外的其他方案；从而实现了精英保留，并去除了性能较差的方案，以便获得性能较优的方案，加快遗传算法迭代的收敛速度。

在一个实施方式中，在第二方案集中不存在除等级最高的方案外的其他低等级的方案且该第二方案集中存在等级最高的重复方案时，利用该第一优化方案集中不存在于该第二方案集中的第二优化方案替换该第二方案集中等级最高的重复方案；从而实现了精英保留，并去除了重复的方案，保持方案集中的方案的多样性。

在一个实施方式中，在第二方案集中不存在除等级最高的方案外的其他低等级的方案且该第二方案集中不存在等级最高的重复方案时，利用该第一优化方案集中不存在于该第二方案集中的第三优化方案替换该第二方案集中等级最高的方案从而实现了精英保留，防止交叉变异操作破坏掉优化方案。

通过上述实施方式，能够进一步确保使用遗传算法迭代过程中前几代较优的方案保留在下一代方案集中，防止交叉变异操作破坏掉较优的方案，并保持方案集中方案的多样性。

以下对本实施例中步骤103的具体实施方式进行示例性的说明，仍以附图2为例， 假定获得的第二方案集P2’中的方案为I1,I1,I4,I6,I7,I8其各自的等级为R1’＝1,R1’＝1,R4’＝1,R6’＝1,R7’＝2,R8’＝3,第一优化方案集中的方案为I1,I2,I3,I5,I9,I10,I11，其中，获得第二方案集与步骤101～102中类似，获得第一优化方案集的方法与实施例1中获得第一优化方案集的方法类似，此处不再重复。

例如，在P2’中存在除等级最高RANK＝1的方案外的其他低等级的方案I7和I8，因此将第一优化方案集中不存在于P2’中的方案I2和I3分别替换P2’中的I8和I7；由于在P2’中还存在RANK＝1的重复方案I1，因此将第一优化方案集中剩余的优化方案中不存在于P2’中的方案I5替换P2’中的方案I1；此时，由于在P2’中还存在其他方案RANK＝1的方案I4,I6，因此将第一优化方案集中剩余的优化方案中不存在于P2’中的方案I9，I10替换P2’中的方案I4,I6；这时，由于第二方案集中可以被替换的方案都已被替换，即满足第一预定条件，因此将替换后的第二方案集I1,I5,I9,I10,I3,I2作为第i+1代方案集。

在本实施例中，由于I2,I3,I5,I9,I10的等级相同，因此也可以使用方案I3和I2分别替换P2’中的I8和I7，I10替换P2’中的方案I1，I5,I9替换P2’中的方案I4,I6，本实施例并不以此作为限制。

在本实施例中，步骤101～103中的方案可以是无线网络规划方案，本实施例中的多目标优化方法可以用于无线网络规划，从而能够获得网络性能最优的无线网络规划方案，其具体实施方式请参考实施例4，此处不再重复。

由上述实施例可知，通过在遗传算法中引入“精英保留”策略，使用初始代到第i代方案集中的一代或一代以上的方案集中的优化方案(精英)替换经过选择交叉变异后的第i代方案集中的方案，从而能够确保使用遗传算法迭代过程中前几代较优的方案保留在下一代方案集中，防止交叉变异操作破坏掉较优的方案。

实施例3

本发明实施例3还提供了一种多目标优化方法，图3是本实施例3中多目标优化方法流程图，在本实施例中，仅将第i代方案集中的排序等级最高，即RANK＝1的方案作为初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案为例，对实施例1和2中的多目标优化方法进行示例性的说明，如图3所示，该方法包括：

步骤301，第i代方案集经过帕累托排序，确定排序等级最高，即RANK＝1的方案；

步骤302，第i代方案集经选择、交叉、变异后生成第一方案集；

步骤303，将第一方案集和从第i代方案集中确定的RANK＝1的方案进行合并排序；选择出第i代方案集中经过重新排序后RANK仍为1的方案，保存为第一优化方案集中的优化方案，并获得重新排序后的第二方案集；

