Quantum-Inspired Optimization Algorithm for 3D Multi-Objective Base-Station Deployment in Next-Generation 5G/6G Wireless Network

doi:10.32604/cmc.2025.075705

Quantum-Inspired Optimization Algorithm for 3D Multi-Objective Base-Station Deployment in Next-Generation 5G/6G Wireless Network

2026-01-01

0

PRE

AI

DOI：10.32604/cmc.2025.075705

原文链接

原文求助

摘要

En 中文

移动和物联网(IoT)应用在密集城市环境中的快速增长，对未来的Beyond 5G(B5G)或Beyond 6G(B6G)网络提出了严格的要求，这些网络必须确保高质量服务(QoS)的同时保持成本效益和可持续部署。传统策略难以应对复杂的3D传播、建筑穿透损耗以及覆盖与基础设施成本之间的平衡问题。为解决这一挑战，本研究首次提出将基于全局最优引导的量子启发禁忌搜索与量子非门(GQTS-QNG)框架应用于3D基站部署优化。该问题被建模为一个多目标模型，同时最大化覆盖范围并最小化部署成本。设计了一种二进制到十进制的编码机制来表示离散的放置坐标和基站类型，利用量子启发方法在复杂的组合环境中高效搜索和优化解。全局最优引导和禁忌记忆相结合，以增强收敛稳定性并避免重复访问已探索的解。在用户密度从1000到10000的仿真结果表明，GQTS-QNG在相同迭代次数下，与其他最先进算法相比，能够持续找到实现全覆盖并降低部署成本的部署配置。此外，该方法生成分布良好且结构化的帕累托前沿，为运营商提供多样化的规划选项，使其能够灵活平衡成本和性能要求。这些发现表明，GQTS-QNG是B5G/6G城市场景下可持续3D蜂窝网络部署的可扩展且高效的算法。

Keyword:

3D network deployment

quantum-inspired optimization

B5G/6G

multi-objective optimization

coverage

deployment cost

urban wireless planning

Quantum-Inspired Optimization Algorithm for 3D Multi-Objective Base-Station Deployment in Next-Generation 5G/6G Wireless Network

摘要

期刊

机构

引用论文