在移动通信技术发展进程中,网络覆盖质量始终是移动通信网络最重要的性能评估指标之一。覆盖计算与覆盖优化是移动通信网络覆盖技术相关研究中最重要的两项内容,前者可评估区域的量化覆盖率并构建可视化的覆盖图,后者则通过网络规划阶段的站址规划或网络运维阶段基站及安装在基站上的射频天线的工作参数的调优提升区域覆盖质量。随着移动通信的技术演进和网络部署,尤其在大规模接入用户数量、复杂地形地貌和高密度基站等场景中,覆盖计算与覆盖优化所涉及的技术计算量庞大,算法收敛速度较慢。因此,针对现有覆盖计算和覆盖优化的计算复杂度和算法效率等技术痛点问题,本文设计了一系列覆盖计算和覆盖优化相关的高效算法,主要研究内容及创新点如下:(1)在覆盖计算方面,本文提出了一种基于自适应剖分和区域插值的覆盖计算方法,可高效而准确地构建可视化覆盖图并计算服务区的覆盖率,且支持多指标覆盖质量评估。该方法首先使用自适应基站位置分布的三角形剖分方法将服务区划分为多个三角形区域。其次,在每个三角形区域,使用顶点位置的覆盖指标信息进行插值计算。最后,合并三角形并给出服务区内的覆盖区域闭式解。仿真结果表明,本文所提出的三角形剖分与插值算法在构建可视化覆盖图,计算量化区域覆盖率方面表现良好,且较现有的覆盖计算方法而言,在相同的计算复杂度下可得到更优的算法准确性。(2)在网络规划阶段,本文提出一种基于地理位置引导的遗传算法解决面向覆盖优化的站址规划问题。该方法首先将服务区划分为多个子区域,并定义子区域染色体。在变异操作中,定向地修饰覆盖率低的子区域对应的子区域染色体,从而提升子区域内并进而在整个服务区内的覆盖性能。在交叉操作中,以个体中的子区域染色体作为交换单位进行染色体交叉操作,保证了子区域内的站址部署地理分布状况可遗传给后代个体。仿真实验表明,本文提出的地理位置引导的遗传算法在基站站址规划问题上是有效的。与传统的遗传算法相比,本文所提出的算法收敛速度更快,所得到的近优解质量更高。(3)在网络运维阶段,本文提出了全量梯度下降算法和随机梯度下降算法通过调整基站天线的方向角和下倾角等工作参数高效优化服务区覆盖率。该方法首先提出了一种衡量网络覆盖的新型指标称为软覆盖率,它可以近似原始的以是否超过阈值为判定标准的硬覆盖率。软覆盖率改变了原有硬覆盖率的二值型衡量标准,使用由0到1间的连续值衡量某位置的覆盖情况。为使目标函数平滑进而执行基于梯度的方法,该方法进一步改变覆盖计算过程中的函数形式,以可导形式替代原有的不可导形式。进而,该方法基于目标函数的梯度调整基站天线下倾角、方向角以最大化服务区的软覆盖率。仿真结果表明,本文提出的梯度下降方法,特别是统计梯度下降算法,不仅在近优解的准确性方面表现良好,还在算法计算效率方面显著优于现有的元启发式算法。本文还证明了所提出的算法具有良好的可扩展性和实用价值。(4)在以网络覆盖为约束条件的运维优化中,针对绿色覆盖优化问题,本文提出了一种有覆盖约束下的梯度下降算法,在覆盖满足约束的条件下最小化移动通信网络的总功率损耗以实现绿色通信。该算法首先使用了罚函数将有覆盖约束的最小化总功率损耗的优化问题转化为仅有决策变量上下限约束的简单优化问题。进一步,该算法将离散取值的覆盖率转化为连续取值的可导覆盖函数,并使用反映了功率损耗与覆盖的目标函数的次梯度执行梯度下降算法。仿真结果表明,本文提出的算法在绿色覆盖优化问题方面表现良好。综合以上研究工作,本文对移动通信网络覆盖计算与覆盖优化展开了系统的研究,在服务区量化覆盖率评估与可视化覆盖图构建、面向覆盖优化的站址规划、无约束及约束条件下的基站工参优化等方面提出了系列化的算法。这些研究成果侧重于考虑低复杂度算法设计和适应实际移动通信网络场景,部分工作已经在中国移动设计院的系统中得到了验证和集成。本文的研究工作将为未来移动通信网络海量网元所涉及的覆盖优化及第6代移动通信中的“空-天-地-海”的全面覆盖技术提供技术支撑。