一种网络参数优化方法、装置、电子设备及介质与流程

阅读：评论：0

1.本发明涉及计算机技术领域，特别是涉及一种网络参数优化方法、装置、电子设备及介质。

背景技术：

2.目前移动网络组网和无线传播环境复杂，需要有针对性地对无线网络参数进行优化。目前如果修改a的无线网络参数后，a的其他网络指标会随之发生变化，且相邻的其他，比如b，网络指标也可能发生变化。那么就需要人工对a的其他网络指标相关的无线网络参数进行调整，并对相邻的其他被影响的网络指标相关的无线网络参数进行调整。可见网络参数的优化需要进行全局考虑，目前通过人工调整网络参数的方法缺乏对移动网络的全面评估，且实现较为复杂。

技术实现要素：

3.本发明实施例的目的在于提供一种网络参数优化方法、装置、电子设备及介质，以实现在对移动网络全面评估的前提下简化调整网络参数的方法。具体技术方案如下：
4.第一方面，本技术实施例提供一种网络参数优化方法，包括：
5.获取移动网络的性能指标；
6.基于所述移动网络的性能指标确定所述移动网络的适应度；
7.在所述移动网络的适应度小于预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集，其中，的参数集包括影响各性能指标的参数值；
8.基于各的下一代参数集对各的参数进行更新，在预设时长后，返回所述获取移动网络的性能指标的步骤，直至所述移动网络的适应度大于等于所述预设阈值。
9.在一种可能的实现方式中，所述在移动网络的适应度小于所述预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集，包括：
10.在所述移动网络的适应度小于所述预设阈值的情况下，确定每个的适应度；
11.按照适应度从大到小的顺序，从所述移动网络的中选择预设比例的作为第一类，将剩余的作为第二类；
12.将所述第一类的当前参数集作为所述第一类的下一代参数集；
13.针对所述第二类包括的每个性能指标，如果该性能指标小于该性能指标对应的性能指标阈值，则将该性能指标作为低性能指标；
14.对每个第二类包括的低性能指标对应的参数值进行变异操作，得到每个第二类的下一代参数集。
15.在一种可能的实现方式中，所述对每个第二类包括的低性能指标对应的参数值进行变异操作，得到每个第二类的下一代参数集，包括：
16.针对每个第二类，对该第二类的低性能指标对应的每个参数值进行以下
操作：
17.通过预设编码方式对该参数值进行编码，得到该参数值的基因值；
18.对所述基因值进行变异操作，得到所述基因值对应的基因变异值；
19.如果所述基因变异值处于该参数值对应的基因范围内，则将该参数值更新为对所述基因变异值进行解码得到的参数值，所述基因范围为采用所述预设编码方式对该参数值的取值范围进行编码得到的基因值的范围；
20.如果所述基因变异值未处于该参数值对应的基因范围内，则从历史各代参数集对应的性能指标中，查与该参数值对应的低性能指标属于同种性能指标的最优性能指标；
21.将该参数值更新为所查到的最优性能指标对应的参数值。
22.在一种可能的实现方式中，所述基于所述移动网络的性能指标确定所述移动网络的适应度，包括：
23.将所述移动网络的各性能指标进行加权求和，得到所述移动网络的适应度。
24.在一种可能的实现方式中，所述确定每个的适应度，包括：
25.针对每个，对该的各性能指标进行加权求和，得到该的适应度。
26.第二方面，本技术实施例提供一种电子设备，包括存储器，收发机，处理器：
27.存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行以下操作：
28.获取移动网络的性能指标；
29.基于所述移动网络的性能指标确定所述移动网络的适应度；
30.在所述移动网络的适应度小于预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集，其中，的参数集包括影响各性能指标的参数值；
31.基于各的下一代参数集对各的参数进行更新，在预设时长后，返回所述获取移动网络的性能指标的步骤，直至所述移动网络的适应度大于等于所述预设阈值。
32.在一种可能的实现方式中，所述处理器，具体用于读取所述存储器中的计算机程序并执行以下操作：
33.在所述移动网络的适应度小于所述预设阈值的情况下，确定每个的适应度；
34.按照适应度从大到小的顺序，从所述移动网络的中选择预设比例的作为第一类，将剩余的作为第二类；
35.将所述第一类的当前参数集作为所述第一类的下一代参数集；
36.针对所述第二类包括的每个性能指标，如果该性能指标小于该性能指标对应的性能指标阈值，则将该性能指标作为低性能指标；
37.对每个第二类包括的低性能指标对应的参数值进行变异操作，得到每个第二类的下一代参数集。
38.在一种可能的实现方式中，所述处理器，具体用于读取所述存储器中的计算机程序并执行以下操作：
39.针对每个第二类，对该第二类的低性能指标对应的每个参数值进行以下操作：
