基于貝葉斯網(wǎng)絡(luò)的組網(wǎng)參數(shù)自動規(guī)劃方法

冀云剛 霍永華

摘要：針對戰(zhàn)場機(jī)動通信網(wǎng)絡(luò)快速規(guī)劃需求，提出了一種基于貝葉斯網(wǎng)絡(luò)的組網(wǎng)參數(shù)自動規(guī)劃方法。通過對傳統(tǒng)二進(jìn)制粒子群優(yōu)化算法在粒子群初始化和算法搜索空間等方面進(jìn)行改進(jìn)，實(shí)現(xiàn)了組網(wǎng)參數(shù)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的快速學(xué)習(xí)，利用貝葉斯網(wǎng)絡(luò)實(shí)現(xiàn)組網(wǎng)參數(shù)的自動規(guī)劃，以超短波電臺網(wǎng)絡(luò)為仿真模型，對算法進(jìn)行了仿真驗(yàn)證。結(jié)果表明，該算法在超短波組網(wǎng)參數(shù)規(guī)劃中具有較高的準(zhǔn)確率，能夠滿足戰(zhàn)場機(jī)動通信網(wǎng)絡(luò)快速規(guī)劃需求。

關(guān)鍵詞：網(wǎng)絡(luò)規(guī)劃；貝葉斯網(wǎng)絡(luò)；粒子群優(yōu)化

中圖分類號：TP393文獻(xiàn)標(biāo)志碼：A文章編號：1008-1739（2022）13-43-5

0引言

戰(zhàn)場機(jī)動通信網(wǎng)絡(luò)具有通信手段種類多、組織應(yīng)用靈活等特點(diǎn)，這就導(dǎo)致需要規(guī)劃大量的網(wǎng)絡(luò)開通參數(shù)。以某典型機(jī)動通信網(wǎng)絡(luò)為例，需要規(guī)劃的各類參數(shù)多達(dá)20多萬條。雖然采用了自動規(guī)劃相關(guān)技術(shù)，但仍有大量參數(shù)需規(guī)劃人員根據(jù)自身經(jīng)驗(yàn)進(jìn)行人工規(guī)劃，難度大、效率低，影響網(wǎng)絡(luò)快速開通。

近年來，隨著數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)等技術(shù)的快速發(fā)展，在網(wǎng)絡(luò)規(guī)劃領(lǐng)域也逐步推廣應(yīng)用。文獻(xiàn)[1]中將決策樹算法和關(guān)聯(lián)規(guī)則算法應(yīng)用到電信網(wǎng)規(guī)劃中，進(jìn)行數(shù)據(jù)的分類整理和后期檢測。文獻(xiàn)[2]針對傳統(tǒng)網(wǎng)絡(luò)規(guī)劃問題，提出建立基于多維數(shù)據(jù)的網(wǎng)絡(luò)質(zhì)量評估模型，提升網(wǎng)絡(luò)規(guī)劃效率和精細(xì)程度。文獻(xiàn)[3]通過對現(xiàn)網(wǎng)數(shù)據(jù)的挖掘分析，構(gòu)建價(jià)值評估、干擾評估和覆蓋評估等多維度的評估體系，指導(dǎo)網(wǎng)絡(luò)規(guī)劃，提升網(wǎng)絡(luò)質(zhì)量。文獻(xiàn)[4]通過基于三角幾何的方式采用外接圓自動規(guī)劃算法，實(shí)現(xiàn)站址的自動規(guī)劃。文獻(xiàn)[5]在站址優(yōu)化選擇中采用一種改進(jìn)的粒子群算法，取得了較好的效果。但上述研究成果一般針對固定網(wǎng)絡(luò)，主要側(cè)重站址選擇、頻率分配和網(wǎng)絡(luò)評估分析等，針對戰(zhàn)場復(fù)雜環(huán)境下的機(jī)動通信網(wǎng)絡(luò)規(guī)劃方面涉及較少。本文從戰(zhàn)場機(jī)動通信網(wǎng)絡(luò)快速規(guī)劃開通需求出發(fā)，提出了一種基于貝葉斯網(wǎng)絡(luò)（Bayesian Network，BN）的規(guī)劃參數(shù)自動規(guī)劃模型，通過對典型規(guī)劃方案數(shù)據(jù)的挖掘分析，識別不同規(guī)劃因素間潛在的關(guān)聯(lián)關(guān)系，構(gòu)建機(jī)動通信網(wǎng)絡(luò)規(guī)劃因素的貝葉斯網(wǎng)絡(luò)模型，實(shí)現(xiàn)組網(wǎng)參數(shù)自動規(guī)劃，從而提升規(guī)劃效率，降低規(guī)劃難度。