步骤304，将步骤303中确定的第一优化方案集中的优化方案替换第二方案集中的方案，在满足第一预定条件时，获得第i+1代方案集；

步骤305，判断第i+1代方案集是否满足第二预定条件，在满足第二预定条件时，执行步骤307，否则执行步骤306；

步骤306，将i＝i+1，并返回至步骤301；

步骤307，将第i+1代方案集确定为最终的方案集。

在本实施例中，图4是步骤304中具体的替换方法流程图，如图4所示，步骤304包括：

步骤401，判断第一优化方案集中是否存在第二方案集中不存在的优化方案，在判断结果为是时，执行步骤402，否则结束处理；

步骤402，筛选出第一优化方案集中存在的第二方案集中不存在的优化方案集Y；

步骤403，判断第二方案集中是否存在除等级最高RANK＝1的方案外的其他低等级(RANK>1)的方案，在判断结果为是时，执行步骤404，否则执行步骤406；

步骤404，按照第二方案集中方案的等级从低到高的顺序、利用Y中的第一优化方案替换第二方案集中RANK>1的方案，并将参与替换的第一优化方案从Y中去除；

步骤405，判断优化方案集Y中是否还有剩余的优化方案，在判断结果为是时，执行步骤406，否则结束处理；

步骤406，判断第二方案集中是否存在RANK＝1的重复方案，在判断结果为是时，执行步骤407，否则执行步骤409；

步骤407，利用Y中剩余的第二优化方案替换第二方案集中RANK＝1的重复方案，并将参与替换的第二优化方案从Y中去除；

步骤408，判断优化方案集Y中是否还有剩余的优化方案，在判断结果为是时，执行步骤409，否则结束处理；

步骤409，判断第二方案集中是否存在其他RANK＝1的方案，在判断结果为是时，执行步骤410，否则结束处理；

步骤410，利用Y中剩余的第三优化方案替换第二方案集中其他RANK＝1的方案，并将参与替换的第三优化方案从Y中去除。

在本实施例中，步骤301～306，步骤401～410的具体实施方式请参考实施例1和2，此处不再赘述。

由上述实施例可知，通过在遗传算法中引入“精英保留”策略，使用初始代到第i代方案集中的一代或一代以上的方案集中的优化方案(精英)替换经过选择交叉变异后的第i代方案集中的方案，能够确保使用遗传算法迭代过程中前几代较优的方案保留在下一代方案集中，防止交叉变异操作破坏掉较优的方案。

实施例4

图5是本发明实施例4的无线网络规划方法流程图。请参照图5，该方法包括：

步骤501，使用遗传算法，将第i代无线网络规划方案集经排序、选择、交叉、变异后生成第一规划方案集；

步骤502，将该第一规划方案集中的规划方案与初始代到第i代无线网络规划方案集中的一代或一代以上的规划方案集中排序等级高的规划方案进行合并排序，以更新该第一规划方案集中的规划方案的等级，获得与该第一规划方案集中的规划方案相同但规划方案的等级更新后的第二规划方案集；

步骤503，利用基于该初始代到第i代无线网络规划方案集中的一代或一代以上的规划方案集获得的第一优化规划方案集中的规划方案替换该第二规划方案集中的规划方案，在满足第一预定条件时，获得第i+1代无线网络规划方案集；

步骤504，在满足第二预定条件时，将该第i+1代无线网络规划方案集确定为最终的无线网络规划方案集。

其中，确定第i+1代规划方案集的步骤501～503请参考实施例1中步骤101～103，此处不再赘述。

在本实施例中，当i＝0时，该第i代无线网络规划方案为初始规划方案集。

在本实施例中，首先利用实施例1中的方法对第i代(第0代)规划方案集进行处理，以获得新的规划方案集，即第i+1代(第1代)规划方案集。在满足第二预定 条件时，将该第i+1代规划方案集作为最终的规划方案集；否则针对生成的第i+1代规划方案集，再次利用步骤501～503中方法对第i+1代规划方案进行处理，即相当于i等于1，直至获得最终的规划方案。