40.通过预设编码方式对该参数值进行编码，得到该参数值的基因值；
41.对所述基因值进行变异操作，得到所述基因值对应的基因变异值；
42.如果所述基因变异值处于该参数值对应的基因范围内，则将该参数值更新为对所述基因变异值进行解码得到的参数值，所述基因范围为采用所述预设编码方式对该参数值的取值范围进行编码得到的基因值的范围；
43.如果所述基因变异值未处于该参数值对应的基因范围内，则从历史各代参数集对应的性能指标中，查与该参数值对应的低性能指标属于同种性能指标的最优性能指标；
44.将该参数值更新为所查到的最优性能指标对应的参数值。
45.在一种可能的实现方式中，所述处理器，具体用于读取所述存储器中的计算机程序并执行以下操作：
46.将所述移动网络的各性能指标进行加权求和，得到所述移动网络的适应度。
47.在一种可能的实现方式中，所述处理器，具体用于读取所述存储器中的计算机程序并执行以下操作：
48.针对每个，对该的各性能指标进行加权求和，得到该的适应度。
49.第三方面，本技术实施例提供一种网络参数优化装置，包括：
50.获取单元，用于获取移动网络的性能指标；
51.确定单元，用于基于移动网络的性能指标确定移动网络的适应度；
52.遗传单元，用于在所述移动网络的适应度小于预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集，其中，的参数集包括影响各性能指标的参数值；
53.更新单元，用于基于各的下一代参数集对各的参数进行更新，在预设时长后，触发所述获取单元获取移动网络的性能指标。
54.在一种可能的实现方式中，遗传单元，具体用于：
55.在所述移动网络的适应度小于所述预设阈值的情况下，确定每个的适应度；
56.按照适应度从大到小的顺序，从所述移动网络的中选择预设比例的作为第一类，将剩余的作为第二类；
57.将所述第一类的当前参数集作为所述第一类的下一代参数集；
58.针对所述第二类包括的每个性能指标，如果该性能指标小于该性能指标对应的性能指标阈值，则将该性能指标作为低性能指标；
59.对每个第二类包括的低性能指标对应的参数值进行变异操作，得到每个第二类的下一代参数集。
60.在一种可能的实现方式中，遗传单元，具体用于：
61.针对每个第二类，对该第二类的低性能指标对应的每个参数值进行以下操作：
62.通过预设编码方式对该参数值进行编码，得到该参数值的基因值；
63.对所述基因值进行变异操作，得到所述基因值对应的基因变异值；
64.如果所述基因变异值处于该参数值对应的基因范围内，则将该参数值更新为对所述基因变异值进行解码得到的参数值，所述基因范围为采用所述预设编码方式对该参数值的取值范围进行编码得到的基因值的范围；
65.如果所述基因变异值未处于该参数值对应的基因范围内，则从历史各代参数集对
应的性能指标中，查与该参数值对应的低性能指标属于同种性能指标的最优性能指标；
66.将该参数值更新为所查到的最优性能指标对应的参数值。
67.在一种可能的实现方式中，确定单元，具体用于将所述移动网络的各性能指标进行加权求和，得到所述移动网络的适应度。
68.在一种可能的实现方式中，遗传单元，具体用于针对每个，对该的各性能指标进行加权求和，得到该的适应度。
69.第四方面，本技术实施例还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中所述的方法。
70.第五方面，本技术实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面中所述的方法。
71.采用上述技术方案，可以基于移动网络的性能指标确定移动网络的适应度，在移动网络的适应度小于预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集，在将下一代参数集应用到各后，可在预设时长后再次执行上述流程，直至移动网络的适应度大于等于预设阈值，则完成对网络参数的优化。可见，本技术实施例通过将遗传算子应用在网络参数优化过程中，可以实现对各的参数集的自动调整，实现简单。且完成网络参数优化的条件是移动网络的适应度大于等于预设阈值，移动网络的适应度是由各的性能指标所决定的，相当于以整个移动网络的性能指标为条件来对各的参数集进行优化，实现了在对移动网络的全面评估的前提下进行网络参数优化。
72.当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的所有优点。
附图说明
73.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。
74.图1为本技术实施例提供的一种网络参数优化方法的流程图；
75.图2为本技术实施例提供的另一种网络参数优化方法的流程图；
76.图3为本技术实施例提供的一种电子设备的结构示意图；
77.图4为本技术实施例提供的一种网络参数优化装置的结构示意图。
具体实施方式