1貝葉斯網(wǎng)絡(luò)

1.1貝葉斯網(wǎng)絡(luò)

③適應(yīng)度計(jì)算

在基于貝葉斯網(wǎng)絡(luò)的粒子更新算法中，粒子適應(yīng)度的計(jì)算對應(yīng)貝葉斯網(wǎng)絡(luò)中的評分函數(shù)。貝葉斯網(wǎng)絡(luò)常見的評分函數(shù)包括BIC，BDE和MDL等。在本文中采用BIC評分來計(jì)算粒子適應(yīng)度。

另外，針對算法學(xué)習(xí)到的自循環(huán)、雙向箭頭和內(nèi)循環(huán)非法結(jié)果，可分別采用直接刪除循環(huán)弧線和隨機(jī)刪除其中一條弧線進(jìn)行處理。

2組網(wǎng)參數(shù)自動規(guī)劃算法

針對機(jī)動通信網(wǎng)絡(luò)中存在的大量超短波子網(wǎng)規(guī)劃需求，本文采用基于貝葉斯網(wǎng)絡(luò)的自動規(guī)劃算法，流程如圖3所示。

①規(guī)劃數(shù)據(jù)整理：目前已有的規(guī)劃數(shù)據(jù)中只包含了設(shè)備具體參數(shù)部分，沒有體現(xiàn)影響組網(wǎng)參數(shù)的輸入性內(nèi)容，如節(jié)點(diǎn)類型和節(jié)點(diǎn)位置等，需針對任務(wù)輸入內(nèi)容進(jìn)行歸一化整理，形成格式化輸入數(shù)據(jù)。

②貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)：基于整理后的格式化數(shù)據(jù)，采用改進(jìn)的粒子群算法學(xué)習(xí)超短波組網(wǎng)參數(shù)的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)。

③規(guī)劃超短波組網(wǎng)參數(shù)：利用學(xué)得的貝葉斯網(wǎng)絡(luò)進(jìn)行超短波組網(wǎng)參數(shù)自動規(guī)劃，生成超短波組網(wǎng)參數(shù)。

④網(wǎng)絡(luò)開通驗(yàn)證：利用生成的超短波網(wǎng)絡(luò)組網(wǎng)參數(shù)開通超短波網(wǎng)絡(luò)，驗(yàn)證規(guī)劃參數(shù)的正確性和可用性。

3實(shí)驗(yàn)及結(jié)果分析

3.1實(shí)驗(yàn)數(shù)據(jù)

本文選擇了12個(gè)不同典型任務(wù)場景下的704個(gè)超短波子網(wǎng)組網(wǎng)參數(shù)規(guī)劃結(jié)果，進(jìn)行數(shù)據(jù)梳理，最終形成數(shù)據(jù)完整的680個(gè)超短波子網(wǎng)組網(wǎng)參數(shù)規(guī)劃結(jié)果數(shù)據(jù)作為本文的訓(xùn)練樣本。

3.2貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)

（1）算法參數(shù)選擇

在二進(jìn)制粒子群算法中的不同參數(shù)的選擇對算法性能影響較大，學(xué)者們的研究結(jié)果表明，一般取值為0.4～0.9。在本文算法中=0.7，1= 2=2，其他參數(shù)設(shè)置如表1所示。

（2）粒子初始化

選擇影響超短波組網(wǎng)的典型參數(shù)，包括節(jié)點(diǎn)類型、節(jié)點(diǎn)位置、成員類型、業(yè)務(wù)類型、成員數(shù)量、工作模式以及時(shí)隙數(shù)，分別計(jì)算互信息，結(jié)果如下：