5G技术与标准介绍----第6部分：5G组网考虑之SA与NSA介绍-20180623
5G技术与标准介绍----第6部分：5G组网考虑之SA与NSA介绍-201806235G技术与标准介绍----第6部分：5G组网考虑之SA与NSA介绍-20180623网络架构选项:NR独立组网与非独立组网EPCEPCEPCSCG split bearerNR NSAMCG Split bearerSCG bearer(EPC Connected)闼 Option3Option 3xOption 3aNR NSA(NGC Connected)Option 7Option 7a郾 Option7xOption 5PNR SAOption 4pttion 4a郾 Option2标准化方案分类■标准化制定的SA和NSA多种子选项,NSA早于SA半年时间完成·SA组网更多依赖NGC和5GNR空口,双连接带来的数据分流非必选技术要求NSA依赖LTE/eLTE空口,双连接分流是NSA组网的必选技术要求标准化架构核心网核心网控制面数据分流点标准化完成时间Option2NGCNR2018.6Option 4NGCNRNR2018.12SAOption 4aNGCNRNGC2018.12Option 5NGCelte2018.6Option 3EPCLTELTE2017.12Option 3aEPCLTEEPC2017.12Option 3xEPCLTENR2017.12NSAOption 7NGCelteeLtE2018.6OptionalNGCeLtENGO2018.6Option/xNGCelteNR2018.6注:后续分析SA主要以 Option2为基础,NSA以 Option3系列为基础5G网络架构-SANR接入NGC控制面数据面Option 2Option 4Option 4aNGC((RI)(g)5G NReLTESG NReLTtE5G NReLTE接入NGC-Option 5eLTE5G网络架构—NSALTE接入EPC控制面数据面Option 3Option 3aOption 3X(RI)(y)LTE5G NRLTESG NRLTE5G NReLTE接入NGCOption 7Option 7aOption /XeLtE5G NReLTE5G NReLTE5G NR目录、什么是SA&NSA二、SA&NSA方案考虑三、小结SA(独立组网)和NSA(非独立组网)技术背景:为满足部分运营商快速部署5G需求,标准新引入一种新的组网架构-NSA非独立组网,而传统2/3/4G网络均采用SA独立组网的架构SA(独立组网):5G无线网与核心网之间的NAS信令(如注册,鉴权等)通过4G基站传递,5G可以独立工作选项2选项4系列NSA(非独立组网):5G依附于4G基站工作的网络架构,5G无线网与核心网之间的NAs信令(如注册,鉴权等)通过4G基站传递5G无法独立工作EPCEPC=NAS信令数据选项3系列选项7系列蓝色4G,绿色5G网络架构-SA架构 Option2类似于2/3/4G,5G与前代系统相互独立的网络架构原理■5G核心网与5G基站直接相连,5G核心网与5G基站通过NG接口直接相连,传递NAS信令和数据■5G无线空口的RRC信令、广播信令、数据都通过5GNR传递—■终端连接方式:只接入5G或4G(单连接),手机终端可以在NR侧上行双发与4G互操作:类似4G与3G/2G跨核心网互操作模式业务支持能力:可使用5G核心网能力,便于拓展垂直行业新增配置N26接口:NG、Ⅺn、N26(4/5G间互操作5GNR→LTE■4G与5G间互配邻区Option 2网络架构-NSA架构 Option3系列■NSA:4/5G紧耦合,5G依附于4G基站工作的网络架构,无法独立组网,存在多种子架构■原理:■同时沿用4G核心网,5G类似4G载波聚合中的辅载波,用于高速传输数据,NAS信令则由4G承载MME/SGWMME/S-GW5G无线空口的RRC信令、广播等信令可由4G传递,数据通过5GNR和4GLTE传递■终端连接方式:与5G和4G连接(双连接),受限功耗、散热,手机终端很难在双连接状态下,NR侧上行双发enB(P)en-gNB与4G互操作:无■业务支持能力:仅支持大带宽业务■新增配置LTEX2口升级,支持4G配置双连接5G目标小区和流控,与配置邻区类似NSA子架构■ Option3:数据面通过4G空口接入4G核心网,数据分流点在LtE enB,大量5G流量导入至4GeNB涉及硬件改造Option3a:通过4G空口接入4G核心网,数据分流点在LTE(R)(g)(R)EPCLTE5G NRLTE5G NRLTE5G NR■ Option3X:通过4G空口接入4G核心网,数据分流点在NROption 3Option 3aOption 3XgNB■ Option3涉及4G基站硬件改造,本材料主要介绍对NSA的 option3x和3a系列
- 2020-12-05下载
- 积分：1
三维装箱问题的模型与改进遗传算法