78.本技术实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
79.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，并不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
80.本技术实施例提供的网络参数优化方法用于对网络中包括的的参数进行优
化，其中，该技术方案可以适用于多种网络的系统，尤其是5g系统或4g与5g协同系统。例如适用的系统可以是全球移动通讯(global system of mobile communication，gsm)系统、码分多址(code division multiple access，cdma)系统、宽带码分多址(wideband code division multiple access，wcdma)通用分组无线业务(general packet radio service，gprs)系统、长期演进(long term evolution，lte)系统、lte频分双工(frequency division duplex，fdd)系统、lte时分双工(time division duplex，tdd)系统、高级长期演进(long term evolution advanced，lte-a)系统、通用移动系统(universal mobile telecommunication system，umts)、全球互联微波接入(worldwide interoperability for microwave access，wimax)系统、5g新空口(new radio,nr)系统等。这多种系统中均包括终端设备和网络设备。系统中还可以包括核心网部分，例如演进的分组系统(evloved packet system,eps)、5g系统(5gs)等。
81.本技术实施例涉及的可以包括多个为终端提供服务的小区。根据具体应用场合不同，又可以称为接入点，或者可以是接入网中在空中接口上通过一个或多个扇区与无线终端设备通信的设备，或者其它名称。可用于将收到的空中帧与网际协议(internet protocol，ip)分组进行相互更换，作为无线终端设备与接入网的其余部分之间的路由器，其中接入网的其余部分可包括网际协议(ip)通信网络。还可协调对空中接口的属性管理。例如，本技术实施例涉及的网络设备可以是全球移动通信系统(global system for mobile communications，gsm)或码分多址接入(code division multiple access，cdma)中的网络设备(base transceiver station，bts)，也可以是带宽码分多址接入(wide-band code division multiple access，wcdma)中的网络设备(nodeb)，还可以是长期演进(long term evolution，lte)系统中的演进型网络设备(evolutional node b，enb或e-nodeb)、5g网络架构(next generation system)中的5g(gnb)，也可以是家庭演进(home evolved node b，henb)、中继节点(relay node)、家庭(femto)、微微(pico)等，本技术实施例中并不限定。在一些网络结构中，网络设备可以包括集中单元(centralized unit，cu)节点和分布单元(distributed unit，du)节点，集中单元和分布单元也可以地理上分开布置。
82.如图1所示，本技术实施例提供一种网络参数优化方法，该方法可以由网管设备执行，该方法包括：
83.s101、获取移动网络的性能指标。
84.其中，所需获取的性能指标可以根据网络参数优化需求确定。
85.在一种实施方式中，可以对移动网络的性能指标进行归类，将移动网络的性能指标分为多个母类，并将每个母类分为多个子类。
86.示例性地，可以将移动网络的性能指标分为5大母类，分别为：接入性指标、保持性指标、移动性指标、完整性指标、容量指标。
87.其中，接入性指标可以包括：同频切换成功率、异频切换成功率等用于表示接入性能的子类指标。
88.保持性指标可以包括：无线掉线率、无线资源控制(radio resource control，rrc)连接重建比率等用于表示保持性能的子类指标；
89.接入性指标可以包括：rrc连接建立成功率、无线接通率等用于表示接入性能的子
类指标。
90.完整性指标可以包括：下行256正交振幅调制(quadrature amplitude modulation，qam)编码比例，下行误码率等用于表示完整性能的子类指标；
91.容量指标可以包括：下行物理资源块(physical resource block，prb)平均利用率，平均用户数等用于表示容量的子类指标。
