- 选题背景和意义：
5G基站为了保证用户体验，覆盖范围较传统基站更小，同时能耗大为提高，因此，根据用户的实时需求，智能地设计基站的选址成为更好的选择。此外，为基站设计实时工作策略也十分重要，采用分布式控制策略，基于short-term forecast的通信需求，控制每个基站的实时工作。
华为近年来在5G技术上的突破，使得5G基站成为新的通信趋势，也带来了很多前所未有的问题，数学学院虞文武和陈都鑫老师的实验室与华为合作，试图在5G基站的通信调频，能耗估计，分布式控制策略等方面实现进展，具有很强的指导意义。
近年来，多智能体网络得到了广泛的发展，在人工智能，机器学习，社会与工程系统方面。许多研究人员对多智能体的动态行为分析特别感兴趣网络，包括不同的共识、合作和竞争；具体来说，就是基于多智能体网络的分布式优化。分布式优化的目标是最小化和函数，在一些约束下，其中有多种约束在科学和工程领域的应用，包括传感器网络，电源控制、源定位和分布式数据回归。对分布式优化来说，大部分的工作建立在一致算法的描述上，通过离散时间动力学来寻找最优解；此外，还有一些关于分布式连续时间动力学的研究优化被提出。
- 课题关键问题及难点：
利用群体智能技术实现对所有5G基站的动态分布式的控制和优化，在保证用户动态通信需求的前提下实现基站总能耗最小。
难点
- 5G基站相比4G基站能耗大幅上升，以焦耳/比特来衡量的话大概上升三个数量级，传统的优化方法不能适用；
- 多种因素影响下，诸如存在D2D通信 / 基站数量大幅增加 /传统节能手段诸如信道切换、关闭集中的基带单元（bbus）的失效，使得5G的优化在强化学习的作用下能取得更好的效果，传统的神经网络效果有限。
- 求解困难；传统的优化方法，一旦应用到小时间尺度上，运算变得极为复杂，不得不使用服务器求解。我计划采用分布式控制，以期在不牺牲精度的情况下提高求解效率。
- 文献综述（或调研报告）：
1986年，Tank和Hopfield率先形成了一种神经动力线性规划的最优化方法；1988年，Kennedy和Chua开发了一个用于非线性的RNN优化方法；2012年，一种求解退化线性问题的分布式单纯形算法程序和multi-agent分配方法被M. Buuml;rger, G. Notarstefano, F. Bullo, and F. Allgouml;wer,提出；2012年，J. Lu and C. Y. Tang,给出了分布式无约束下，具有强凸和二次连续可微的最优化问题的目标函数；2014年，Z. Yan, J. Wang, 和 G. Li对于有界约束的全局优化，结合进化计算（Evolutionary computation）给出集体神经动力学优化方法（CNOM）; Q. Liu 和J. Wang在2015年的工作中，提出了求解有界约束的全局一致网络，给出了一种二阶多智能体分布式优化问题的求解办法；2014年，M. Buuml;rger, G. Notarstefano, and F. Allgouml;wer共同提出一个切平面的一致性鲁棒分布式优化算法；2014年，L. Carlone, V. Srivastava, F. Bullo, and G. C. Calafiore提出一个随机凸规划的分布式算法，基于大规模随机抽取的约束；2014年，B. Gharesifard and J. Corteacute;s提出一个连续时间可替换主体权重平衡有向图上的网络，用于分布式无约束凸优化；2015年，S. K. Niederlauml;nder and J. Corteacute;s,建立在鞍点动力学上的一个增广拉格朗日函数，用于分布的连续时间协调算法开发；M.G, L.G,和L.T根据BS类型和应用场景的不同考虑了跨层资源分配最大化系统总效用的问题；D.P仅仅把时间尺度看作与基站状态有关的变量提供了一种高效的马尔可夫决策过程方法（MDP）D.N, E.H和A.F把时间尺度看作是与用户密度和带宽有关的变量，在具有传感器的网状网络中，使用不同的睡眠和唤醒策略来分析数据包的丢弃和阻塞概率；在I.K，T.C，S.T和T.B，E.U的文章中，最大化energy efficiency，数据吞吐量最大化调度已扩展到有限水平的情况；在G.Jong的文章中，机会睡眠的概念被提议，其中BS仅在特定的时间内休眠时间周期以提高系统可靠性。
- 方案（设计方案、或研究方案、研制方案）论证：
利用群体智能技术实现对所有5G基站的动态分布式的控制和优化，在保证用户服务质量的前提下实现基站总能耗最小。目标在于确定基站选址和基站拓扑，以及基站的动态控制策略。我们建立二阶多智能体网格模型，它含有一些子模型：包括频段对能耗的影响模型，基于路网的通信需求动态分布模型等；采用多重互联递归神经方法（MIRNM）求解，用于分布式约束优化的网络(RNNs)；所要求解的分布式优化问题的目标函数是局部凸目标函数的和，在满足局部约束的条件下，利用RNNs实现局部目标函数的最小化，该集体神经动力学方法（CNM）具有一般性。
为了实现通信需求的预测，在基于城市路网的前提下，建立路口的关联性网络。在知道每一个路口的流量情况下，预测图上每一条边的通信分布需求（按时间分布的），仅仅考虑人（或车辆）的流动性。预测方法可采用SARIMA 或改进的ST—KNN算法，采用粗插值方法预处理数据，确定度量函数和邻近数据点的权重函数，并进行Parameter estimation，以期在较长的Forecast Duration下保持较小的误差。
预期建立基于路网的5G基站动态分布式选址策略与控制策略，，以及泛化能力相对强的通信需求预测方案，并实现在Billy-AKs和PESs下较好的仿真结果。
五、进度安排：
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
