基于遗传算法的WLAN无线网络优化

王月琴

摘要

无限局域网使用非常方便，在生活中有种广泛的应用。它比有线网络更加灵活，具有着较低的成本，是计算机网络和无线通信结合的产物。随着移动互联网技术的发展，由于WLAN存在的重要性，势必要对其进行不断的优化，以满足人们的需求。

【关键词】移动互联 WLAN 优化

WLAN即是无线局域网，它为计算机或移动设备提供接入服务。伴随着移动设备的快速普及，无线局域网的建设也发展迅速。各大运营商开始推行WLAN技术，建设WLAN网络，规模的扩大产生了更多的问题，构建更加高质量的无线网络环境成了未来发展的趋势。

1 WLAN优化的必要性

WLAN有着广泛的终端基础，包括智能手机、电子阅读器等。同时，WLAN有着高带宽和低成本特点，在生活中非常受到欢迎。移动互联网的发展对WLAN发展有着很大的推动作用，也在客观上要求着更高品质的网络优化。

1.1 要求WLAN信号实现全覆盖

移动互联网要求WLAN信号实现全覆盖，从最初的室内走向室外，即实现无处不在。WLAN信号若想实现全覆盖需要经过精密的策划和部署才能完成，也对网络优化提出了更高要求。

1.2 要求认证操作透明

WLAN在接入时通常要进行SSID选择，设置相应加密元素，与移动数据网络相比体验性较差，操作步骤略为繁琐，并且随着位置的移动还要热点切换。移动WLAN无感知方案提升了用户接入的体验，在后台完成用户密码操作。对不同热点间的切换操作，仍需要手动进行。终端无感知接入和认证透明化涉及到组网和后台维护等多个方面，需要进行系统性的部署。

1.3 要求承载更多价值应用

WLAN为许多增值性应用提供了平台，如无线定位、无线监控等。基于无线网络的各个行业正在兴起，WLAN的重要性变得越来越明显。WLAN承载价值应用得益于AP接入点。AP点能采集到详细的空间和用户信息，挖掘有价值的信息。

2 干扰WLAN的因素

2.1 无线环境影响

在不同环境下，物质材料对微波造成的干扰不同。进行网络优化时要充分的考虑到环境因素，如在一些人口密集的区域如学校、商场等，用户较多，覆盖的范围广，网络优化时要考虑到频率干扰和网络的容量。在一些人数较少、范围小的地方，网络优化问题是频率干扰;若在酒店，局域网的覆盖会受到房间大小的限制，这时的网络优化问题是网络覆盖率和频率干扰。

2.2 用户过多

日常生活中，常常会出现许多人共同挤入同一无线网现象。因为AP的接收能力不足，会导致网络出现延迟。

2.3 设备故障

设备故障也是干扰WLAN质量的重要因素，常见的设备故障有AP故障、DHCP服务器故障等。生活中会经常遇到AP闪断或吊死，有时候用户无法获取有效的IP地址。

2.4 信道干扰

当前的WLAN网络使用2.4GHZ频段，频段上可使用的独立频点有3个其他频点有相互干扰现象，影响设备的稳定。

3 基于遗传算法的无线网络的优化

3.2 遗传算法

遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法的操作对象是种群，它由众多个体组成，所有个体都按照编码原则与问题的一个解对应。在遗传算法中，通过交叉、变异和局部搜索等遗传操作产生后代，然后确定其适应度，将具有优秀适应度的个体选择出来。

应用遗传算法解决问题的一般流程如图1所示。

3.3 基于遗传算法的无线网络优化

利用遗传算法的研究与模块的嵌入，首先达到WLAN设计过程中的最优化。在无线局域网WLAN设计中需要达到接入点数量最少和覆盖范围最大这两个相互矛盾的要求，传统的方法需要预先给定接入点的数量，并且依靠工程经验来设计接入点的位置。在不利用多个并行处理目标函数的情况下，解决这两个相互矛盾的多目标函数是极为不便的，并且无法得出科学的结论。对于大规模的无线局域网工程设计要想最优地实现这两个条件也是不易的。基于以上问题考虑采用遗传算法解决优化问题和并行处理问题，解决WLAN设计中进行无线覆盖的建设规划问题。总体架构图如图2所示。

遗传算法模块的种群就是分布在WLAN热点中的智能无线AP。通过对AP的遗传操作以求达到WLAN热点的网络达到最优化。遗传算法模块主要有两部分组成，一是在WLAN热点设计过程中，经过对热点内的智能无线AP进行遗传操作，最终确定AP的个数已经位置，这是前期设计中的网络优化功能。其次是网络实时优化功能，在已经布置好的WLAN热点中，根据网络的实时使用情况，对区域内的AP进行遗传操作，从而从软件上实时分配网络资源和调整AP使用情况。遗传算法内嵌模块工作流程如图3所示。

参考文献

[1]管伟仲.高校WLAN网络的工程建设与优化[J].自动化应用，2017（11）：49-50.

[2]董战战.复杂场景下WLAN干扰分析及优化研究[D].南京邮电大学，2017.

[3]王海燕.遗传算法在网络优化问题中的应用[J].电子科技大学硕士研究生論文，2011（04）.