92.在本技术实施例中，可以周期性获取移动网络在一个周期内的性能指标。以移动网络的同频切换成功率为例，网管设备可以获取一个周期内整个移动网络中发生的同频切换的总次数，以及该周期内同频切换成功的次数，进而可将该周期内同频切换成功的次数与同频切换的总次数之间的比值作为同频切换成功率。
93.s102、基于移动网络的性能指标确定移动网络的适应度。
94.其中，适应度是指在某种环境条件下，某已知基因型的个体将其基因传递到其后代基因库中的相对能力。
95.在本技术实施例中，可将移动网络中包括的所有作为一个集，确定该集将其基因遗传到后代基因库中的相对能力。其中，基因可以为的参数，也就是说移动网络的适应度可以用于表示移动网络中所有的参数好坏，也用于表示移动网络中所有的当前参数集被遗传到下一代的可能性。
96.的参数集包括影响各性能指标的参数值，例如，影响同频切换成功率的参数包括：a3事件上报的(reference signal receiving power，rsrp)偏移、a3事件上报的迟滞门限、a3事件上报的触发时间等。
97.s103、在移动网络的适应度小于预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集。其中，的参数集包括影响各性能指标的参数值。
98.在本技术实施例中，可以将参数优化问题转换为通过遗传算法寻搜索空间内的最优解的问题，的参数集包括的每个参数具有一个取值范围，该取值范围可作为参数的搜索空间，各的参数集为候选解。
99.如果移动网络的适应度小于预设阈值，说明还需对各的参数集进行优化，此时可以对各的参数集进行遗传算子操作，保留部分的候选解，并更新另一部分的候选解，得到各的下一代候选解，即各的下一代参数集。
100.s104、基于各的下一代参数集对各的参数进行更新，在预设时长后，返回s101，直至移动网络的适应度大于等于预设阈值。
101.在对各的参数进行更新后，各的性能指标也会发生变化，可循环执行上述s101-s104，直至移动网络的适应度大于等于预设阈值，得到的最优参数集。
102.在本技术实施例中，如果移动网络的适应度大于等于预设阈值，说明当前移动网络的整体性能较好，已经通过遗传算法得到搜索空间内的最优解，所以可以将各的当前参数集作为优化后的参数集，完成此次的网络参数优化。
103.在一种实施方式中，在移动网络初次启动时，可以为各设置初始参数集，之后可以每隔预设周期执行一次图1所示的方法流程，以实现周期性进行网络参数优化。
104.采用上述技术方案，可以基于移动网络的性能指标确定移动网络的适应度，在移动网络的适应度小于预设阈值的情况下，对各的参数集进行遗传算子操作，得到各基
站的下一代参数集，在将下一代参数集应用到各后，可在预设时长后再次执行上述流程，直至移动网络的适应度大于等于预设阈值，则完成对网络参数的优化。可见，本技术实施例通过将遗传算子应用在网络参数优化过程中，可以实现对各的参数集的自动调整，实现简单。且完成网络参数优化的条件是移动网络的适应度大于等于预设阈值，移动网络的适应度是由各的性能指标所决定的，相当于以整个移动网络的性能指标为条件来对各的参数集进行优化，实现了在对移动网络的全面评估的前提下进行网络参数优化。
105.在本技术的一个实施例中，可以基于预设适应度函数确定移动网络的适应度，即上述s102，基于移动网络的性能指标确定移动网络的适应度，可以实现为：
106.将移动网络的各性能指标进行加权求和，得到移动网络的适应度。
107.其中，移动网络的每个性能指标对移动网络整体性能的影响程度不同，可以预先设置每个性能指标的权重，进而基于每个性能指标的权重，对移动网络的各性能指标进行加权求和，得到移动网络的适应度，使得该适应度可以反映移动网络整体性能。
108.在一种实施方式中，可以通过以下适应度函数确定移动网络的适应度：
109.f
(t)
＝a
t
*i
t
，其中，f
(t)
为应用移动网络中各的第t代参数集后得到的移动网络的适应度，a
t
为预设的权值系数矩阵，用于表示移动网络的每个性能指标的权重，i
t
为应用移动网络中各的第t代参数集后得到的移动网络的性能指标矩阵。
110.可选地，i
t
可以为一个二维矩阵，可表示为i
ij
，其中i为网络指标的母类索引，(i＝1，2，3，...)；j为网络指标的子类索引，(i＝1，2，3，...)。例如i
11
表示接入性指标下的同频切换成功率，i
12
表示接入性指标下的异频切换成功率。
111.相应地，a
t
也是一个二维矩阵，可表示为a
ij
。例如a
11
为i
11
的权重，a
12
为i
12
的权重。
112.在本技术实施例中，还可以用j
ijk
(k＝1，2，3...)表示影响i
ij
指标的参数集，比如j
111
表示影响移动性指标的同频切换成功率的a3上报rsrp偏移，j
112
表示影响移动性指标的同频切换成功率的a3上报迟滞门限。
113.在t＝t0时，参数集j
t0
对应的网络指标可表示为i
t0
，相应地，