其中，该第二预定条件可以是i+1等于预设的第一阈值，或者是：i+1代无线网络规划方案集中连续m代规划方案集中的每个规划方案都相同，其中，m为预先设定的第二阈值。

由上述实施例可知，通过在遗传算法中引入“精英保留”策略，使用初始代到第i代方案集中的一代或一代以上的方案集中的优化方案(精英)替换经过选择交叉变异后的第i代方案集中的方案，能够确保使用遗传算法迭代过程中前几代较优的方案保留在下一代方案集中，防止交叉变异操作破坏掉较优的方案；将上述方法应用于无线网络规划中，从而能够获得网络性能较优的无线网络规划方案。

实施例5

本发明实施例5还提供了一种多目标优化装置，由于该装置解决问题的原理与实施例1～3的方法类似，因此其具体的实施可以参照实施例1～3的方法的实施，重复之处不再赘述。

图6是本发明实施例5的多目标优化装置构成示意图，装置600包括：

第一生成单元601，其用于使用遗传算法，将第i代方案集经排序、选择、交叉、变异后生成第一方案集；

第一处理单元602，其用于将该第一方案集中的方案与初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案进行合并排序，以更新该第一方案集中的方案的等级，获得与该第一方案集中的方案相同但方案的等级更新后的第二方案集；

第一确定单元603，其用于根据该初始代到第i代方案集中的一代或一代以上的方案集确定第一优化方案集；

第二处理单元604，其用于利用该第一优化方案集中的方案替换该第二方案集中的方案，在满足第一预定条件时，获得第i+1代方案集。

由上述实施例可知，通过在遗传算法中引入“精英保留”策略，使用初始代到第i代方案集中的一代或一代以上的方案集中的优化方案(精英)替换经过选择交叉变 异后的第i代方案集中的方案，能够确保使用遗传算法迭代过程中前几代较优的方案保留在下一代方案集中，防止交叉变异操作破坏掉较优的方案。

在本实施例中，第一生成单元601、第一处理单元602、第一确定单元603、第二处理单元604的具体实施方式可以参考实施例1中的步骤101～103，此处不再赘述。

在本实施例中，第一确定单元603将在该初始代到第i代方案集中的一代或一代以上的方案集中排序等级最高且经过第一处理单元602合并排序后的排序等级未改变的方案确定为第一优化方案集中的方案。

由上述实施方式可知，由于第一优化方案集中的优化方案是重新合并排序后，等级仍为最高的方案，将这样的方案作为优化方案，能够使得选择的精英的性能较优，例如在无线网络规划时，能够获得网络性能较优的规划方案。

在本实施例中，图7是本实施例中第二处理单元604构成示意图，为了进一步确保使用遗传算法迭代过程中前几代中的优化方案保留在第i+1代方案集中，第二处理单元604可以包括：

第一判断单元701，其用于判断第二方案集中是否存在除等级最高的方案外的其他低等级的方案；

第一替换单元702，其用于在第一判断单元701判断结果为是时，按照该第二方案集中方案的等级从低到高的顺序、利用该第一优化方案集中不存在于该第二方案集中的第一优化方案替换该第二方案集中除等级最高的方案外的其他方案；

第二判断单元703，其用于在第一判断单元701判断结果为否时，判断该第二方案集中是否存在等级最高的重复方案；

第二替换单元704，其用于在第二判断单元703判断结果为是时，利用该第一优化方案集中不存在于该第二方案集中的第二优化方案替换该第二方案集中等级最高的重复方案；

第三替换单元705，其用于在第二判断单元703判断结果为否时，利用该第一优化方案集中不存在于该第二方案集中的第三优化方案替换该第二方案集中等级最高的方案。

在本实施例中，该第一预定条件为第一优化方案集中不存在剩余的优化方案或者在该第二方案集中可以被替换的方案都已被替换，在满足该第一预定条件时，第二处 理单元604将替换后获得的第二方案集作为第i+1代方案集。

在本实施例中的方案可以是无线网络规划方案，本实施例中的多目标优化装置可以用于无线网络规划，从而能够获得网络性能最优的无线网络规划方案。

图8是本发明实施例多目标优化装置的另一构成示意图，如图8所示，装置800可以包括：一个接口(图中未示出)，中央处理器(CPU)820和存储器810；存储器810耦合到中央处理器820。其中存储器810可存储各种数据；此外还存储多目标优化的程序，并且在中央处理器820的控制下执行该程序，并存储各种预定值等。