关于三维装箱算法问题, 一些算法理论, 感觉对这方面的应用有一定帮助144效学的实践与认识40着∑(B,*v)≤VB,B,PD,PWy=0或者1v∈{1,2,…,D},y∈{1,2,…,W},z∈{1,2,…,H},j∈{1,2,…,n}(12目标函数是箱子未装填物品的空间最少(亦即空间浪费最少)条件(2)确保子的1个装填空间单元被装填不超过1次即保证物品间不会互相嵌入;(3)式说明上层物品会有支撑,不会悬空(4),(5),(6)式说明物品装箱位置约束;(7),(8},(9)说明物品的摆放问;(11)是箱子的容积约束2這传算法21遗俊法遗传算法(GAs)是建立在达尔文进化论基础上的搜索算法,它从代表问题潜在解的个种群( population)开始,而一个种群则由经过基因(gene)编码 coding)的一定数目的个体individual)组成遗传算法采用了自然进化模型,如选择,交叉变异等计算开始时,一定数目S个个体(父个体1、父个体2……)即种群随机地初始化,并计算每个个体的适应度函数第一代也即初始代产生如果不满足优化准则,开始产生新一代的计算为了产生新一代按照适应度选择个体,父代通过基因重组(交叉)而产生子代所有的子代按一定的概率变异然后重新计算子代的适应度,将子代插入到种群中取代父代构成新的一代循环执行这一过程,直到满足优化准则22算法设计2.21编码方法采用矩阵编码方法,用多维数组(二维矩阵表示染色体结构,数组元素表示染色体基因,编码清晰,易于理解,遗传算子操作方便染色体S=(L,P,Px,Py,T)来表示问题的一个解其中:向量L=(Li,L1,…,Ln)为待装箱物品的一个排列;向量P=(Bn,B1,…,B3n)为对应于排列L的B,一个排列向量Px=(PB,PB,…,PB)为对应于排列L的PB一个排列向量Py=(PB,PB},…,PB为对应于排列L的PBx一个排列矩阵T=(x2=欢面为对应于排列L的装箱物品坐标22适值函数问题的目标是最小化箱子的浪费空间,适应度函数可定义为空间利用率函数(S代表染色体C1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net2期陈德良,等:三维装箱问题的模型与改进遗传算法Fitness(s)(∑B3*v/若∑(B;*v)≤V否则23解的不可行性,罚函数与评估函数由于对染色体作遗传运算时可能获得不可行的子代,惩罚技术是用遗传算法解约束优化问题中最常用的技术,本质上它是通过惩罚不可行解将约束优化问题转化为无约爽问题就本文讨论的问题而言,惩罚项包括:1)物品在装箱时不交叠,即满足约束条件{2},有着∑By≤1g:(S)1,否则2)物品装箱时不能出现悬空即满足约束条件(3),有0若∑B-B+)>0g2(S)=(151,否则3)物品装箱不能超出箱子边界,即满足约束条件(4,(5)和(6),有0若吃+B(Pp++Pwy*吗)≤D1,否则0若+B*(PD*+PWy*m)≤W941,否则(17)95(S)=0,若x+B*h;≤H8)1,否则eat(s=∑9(S)b=1那么,式(14)至(18)任何一个取值为1,都是不可行评估函数eval(S)=Fitness(S)*(5-Genalty (S)24算法步骤)初始化进化代数计数器,随机产生一定数目(大于设定的初始种群规模)的染色体;2)利用式(14)检验初始种群染色体可行性,对不可行解旋转赌轮接受小部分不可行解,与可行解构成初始种群3)对初始种群染色体进行遗传运算;①按照式(14)至(20)计算评估函数:⑩按顺序交叉方法产生子代;④变异算子;4)旋转赌轮选择染色体;)重复3至4)直到完成给定的循环次数;C1994-2010ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net数学的实践与认识40卷6)确定最好的染色体作为最优解3实验结果我们用C++编程实现了上述算法在配置为CPU24GH/512 Mb ram的微机上,用随机产生的数据进行实验取遗传算法运行参数为:{群体大小进化代数,交叉概率,变异概率}-{100,50,0.85,0.05}用随机产生的数据进行实验,求解20个种类100件物品的装箱问题,得到最好解耗时小于1秒;计算50个种类200件物品的装箱问题,得到最好解耗时小于2秒以下是3类共16件物品的装箱问题.实验数据图2,第!行为箱子尺『;第2至第4行为待装箱物品,每行第1个数据表小序号第2至镌4数据分别为物品尺寸,第5个数据表示物品件数在计算转桌中包含数据依次是:序号,是否装载,物品长,物品宽,物品高,纵向坐标横向坐标,垂向坐标纵向长度,横向长度,垂向长度(图4).从图4可知第12号物品未能装箱,物品装箱的顺序可以从“序号列中得出.