114.通过上述方法计算移动网络的适应度，可以使得计算出的移动网络适应度能够反映移动网络整体性能的好坏，从而可以结合移动网络整体性能的好坏对各的参数集进行优化。
115.在本技术的一个实施例中，对本技术实施例中的遗传算子操作流程进行说明，如图2所示，上述s103、在移动网络的适应度小于预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集，可以实现为：
116.s201、在移动网络的适应度小于预设阈值的情况下，确定每个的适应度。
117.在本技术实施例中，可将移动网络中包括的所有作为一个集，将集中的每个作为集中的一个个体。的适应度由的性能指标决定，可以反映的参数集的好坏。
118.的性能指标与移动网络的性能指标类似，也可以按照上述对移动网络的性能指标进行归类的方式对的性能指标进行归类。网管设备可以周期性获取在一个周期内的性能指标，以的同频切换成功率为例，网管设备可以获取一个周期内该的同频切换总次数，以及该周期内该的同频切换成功次数，进而可将同频切换成功次数
与同频切换总次数的比值作为该的同频切换成功率。
119.其中，的每个性能指标对移动网络整体性能的影响程度不同，可以基于每个性能指标的影响程度，预先设置每个性能指标的权重。进而，网管设备获取各的每个性能指标后，可针对每个，对该的各性能指标进行加权求和，得到该的适应度。
120.的适应度函数可以为f
(t)
＝a
t
*i
t
，其中，f
(t)
为应用该的第t代参数集后得到的该的适应度，a
t
为预设的权值系数矩阵，用于表示该的每个性能指标的权重，i
t
为应用该的第t代参数集后得到的该的性能指标矩阵。
121.s202、按照适应度从大到小的顺序，从移动网络的中选择预设比例的作为第一类，将剩余的作为第二类。
122.其中，预设比例可以根据实际情况设置，例如，该预设比例为50％，可以将各的适应度进行排序，按照适应度从大到小的顺序，将适应度较高的一半作为第一类，将适应度较低的一半作为第二类。
123.s203、将第一类的当前参数集作为第一类的下一代参数集。
124.其中，因第一类的适应度较高，说明第一类的当前参数集较好，所以可以将第一类的当前参数集遗传到下一代。
125.s204、针对第二类包括的每个性能指标，如果该性能指标小于该性能指标对应的性能指标阈值，则将该性能指标作为低性能指标。
126.因第二类的适应度较低，说明第二类的当前参数集不够好，所以可以将第二类的适应性差的参数值淘汰掉，将适应性好的参数值保留并遗传给下一代，参数值的适应性好坏可通过该参数值对应的性能指标反应。
127.在本技术实施例中，每个性能指标对应一个性能指标阈值，比如同频切换成功率阈值、异频切换成功率阈值、无线掉电率阈值。
128.可以将第二类的每个性能指标与该性能指标对应的性能指标阈值进行比较，如果该性能指标低于该性能指标对应的阈值，则确定该性能指标为低性能指标。例如，如果第二类的同频切换成功率低于同频切换成功率阈值，则将第二类的同频切换成功率作为低性能指标。
129.经过阈值比较，如果确定一个第二类的3个性能指标为低性能指标，其余性能指标均不是低性能指标，则保留其余性能指标对应的参数值，并对这3个低性能指标对应的参数值执行s204。
130.s205、对每个第二类包括的低性能指标对应的参数值进行变异操作，得到每个第二类的下一代参数集。
131.其中，s205具体可以实现为：针对每个第二类，对该第二类的低性能指标对应的每个参数值进行以下操作：
132.步骤1、通过预设编码方式对该参数值进行编码，得到该参数值的基因值。
133.可选地，预设编码方式可以为格雷编码，例如，假设该参数值为a3事件上报的rsrp偏移值，该rsrp偏移值为-15，则经过格雷编码，可以得到该rsrp偏移值对应的基因值00000。该预设编码方式也可以为其他二进制编码方式，本技术实施例对此不作限定。
134.步骤2、对该基因值进行变异操作，得到该基因值对应的基因变异值。
135.其中，在遗传算法中，变异操作是指将个体染体编码串中某些基因座上的基因
值用该基因座的其他等位基因来替换，即将基因值中的某些位的0替换为1，或者将1替换为0。例如，对基因值00000进行的变异操作可以为将00000包括的随机位的0替换为1，比如得到的基因变异值可以为00001，也可以为10000，11000等，此处不再一一例举。
136.步骤3、如果基因变异值处于该参数值对应的基因范围内，则将该参数值更新为对基因变异值进行解码得到的参数值。其中，基因范围为采用上述预设编码方式对该参数值的取值范围进行编码得到的基因值的范围。
137.假设该参数值为a3事件上报的rsrp偏移值，rsrp偏移值的取值范围为(-15，-14.5，-14，
…
，14.5,15)，则对该取值范围进行格雷编码后得到的基因范围为(00000、00001、00011、00010、
…
、11110)。
