随着通信系统的快速发展,网络中终端设备呈现爆炸式增长,传统的网络架构将难以满足海量连接对系统容量和数据速率的需求。而超密集网络被认为是解决此问题的一种创新型手段。大规模地部署低功耗小基站节点,在一定程度上能够为用户提供更优质的服务,同时问题也随之显现,即使在低负载时间段,所有节点也都是以最大功率工作,因此在有效解决系统容量和覆盖问题的同时,也带来了严重的能耗问题。在此背景下,能够保证一定服务质量的网络节能技术得到了广泛的关注。本文针对面向5G的超密集网络(UDN:UltraDenseNetwork)节能技术展开研究。在通信网络中,由于用户在时域和空域上波动很大,所以在低负载时间段就会造成网络资源的浪费,而基站休眠技术可以灵活地使低负载小基站休眠,有效地解决能效问题。以保证用户服务质量(QoS:Quality of Service)并通过减少活跃基站的数目来提升网络能效为目标,本文分析了基站休眠方案中分布式算法和集中式算法的原理和性能,在此基础上针对集中式休眠算法随着基站规模的增大其复杂度过高而难以计算的问题,提出了一种基于遗传算法的集中式动态分簇休眠策略。该算法(1)首先在时域上运用多目标的均衡优化算法对时间段进行划分,综合考虑系统能效和算法复杂度来确定分簇决策时间点,每个时间段上保持同一种分簇方式不变。(2)随后在空域上对基站进行合理的分簇。将基站群转化为有向带权连通图,将分簇过程视为基于利益度的利益森林生成过程,并引入排斥因子使得分簇规模均衡。(3)最后在保证用户设备(UE:User Equipment)的服务质量、中断概率等约束条件下,将基站的休眠问题转化为一个0-1整数规划问题,在每个簇中利用遗传算法进行休眠组合的求解。本文分析了完全信息模型下基站的休眠策略,通过MATLAB仿真平台对提出的基于遗传算法的集中式分簇休眠方案在网络能量效率和复杂度方面进行了仿真验证。仿真结果表明,本文所提出的基站休眠方案在保证网络通信服务质量的基础上能够有效地提高网络的能量效率,具备较好的节能效果。与仅采用遗传算法和快速穷举法相比,本文设计的休眠算法能够极大地降低算法计算的复杂度,并且性能衰减可以忽略不计,整体的休眠部署更加合理。