Evolutionary algorithms for UMTS network optimization

Abstract

UMTS is the mobile communications system of the future. Being designed especially for new multimedia applications, it will supplement and gradually replace the current GSM system. Due to the different technological basis, however, the practical expertise gained in the operation of current networks can only partly be built upon when planning and optimizing UMTS networks.<br />As UMTS is presently being deployed to the market all over Europe, there is increasing interest in tuning network configuration to maximum performance, while minimizing the need for the set-up of additional base stations. In this work, I investigate the problem of capacity optimization for the UMTS FDD mode. Analyzing several configurable parameters and their influence on the network, I have identified the transmit power of the common pilot channel as well as azimuth and downtilt of the base station antennas as crucial for system performance.<br />Using a suitable parameter representation and evaluation function, I have investigated several simple strategies for automatic parameter tuning in given networks. The desired effects are an improvement of cell load sharing, a reduction of inter-cell interference, as well as the optimization of base station power resources.<br />The main part of this work describes new evolutionary algorithms for parameter optimization: Imitating the principles of mutation and recombination found in natural evolution, trial solutions compete against each other. Only the best will survive and produce more offspring, thereby propagating their favorable attributes. Advanced evolutionary operators as well as problem-specific self-adaptation mechanisms guide the algorithms along their search through the parameter space. A performance monitor supervises algorithm progress, and automatically finalizes the optimization process when no further significant improvement can be expected.<br />I have implemented an object-oriented UMTS optimization framework in C++. The available modules support the fast and easy creation, configuration and evaluation of different algorithms, and are ready to be integrated into commercial network optimization suites. In various investigations, I have tuned my strategies and algorithms to optimum performance for the given problem. Evaluation has been performed using a static UMTS FDD network simulator. Depending on the size of the used scenarios, I achieve improvements in the capacity of given networks ranging from 10% to more than 50%, without the need for investment in additional network infrastructure.<br />

UMTS ist das Mobilkommunikationsnetz der Zukunft. Es ist besonders für die Übertragung von neuen Multimedia-Diensten ausgelegt, und wird das bestehende GSM-Netz ergänzen und allmählich ersetzen. Durch die völlig neuen technischen Grundlagen kann jedoch das bestehende Wissen, das bei der Planung und Optimierung von heutigen Systemen gewonnen wurde, nur beschränkt auf UMTS übertragen werden. In vielen europäischen Ländern befinden sich UMTS-Netze bereits in Betrieb, und werden derzeit verstärkt kommerziell vermarktet. Daher besteht großes Interesse an Methoden zur Verbesserung der Systemleistung, ohne dabei neue Basisstationen errichten zu müsen. Diese Arbeit beschäftigt sich mit der Kapazitäts-Optimierung für UMTS-FDD-Systeme. Basierend auf einer Analyse verschiedener Netzwerk-Parameter habe ich die Sendeleistung des Pilotkanals sowie den Azimut und die Neigung der Basisstations-Antennen als kritisch für die Systemleistung identifiziert. Nach dem Entwurf von geeigneten Abbildungs- und Bewertungsmethoden für Netzwerkzustände werden einfache Strategien für die automatische Einstellung dieser Parameter vorgestellt. Die wichtigsten Ziele sind dabei eine Verbesserung des Lastausgleichs zwischen benachbarten Funkzellen, eine Reduktion der Interferenz im System, sowie eine Optimierung der Leistungsressourcen der Basisstationen.<br />Im Hauptteil der Arbeit stelle ich neue evolutionäre Algorithmen für die Parameteroptimierung vor. Netzwerkzustände werden durch Individuen repräsentiert, die gemäß den Prinzipien der natürlichen Evolution (Mutation, Rekombination) untereinander konkurrieren. Nur die besseren Individuen überleben die Selektionsprozesse, und können dadurch weitere Nachkommen produzieren. Fortgeschrittene evolutionäre Operatoren sowie problemspezifische dynamische Adaptionsmechanismen unterstützen die Algorithmen bei ihrer Suche nach besseren Lösungen. Weiters erfolgt eine laufende Überwachung des erzielten Fortschritts, sowie ein automatisches Abschließen der Optimierung, wenn keine weiteren signifikanten Gewinne zu erwarten sind.<br />Ich habe in C++ ein objektorientiertes UMTS-Optimierungssystem implementiert, dessen modularer Aufbau die schnelle und einfache Erstellung, Konfiguration und Evaluierung verschiedener Algorithmen ermöglicht, und das direkt in kommerzielle Produkte integriert werden kann. In ausführlichen Untersuchungen habe ich meine Algorithmen analysiert und weiter verbessert. Zur Bewertung diente ein statischer UMTS-FDD-Netzwerksimulator. Abhängig von der Größe und Struktur der verwendeten Szenarien kann ich eine Kapazitätssteigerung für bestehende Systeme im Bereich von 10% bis zu über 50% zeigen, ohne dass dafür Investitionen in zusätzliche Netzwerk-Infrastruktur erforderlich sind.