138.如果上述步骤2中对基因值00000进行的变异操作后得到的基因变异值为00001，对0001进行解码后得到的参数值为-14.5，则可将该第二类的a3事件上报的rsrp偏移值由-15更新为-14.5。
139.步骤4、如果基因变异值未处于该参数值对应的基因范围内，则从历史各代参数集对应的性能指标中，查与该参数值对应的低性能指标属于同种性能指标的最优性能指标。
140.步骤5，将该参数值更新为所查到的最优性能指标对应的参数值。
141.例如，如果上述步骤2中对基因值00000进行的变异操作后得到的基因变异值为11111，假设当前为第5代，则可查之前的4代中所出现的最高的同频切换成功率，假设该最高的同频切换成功率的的a3事件上报的rsrp偏移值为13，则将第二类的a3事件上报的rsrp偏移值由-15更新为13。
142.采用该方法，通过对各的参数集进行遗传算子操作，可以对适应度较低的第二类的参数集进行变异操作，且具体是对第二类的低性能指标对应的参数值进行变异操作，相当于对导致第二类出现低性能指标的参数值进行调整，从而实现了对低性能指标对应的参数值的优化，可以大概率使得第二类的下一代参数集变好，以提高第二类的适应度。
143.与上述方法实施例对应，本技术实施例还提供一种电子设备，如图3所示，包括收发机300，处理器310，存储器320。
144.存储器320，用于存储计算机程序；收发机300，用于在处理器310的控制下收发数据；处理器310，用于读取存储器320中的计算机程序并执行以下操作：
145.获取移动网络的性能指标；
146.基于移动网络的性能指标确定移动网络的适应度；
147.在移动网络的适应度小于预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集，其中，的参数集包括影响各性能指标的参数值；
148.基于各的下一代参数集对各的参数进行更新，在预设时长后，返回获取移动网络的性能指标的步骤，直至移动网络的适应度大于等于预设阈值。
149.在本技术另一实施例中，处理器310，具体用于读取存储器320中的计算机程序并执行以下操作：
150.在移动网络的适应度小于预设阈值的情况下，确定每个的适应度；
151.按照适应度从大到小的顺序，从移动网络的中选择预设比例的作为第一
类，将剩余的作为第二类；
152.将第一类的当前参数集作为第一类的下一代参数集；
153.针对第二类包括的每个性能指标，如果该性能指标小于该性能指标对应的性能指标阈值，则将该性能指标作为低性能指标；
154.对每个第二类包括的低性能指标对应的参数值进行变异操作，得到每个第二类的下一代参数集。
155.在本技术另一实施例中，处理器310，具体用于读取存储器320中的计算机程序并执行以下操作：
156.针对每个第二类，对该第二类的低性能指标对应的每个参数值进行以下操作：
157.通过预设编码方式对该参数值进行编码，得到该参数值的基因值；
158.对基因值进行变异操作，得到基因值对应的基因变异值；
159.如果基因变异值处于该参数值对应的基因范围内，则将该参数值更新为对基因变异值进行解码得到的参数值，基因范围为采用预设编码方式对该参数值的取值范围进行编码得到的基因值的范围；
160.如果基因变异值未处于该参数值对应的基因范围内，则从历史各代参数集对应的性能指标中，查与该参数值对应的低性能指标属于同种性能指标的最优性能指标；
161.将该参数值更新为所查到的最优性能指标对应的参数值。
162.在本技术另一实施例中，处理器310，具体用于读取存储器320中的计算机程序并执行以下操作：
163.将移动网络的各性能指标进行加权求和，得到移动网络的适应度。
164.在本技术另一实施例中，处理器310，具体用于读取存储器320中的计算机程序并执行以下操作：
165.针对每个，对该的各性能指标进行加权求和，得到该的适应度。
166.其中，在图3中，总线架构可以包括任意数量的互联的总线和桥，具体由处理器310代表的一个或多个处理器和存储器320代表的存储器的各种电路链接在一起。总线架构还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口提供接口。收发机300可以是多个元件，即包括发送机和接收机，提供用于在传输介质上与各种其他装置通信的单元，这些传输介质包括无线信道、有线信道、光缆等传输介质。处理器310负责管理总线架构和通常的处理，存储器320可以存储处理器310在执行操作时所使用的数据。
167.处理器310可以是中央处埋器(cpu)、专用集成电路(application specific integrated circuit，asic)、现场可编程门阵列(field－programmable gate array，fpga)或复杂可编程逻辑器件(complex programmable logic device，cpld)，处理器也可以采用多核架构。
168.在此需要说明的是，本发明实施例提供的上述电子设备，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