在一个实施方式中，多目标优化的功能可以被集成到中央处理器820中。其中，中央处理器820可以被配置为使用遗传算法，将第i代方案集经排序、选择、交叉、变异后生成第一方案集；将该第一方案集中的方案与初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案进行合并排序，以更新该第一方案集中的方案的等级，获得与该第一方案集中的方案相同但方案的等级更新后的第二方案集；利用基于该初始代到第i代方案集中的一代或一代以上的方案集获得的第一优化方案集中的方案替换该第二方案集中的方案，在满足第一预定条件时，获得第i+1代方案集。

其中，中央处理器820还可以被配置为：将在该初始代到第i代方案集中的一代或一代以上的方案集中排序等级最高且经过合并排序后的排序等级未改变的方案作为第一优化方案集中的方案。

其中，中央处理器820还可以被配置为：在该第二方案集中存在除等级最高的方案外的其他低等级的方案时，按照该第二方案集中方案的等级从低到高的顺序、利用该第一优化方案集中不存在于该第二方案集中的第一优化方案替换该第二方案集中除等级最高的方案外的其他方案；在该第二方案集中不存在除等级最高的方案外的其他低等级的方案且该第二方案集中存在等级最高的重复方案时，利用该第一优化方案集中不存在于该第二方案集中的第二优化方案替换该第二方案集中等级最高的重复方案；在该第二方案集中不存在除等级最高的方案外的其他低等级的方案且该第二方案集中不存在等级最高的重复方案时，利用该第一优化方案集中不存在于该第二方案集中的第三优化方案替换该第二方案集中等级最高的方案。

其中，中央处理器820还可以被配置为：在该第一优化方案集中不存在剩余的优化方案或者在该第二方案集中可以被替换的方案都已被替换时，将替换后获得的第二方案集作为第i+1代方案集。

在另一个实施方式中，也可以将上述多目标优化功能配置在与中央处理器820连接的芯片(图中未示出)上，通过中央处理器820的控制来实现多目标优化的功能。

由上述实施例可知，通过在遗传算法中引入“精英保留”策略，使用初始代到第i代方案集中的一代或一代以上的方案集中的优化方案(精英)替换经过选择交叉变异后的第i代方案集中的方案，能够确保使用遗传算法迭代过程中前几代较优的方案保留在下一代方案集中，防止交叉变异操作破坏掉较优的方案。

实施例6

本发明实施例6还提供了一种无线网络规划装置，由于该装置解决问题的原理与实施例4的方法类似，因此其具体的实施可以参照实施例4的方法的实施，重复之处不再赘述。

图9是一种无线网络规划装置构成示意图，装置900包括：

第二生成单元901，其用于使用遗传算法，将第i代无线网络规划方案集经排序、选择、交叉、变异后生成第一方案集；

第三处理单元902，其用于将该第一规划方案集中的方案与初始代到第i代无线网络规划方案集中的一代或一代以上的规划方案集中排序等级高的规划方案进行合并排序，以更新该第一规划方案集中的规划方案的等级，获得与该第一规划方案集中的规划方案相同但规划方案的等级更新后的第二规划方案集；

第二确定单元903，其用于根据该初始代到第i代无线网络规划方案集中的一代或一代以上的规划方案集确定第一优化规划方案集；

第四处理单元904，其用于利用该第一优化规划方案集中的规划方案替换该第二规划方案集中的规划方案，在满足第一预定条件时，获得第i+1代无线网络规划方案集。

第五处理单元905，其用于在满足第二预定条件时，将该第i+1代无线网络规划方案集确定为最终的无线规划方案集。

在本实施例中，第五处理单元905的具体实施方式可以参考实施例4中的步骤504，此处不再赘述。

在本实施例中，该装置还可以包括：

初始生成单元(未图示)，其用于生成初始(第0代)规划方案集。

其中该初始规划方案集可随机生成，例如，如果采用二进制编码方式，则随机生成n个二进制串，该二进制串的长度等于可部署AP的候选位置数量等，本实施例并不以此作为限制。

图10是本发明实施例无线网络规划装置的另一构成示意图，如图10所示，装置1000可以包括：一个接口(图中未示出)，中央处理器(CPU)1020和存储器1010；存储器1010耦合到中央处理器1020。其中存储器1010可存储各种数据；此外还存储无线网络规划的程序，并且在中央处理器1020的控制下执行该程序，并存储各种预定值等。

