李张铮，陈 锋，董帝烺（中国联通福建省分公司，福建福州 350000）

0 引言

在无线网络优化工作中，邻区优化是降低掉话率、提升移动网络质量、改善用户感知的最基本且最有效的手段。目前基站邻区优化有2 种方式：自动邻区关系（ANR）和非自动邻区关系（下文简称非自动邻区关系网络为传统网络）。具备自动邻区关系的网络可自动优化邻区关系，不需人工干预；传统网络邻区关系需优化人员手工优化。这些网络邻区的数目众多，优化工作量非常大；需要优化邻区的确定与个人优化经验有很大的关系，稍有不慎就可能造成邻区漏配或冗余邻区，存在较大的优化风险。规避上述问题，提高邻区优化的效率和精度已成为网络优化的关键。考虑到在ANR 网络中，自动邻区关系已成为小区SON 功能的标配，无需人员操作网络便可自动识别和添加邻区，如何利用ANR 邻区关系来优化传统网络邻区已成为网络运营智能化的重要课题。

机器学习技术作为人工智能的重要组成部分，是国家发展战略重点扶持的目标和当下各行业关注应用的焦点。为了推动传统网络邻区优化的智能化，提升网络运营智能化水平，特开展基于机器学习算法的邻区关系优化的研究。

1 传统无线网络邻区关系优化难点

在传统网络优化中，邻区关系优化一直以来是一个难点。由于邻区关系数量多、影响大、技术要求高、优化手段匮乏等等方面的因素，使得邻区关系优化在传统网络中存在一些挑战。……