研究目的
通过基于模糊逻辑的根因分析系统和用于学习规则库的遗传算法,自主解决无线接入网络中的问题并最大限度降低其对用户的影响。
研究成果
所提出的利用遗传算法自动学习移动网络自诊断模糊控制器规则库的方法具有鲁棒性,在提升服务质量的同时降低了运营支出。该系统能适配故障排查专家的推理逻辑,便于知识获取与系统输出解读。其效果与专家手动定义规则相当甚至更优,且无需专家直接介入。
研究不足
主要限制在于缺乏用于测试新诊断系统的现有分类故障案例数据库,特别是在当前网络中开始部署的LTE领域。此外,随着参数输入(PI)数量的增加,算法性能会下降,需要更复杂的个体和更长的执行时间。
1:实验设计与方法选择:
该方法采用模糊逻辑和遗传算法来学习用于移动网络故障诊断的模糊逻辑控制器(FLC)的规则库。
2:样本选择与数据来源:
训练数据由多个性能指标(PI)的清晰值向量和对应的故障原因类别标签组成。
3:实验设备与材料清单:
研究利用基于故障排除专家知识的网络仿真器生成故障原因及其关联的性能指标。
4:实验流程与操作步骤:
提出的遗传算法先使用训练案例进行训练,再通过测试案例进行验证。该过程重复100次并计算平均值。
5:数据分析方法:
评估包括诊断错误率、漏检率和误报率的测量,以评估所提方法的性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容