在一个实施方式中，无线网络规划的功能可以被集成到中央处理器1020中。其中，中央处理器1020可以被配置为：使用实施例4中存储器710中存储的多目标优化程序对第i代无线规划方案集进行处理，得到第i+1代无线规划方案集，在满足第二预定条件时，将该第i+1代无线规划方案集确定为最终的无线规划方案集。

在另一个实施方式中，也可以将上述无线网络规划的功能配置在与中央处理器1020连接的芯片(图中未示出)上，通过中央处理器1020的控制来实现无线网络规划的功能。

如图10所示，装置1000还可以包括：输入单元1030，其用于输入初始的无线网络规划方案，显示器1040，其用于显示最终确定的无线网络规划方案等；其中，上述部件的功能与现有技术类似，此处不再赘述。值得注意的是，装置1000也并不是必须要包括图10中所示的所有部件；此外，装置1000还可以包括图10中没有示出的部件，可以参考现有技术。

由上述实施例可知，通过在遗传算法中引入“精英保留”策略，使用初始代到第i代方案集中的一代或一代以上的方案集中的优化方案(精英)替换经过选择交叉变异后的第i代方案集中的方案，能够确保使用遗传算法迭代过程中前几代较优的方案保留在下一代方案集中，防止交叉变异操作破坏掉较优的方案；将上述方法应用于无线网络规划中，从而能够获得网络性能较优的无线网络规划方案。

本发明实施例还提供一种计算机可读程序，其中当在多目标优化装置中执行该程序时，该程序使得计算机在该多目标优化装置中执行如上面实施例1～3的多目标优化方法。

本发明实施例还提供一种存储有计算机可读程序的存储介质，其中该计算机可读程序使得计算机在多目标优化装置中执行上面实施例1～3中的多目标优化方法。

本发明实施例还提供一种计算机可读程序，其中当在无线网络规划装置中执行该程序时，该程序使得计算机在该无线网络规划装置中执行如上面实施例4的无线网络规划的方法。

本发明实施例还提供一种存储有计算机可读程序的存储介质，其中该计算机可读程序使得计算机在无线网络规划中执行上面实施例4中的无线网络规划的方法。

以上参照附图描述了本发明的实施方式。这些实施方式的许多特征和优点根据该详细的说明书是清楚的，因此所附权利要求旨在覆盖这些实施方式的落入其真实精神和范围内的所有这些特征和优点。此外，由于本领域的技术人员容易想到很多修改和改变，因此不是要将本发明的实施方式限于所例示和描述的精确结构和操作，而是可以涵盖落入其范围内的所有合适修改和等同物。

应当理解，本发明的各部分可以用硬件、软件、固件或者它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可以用本领域共知的下列技术中的任一项或者他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

关于包括以上多个实施例的实施方式，还公开下述的附记。

附记1、一种多目标优化装置，其中，所述装置包括：

第一生成单元，其用于使用遗传算法，将第i代方案集经排序、选择、交叉、变异后生成第一方案集；

第一处理单元，其用于将所述第一方案集中的方案与初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案进行合并排序，以更新所述第一方案集中的方案的等级，获得与所述第一方案集中的方案相同但方案的等级更新后的第二方案集；

第一确定单元，其用于根据所述初始代到第i代方案集中的一代或一代以上的方案集确定第一优化方案集；

第二处理单元，其用于利用所述第一优化方案集中的方案替换所述第二方案集中的方案，在满足第一预定条件时，获得第i+1代方案集。

附记2、根据附记1所述的装置，其中，所述第一确定单元将在所述初始代到第i代方案集中的一代或一代以上的方案集中排序等级最高且经过所述第一处理单元合并排序后的排序等级未改变的方案确定为第一优化方案集中的方案。

附记3、根据附记2所述的装置，其中，所述第二处理单元包括：

第一判断单元，其用于判断所述第二方案集中是否存在除等级最高的方案外的其他低等级的方案；

第一替换单元，其用于在所述第一判断单元判断结果为是时，按照所述第二方案集中方案的等级从低到高的顺序、利用所述第一优化方案集中不存在于所述第二方案集中的第一优化方案替换所述第二方案集中除等级最高的方案外的其他方案；