绘制的物品装箱示意图见图31421,2,乙2,2,图2实验数据图3装箱示意图文件((格式(Q帮助新 s REPORT耗时:.1 most g sec次数:01615积:7580001016每a0库:92.875989名寸:=280;y=1210;2=300NO: P st Din 1 Din 2 in 3 C xC YPu y Pu 2202002002002001002812B20020012010010020012鲁2020012010020020020020012B100100212021201215024015824815015561111111111115152每000ao00015150240202020055020200201002001215502D0200120100100201205s012020028012015024075000015024815015024075015015024a152002009o002002001002012090020012日未装相物品121501502年图1计算结果o1994-2010ChinaAcademicJournalElectronicPublishingHousealLrightsreservedhttp://www.cnki.net2期陈德良,等:三维装箱问题的模型与改进遗传算法1474结束语装箱问题是一常见而难解的优化问题,利用遗传算法求解时,随机产生的初始解会出现大量的不可行解(装箱物品占用空间出现大量交叠),本文将箱子内部空间划分为一个个立方体单元:算法的第2)步对标准遗传算法做了修改通过剔除大量不可行解提高算法的收敛速度,实验结果表明此算法运算过程及绪果稳定,具有较强的实际应用价值能有效解决复杂的三维装箱何题,今后将继续研究将该方法运用到其它不同的有关装箱问题或组合优化问题中参考文献[1] John J, et al. An improved algctithra for the ncn-guillctine-constraincd cutting-stock problem(JIOperational Resee ch Society, 19 /0,+1: 141-149[2] Coffmau E. G, et al. ver age-case analysis of cutting and packing in two dimensions [J]. Euro. Jof Operatic al Reseaich, 1990, 44: 134-14413) Fabien C, et al. A Two-phase heuristic for the two-dinensional cutting-stock problem [J. Opera-tional Research Society, 1991, 42: 39-744 Martello Silvano, Pisinger, David, and Vigo, Daniele. The Three-Dimensional Bin Packing ProblemJ. Operations Research, 2000 Informs. Vol. 48: 256-267]何大勇,査建中,姜义东遗传算法求解复杂集装箱装载问题方法研究向]软件学报,201,12(9):13801385阿]张德富魏丽军陈青山陈火旺等.三维装箱问题的组合启发式算法软件学报,2007,18(9):20832089A Mixed Integer Programming Model ofThree-Dimensional Bin-Packing Problem and ImprovedGenetic AlgorithmsCHEN De-liang, 2, CHEN Zhi-yaSchool of Traffc &z transportation Engineering, Central South University, Changsha 41076, China)(2. Logistics School, Central South University of Forestry Technology, Changsha 410004, ChinaAbstracts The three-dimensional bin-packing problem is complicated but a high level ofinterest in developing effective way to solve this kinds of NP-hard problem. First a MixedInteger Programming model was worked out in this paper, which resorted to dividing box spaceinto unit cube. Then an improved genetic algorithm was mainly developed. Tests on hundredsof problems show that this algorithm makes the most of volume utilization in minimal timeKeywords: three-dimensional bin-packing problem; space division; mixed integer program-ming model; improved genetic algorithmso01994-2010ChinaAcademicJournalElectronicPublishinghOuse.Allrightsreservedhttp://www.cnki.net
- 2020-12-05下载
- 积分：1