169.与上述方法实施例对应，本技术实施例还提供一种网络参数优化装置，如图4所
示，该装置包括：
170.获取单元401，用于获取移动网络的性能指标；
171.确定单元402，用于基于移动网络的性能指标确定移动网络的适应度；
172.遗传单元403，用于在移动网络的适应度小于预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集，其中，的参数集包括影响各性能指标的参数值；
173.更新单元404，用于基于各的下一代参数集对各的参数进行更新，在预设时长后，触发获取单元401获取移动网络的性能指标。
174.在本技术另一实施例中，遗传单元403，具体用于：
175.在移动网络的适应度小于预设阈值的情况下，确定每个的适应度；
176.按照适应度从大到小的顺序，从移动网络的中选择预设比例的作为第一类，将剩余的作为第二类；
177.将第一类的当前参数集作为第一类的下一代参数集；
178.针对第二类包括的每个性能指标，如果该性能指标小于该性能指标对应的性能指标阈值，则将该性能指标作为低性能指标；
179.对每个第二类包括的低性能指标对应的参数值进行变异操作，得到每个第二类的下一代参数集。
180.在本技术另一实施例中，遗传单元403，具体用于：
181.针对每个第二类，对该第二类的低性能指标对应的每个参数值进行以下操作：
182.通过预设编码方式对该参数值进行编码，得到该参数值的基因值；
183.对基因值进行变异操作，得到基因值对应的基因变异值；
184.如果基因变异值处于该参数值对应的基因范围内，则将该参数值更新为对基因变异值进行解码得到的参数值，基因范围为采用预设编码方式对该参数值的取值范围进行编码得到的基因值的范围；
185.如果基因变异值未处于该参数值对应的基因范围内，则从历史各代参数集对应的性能指标中，查与该参数值对应的低性能指标属于同种性能指标的最优性能指标；
186.将该参数值更新为所查到的最优性能指标对应的参数值。
187.在本技术另一实施例中，确定单元402，具体用于将移动网络的各性能指标进行加权求和，得到移动网络的适应度。
188.在本技术另一实施例中，遗传单元403，具体用于针对每个，对该的各性能指标进行加权求和，得到该的适应度。
189.需要说明的是，本技术实施例中对单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本技术各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
190.所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可读取存储介质中。基于这样的理解，本技术的技术方案本质上
或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本技术各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
191.在此需要说明的是，本发明实施例提供的上述装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
192.在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述任一网络参数优化方法的步骤。
193.在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一网络参数优化方法。
194.在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
195.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
196.本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
197.以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

技术特征：

1.一种网络参数优化方法，其特征在于，包括：获取移动网络的性能指标；基于所述移动网络的性能指标确定所述移动网络的适应度；在所述移动网络的适应度小于预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集，其中，的参数集包括影响各性能指标的参数值；基于各的下一代参数集对各的参数进行更新，在预设时长后，返回所述获取移动网络的性能指标的步骤，直至所述移动网络的适应度大于等于所述预设阈值。2.