第二判断单元，其用于在所述第一判断单元判断结果为否时，判断所述第二方案集中是否存在等级最高的重复方案；

第二替换单元，其用于在所述第二判断单元判断结果为是时，利用所述第一优化方案集中不存在于所述第二方案集中的第二优化方案替换所述第二方案集中等级最高的重复方案；

第三替换单元，其用于在所述第二判断单元判断结果为否时，利用所述第一优化方案集中不存在于所述第二方案集中的第三优化方案替换所述第二方案集中等级最高的方案。

附记4、根据附记1所述的装置，其中，所述第一预定条件为所述第一优化方案集中不存在剩余的优化方案或者在所述第二方案集中可以被替换的方案都已被替换，在满足所述第一预定条件时，所述第二处理单元将替换后获得的第二方案集作为第i+1代方案集。

附记5、根据权利要求1所述的装置，其中所述方案是无线网络规划方案。

附记6、一种无线网络规划装置，其中，所述装置包括：

第二生成单元，其用于使用遗传算法，将第i代无线网络规划方案集经排序、选择、交叉、变异后生成第一方案集；

第三处理单元，其用于将所述第一规划方案集中的方案与初始代到第i代无线网络规划方案集中的一代或一代以上的规划方案集中排序等级高的规划方案进行合并 排序，以更新所述第一规划方案集中的规划方案的等级，获得与所述第一规划方案集中的规划方案相同但规划方案的等级更新后的第二规划方案集；

第二确定单元，其用于根据所述初始代到第i代无线网络规划方案集中的一代或一代以上的规划方案集确定第一优化规划方案集；

第四处理单元，其用于利用所述第一优化规划方案集中的规划方案替换所述第二规划方案集中的规划方案，在满足第一预定条件时，获得第i+1代无线网络规划方案集。

第五处理单元，其用于在满足第二预定条件时，将所述第i+1代无线网络规划方案集确定为最终的无线规划方案集。

附记7、一种多目标优化方法，其中，所述方法包括：

使用遗传算法，将第i代方案集经排序、选择、交叉、变异后生成第一方案集；

将所述第一方案集中的方案与初始代到第i代方案集中的一代或一代以上的方案集中排序等级高的方案进行合并排序，以更新所述第一方案集中的方案的等级，获得与所述第一方案集中的方案相同但方案的等级更新后的第二方案集；

利用基于所述初始代到第i代方案集中的一代或一代以上的方案集获得的第一优化方案集中的方案替换所述第二方案集中的方案，在满足第一预定条件时，获得第i+1代方案集。

附记8、根据附记7所述的方法，其中，所述第一优化方案集中的方案是指：在所述初始代到第i代方案集中的一代或一代以上的方案集中排序等级最高且经过合并排序后的排序等级未改变的方案。

附记9、根据附记8所述的方法，其中，利用所述第一优化方案集中的方案替换所述第二方案集中的方案包括：

在所述第二方案集中存在除等级最高的方案外的其他低等级的方案时，按照所述第二方案集中方案的等级从低到高的顺序、利用所述第一优化方案集中不存在于所述第二方案集中的第一优化方案替换所述第二方案集中除等级最高的方案外的其他方案；

在所述第二方案集中不存在除等级最高的方案外的其他低等级的方案且所述第二方案集中存在等级最高的重复方案时，利用所述第一优化方案集中不存在于所述第二方案集中的第二优化方案替换所述第二方案集中等级最高的重复方案；

在所述第二方案集中不存在除等级最高的方案外的其他低等级的方案且所述第二方案集中不存在等级最高的重复方案时，利用所述第一优化方案集中不存在于所述第二方案集中的第三优化方案替换所述第二方案集中等级最高的方案。

附记10、根据附记7所述的方法，其中，在满足第一预定条件时，获得第i+1代方案集包括：

在所述第一优化方案集中不存在剩余的优化方案或者在所述第二方案集中可以被替换的方案都已被替换时，将替换后获得的第二方案集作为第i+1代方案集。