网络优化的好工具--GSM网络参数一致性检查分析软件

1 引言 在 GSM网络优化工作中,对各种系统参数的一致性检查是十分重要的. GSM系统有多个参数控制无线网络的行为,例如小区定义数据、切换关系的参数和 Locating参数等,对于同一小区的这些参数往往在多个网元中有定义,其中一些是内部小区的参数定义,其他则为外部小区的参数定义.性能良好的网络要求外部小区的参数定义与内部小区的参数定义相一致,否则就会影响网络的性能,通常是切换成功率下降,进而导致掉话增加,严重的会导致一些区域有信号覆盖但不能打电话.此外,还有些参数,它们之间是相互制约的,需要配套使用,例如 BSC中的一些全局参数和部分小区参数之间如果不匹配也会影响网络性能.所谓一致性检查,就是发现各种参数的不一致性,然后根据一致性检查报告逐一纠正.     

非线性最优化的广义梯度投影法

梯度投影法已有许多有效算法,但这些算法还存在三个问题:1)为了保证算法的收敛性,在算法的每一迭代步,需要选取δ-主动约束集,计算量较大.2)在迭代过程中,需要跟踪主动约束集.3)只能处理非线性不等式约束问题.本文讨论非线性等式与不等式约束的优化问题,给出了一个广义梯度投影法,证明了算法的收敛性并且完满地解决了上述三个问题.本文算法结构简单且其处理技巧有普遍意义.     

求解无线传感器网络路由问题的蚁群最优化算法及其收敛性

首先将无线传感器网络的路由问题转化成求解最小Steiner树问题,然后给出了求解无线传感器网络路由的蚁群优化算法,并对算法的收敛性进行了证明．最后对找到最优解后信息素值的变化进行了分析．即在限制信息素取值的条件下,当迭代次数充分大时,该算法能以任意接近于1的概率找到最优解,并且当最优解找到后,最优树边上的信息素单调增加,而最优解以外边上的信息素在有限步达到最小值．     

解约束优化问题的QP-free可行域方法

本文利用一个新的分片线性NCP函数提出一个新的可行的QP-free方法解非线性不等式约束优化问题.不同于其他的QP-free方法,这个方法只考虑在工作集中的约束函数,工作集是积极集的一个估计,因此子问题的维数不是满秩的.这个方法可行的并且不需假定严格互补条件、聚点的孤立性得到算法的全局收敛性,并且积极约束函数的梯度不要求线性独立的,其中由拟牛顿法得到的子矩阵不需要求一致正定性.     

求解最小Steiner树的蚁群优化算法及其收敛性

最小Steiner树问题是NP难问题,它在通信网络等许多实际问题中有着广泛的应用．蚁群优化算法是最近提出的求解复杂组合优化问题的启发式算法．本文以无线传感器网络中的核心问题之一,路由问题为例,给出了求解最小Steiner树的蚁群优化算法的框架．把算法的迭代过程看作是离散时间的马尔科夫过程,证明了在一定的条件下,该算法所产生的解能以任意接近于1的概率收敛到路由问题的最优解．     

集值优化问题强有效解的Kuhn Tucker最优性条件

在局部凸空间中考虑集值优化问题（VP）在强有效解意义下的Kuhn-Tucker最优性条件．在近似锥．次类凸假设下利用择一性定理得到了（VP）取得强有效解的必要条件，利用基泛函的性质给出了（VP）取得强有效解的充分条件，最后给出了一种与（VP）等价的无约束规划。     

目标函数扰动的集值优化问题的稳定性

本文研究了由目标函数扰动的集值优化问题的有效点集所定义的集值映射的半连续性.讨论了目标函数扰动的集值优化问题在上半连续意义下的稳定性.特别地,在广义适定性条件下,证明了集值优化问题在上半连续意义下的稳定性.     

助力企业客户优化业务成效

全球第一的技术公司惠普,综合多年为客户服务的经验,深入了解客户需要,准确把握行业趋势,最先提出“科技以推动业务成效为本”,帮助客户认识到业务科技的重要性和紧迫性。同时,为满足客户对管理风险、加速成长和降低成本等关键业务成效的需求，惠普首先提出了业务科技解决方案。惠普不仅是理念的领先者，更是行动的有力执行者。同时，惠普不仅拥有全球最为广泛、完善的产品组合，[第一段]     

用向量组共轭化方法改进Powell法

本文利用共轭化变换提高向量组共轭度的方法,对Powell法及修正Powell法作了改进。这一改进保持了原算法的二次终止性和关于连续可微严格凸函数的收敛性。文末用十六个公认的考机题检验了这一改进的效果。计算表明,改进后的Powell法及修正的Powell法比原算法收敛得快。     

安全质量费用工期在网络计划中的系统优化研究

施工网络计划中安全、质量、费用、工期达到综合优化是工程管理决策追求的目标,在工程项目管理中对这4个指标进行全面系统分析,并且进行综合均衡优化,对于提高工程项目的综合效益至关重要.采取在网络计划所有可行的施工方案中寻求最优的方案组合,从而达到总目标的优化.并且通过一个实例来说明本方法的应用.