根据权利要求1所述的方法，其特征在于，所述在移动网络的适应度小于所述预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集，包括：在所述移动网络的适应度小于所述预设阈值的情况下，确定每个的适应度；按照适应度从大到小的顺序，从所述移动网络的中选择预设比例的作为第一类，将剩余的作为第二类；将所述第一类的当前参数集作为所述第一类的下一代参数集；针对所述第二类包括的每个性能指标，如果该性能指标小于该性能指标对应的性能指标阈值，则将该性能指标作为低性能指标；对每个第二类包括的低性能指标对应的参数值进行变异操作，得到每个第二类的下一代参数集。3.根据权利要求2所述的方法，其特征在于，所述对每个第二类包括的低性能指标对应的参数值进行变异操作，得到每个第二类的下一代参数集，包括：针对每个第二类，对该第二类的低性能指标对应的每个参数值进行以下操作：通过预设编码方式对该参数值进行编码，得到该参数值的基因值；对所述基因值进行变异操作，得到所述基因值对应的基因变异值；如果所述基因变异值处于该参数值对应的基因范围内，则将该参数值更新为对所述基因变异值进行解码得到的参数值，所述基因范围为采用所述预设编码方式对该参数值的取值范围进行编码得到的基因值的范围；如果所述基因变异值未处于该参数值对应的基因范围内，则从历史各代参数集对应的性能指标中，查与该参数值对应的低性能指标属于同种性能指标的最优性能指标；将该参数值更新为所查到的最优性能指标对应的参数值。4.根据权利要求1所述的方法，其特征在于，所述基于所述移动网络的性能指标确定所述移动网络的适应度，包括：将所述移动网络的各性能指标进行加权求和，得到所述移动网络的适应度。5.根据权利要求2所述的方法，其特征在于，所述确定每个的适应度，包括：针对每个，对该的各性能指标进行加权求和，得到该的适应度。6.一种电子设备，其特征在于，包括存储器，收发机，处理器：存储器，用于存储计算机程序；收发机，用于在所述处理器的控制下收发数据；处理器，用于读取所述存储器中的计算机程序并执行以下操作：获取移动网络的性能指标；基于所述移动网络的性能指标确定所述移动网络的适应度；
在所述移动网络的适应度小于预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集，其中，的参数集包括影响各性能指标的参数值；基于各的下一代参数集对各的参数进行更新，在预设时长后，返回所述获取移动网络的性能指标的步骤，直至所述移动网络的适应度大于等于所述预设阈值。7.根据权利要求6所述的电子设备，其特征在于，所述处理器，具体用于读取所述存储器中的计算机程序并执行以下操作：在所述移动网络的适应度小于所述预设阈值的情况下，确定每个的适应度；按照适应度从大到小的顺序，从所述移动网络的中选择预设比例的作为第一类，将剩余的作为第二类；将所述第一类的当前参数集作为所述第一类的下一代参数集；针对所述第二类包括的每个性能指标，如果该性能指标小于该性能指标对应的性能指标阈值，则将该性能指标作为低性能指标；对每个第二类包括的低性能指标对应的参数值进行变异操作，得到每个第二类的下一代参数集。8.根据权利要求7所述的电子设备，其特征在于，所述处理器，具体用于读取所述存储器中的计算机程序并执行以下操作：针对每个第二类，对该第二类的低性能指标对应的每个参数值进行以下操作：通过预设编码方式对该参数值进行编码，得到该参数值的基因值；对所述基因值进行变异操作，得到所述基因值对应的基因变异值；如果所述基因变异值处于该参数值对应的基因范围内，则将该参数值更新为对所述基因变异值进行解码得到的参数值，所述基因范围为采用所述预设编码方式对该参数值的取值范围进行编码得到的基因值的范围；如果所述基因变异值未处于该参数值对应的基因范围内，则从历史各代参数集对应的性能指标中，查与该参数值对应的低性能指标属于同种性能指标的最优性能指标；将该参数值更新为所查到的最优性能指标对应的参数值。9.一种网络参数优化装置，其特征在于，包括：获取单元，用于获取移动网络的性能指标；确定单元，用于基于移动网络的性能指标确定移动网络的适应度；遗传单元，用于在所述移动网络的适应度小于预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集，其中，的参数集包括影响各性能指标的参数值；更新单元，用于基于各的下一代参数集对各的参数进行更新，在预设时长后，触发所述获取单元获取移动网络的性能指标。10.一种处理器可读存储介质，其特征在于，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使所述处理器执行权利要求1至5任一项所述的方法。

技术总结

本发明实施例提供了一种网络参数优化方法、装置、电子设备及介质，涉及计算机技术领域。该方法包括：获取移动网络中的性能指标，基于移动网络的性能指标确定移动网络的适应度；在移动网络的适应度小于预设阈值的情况下，对各的参数集进行遗传算子操作，得到各的下一代参数集，基于各的下一代参数集对各的参数进行更新，在预设时长后，返回获取移动网络的性能指标的步骤。可以实现在对移动网络全面评估的前提下简化调整网络参数的方法。方法。方法。