基于混合決策值的異構無線網絡選擇算法

周 健

（1.蘇州高博軟件技術職業學院，江蘇蘇州215163;2.蘇州大學智能結構與系統研究所，江蘇蘇州215006）

0 引言

各種無線異構網絡共存是未來移動通信網絡的主要特征之一，因此如何讓移動用戶接入最優的網絡，成為異構網絡融合領域的研究熱點之一[1]。文獻[2-5]通過層次分析法（Analytic Hierarchy Process，AHP）選擇最優網絡，但決策矩陣數據均為歸一化的實數。當一些指標值不易精確測量或者沒有必要精確測量時，文獻[2-5]的方法不再適用。文獻[6-9]將決策數據模糊化后作為模糊邏輯系統的輸入，由模糊邏輯系統的輸出值來確定最優網絡的選擇。雖解決了決策數據均為歸一化實數的問題，但模糊邏輯系統只適用于輸入指標個數較少的場合。

綜合上述，以上文獻提出的方案在指標值處理上都存在一定的局限性，因此提出了一種基于混合型決策矩陣的垂直切換算法。此算法將指標分為定量指標和定性指標，用實數表示定量指標值;用區間數、三角模糊數和語言值等表示定性指標值。即使指標值的個數較多時，也只是增加混合型決策矩陣的行列，并不存在模糊規則難以界定的問題。

1 垂直切換判決算法

首先定義垂直切換算法評價指標體系，將網絡評價指標分為一級指標和二級指標，并根據評價指標體系建立混合型決策矩陣。同時，通過AHP方法計算指標的權重，利用基于混合指標值的TOPSIS算法選擇接入最優網絡。

1.1 垂直切換算法評價指標體系的建立

在異構網絡環境中，通過比較一組參數為終端的特定業務選擇最適合的網絡。這些參數被分為3類:網絡端指標、用戶端指標和服務質量指標。網絡端指標包括接收信號強度指示（Received Signal Strength Indicator，RSSI）和安全性;用戶端指標包括價格和耗電量;服務質量指標包括帶寬、時延、抖動和誤比特率。

1.2 混合型決策矩陣的建立

指標有定性指標和定量指標之分，在垂直切換算法中，備選網絡在各指標下的決策值不僅以實數來表示，還以區間數、三角模糊數和語言值等形式來表示。各備選網絡的指標值組成的決策矩陣為表示第i個備選網絡的第j個指標值。由于aij的類型多樣化，則稱A為混合型決策矩陣。

1.3 評價指標權重的確定

對于權重的計算，最常用的是AHP方法[10]。根據建立的垂直切換算法評價指標體系，對于一級指標和二級指標分別建立判斷矩陣，共分4組元素:①網絡端指標、服務質量指標和用戶端指標;②RSSI和安全性;③帶寬、時延、抖動和誤比特率;④價格和耗電量。通過判斷矩陣求出各組的指標權重，各指標的絕對權重wj等于其對應的一級指標權重與二級指標權重之積。

1.4 基于混合決策值TOPSIS算法的網絡選擇

利用TOPSIS算法進行最優網絡選擇的步驟如下:

①指標值的規范化處理:將語言變量型數據轉換成區間數據[11]，如表1所示。

表1 五級語言評價集轉化為區間數

②確定理想解v+與負理想解v-，若bij為實數，則有:

若bij為區間數，則有:

③各備選方案與理想方案和負理想方案的廣義加權距離:

式中，ni為備選網絡;wi為指標權重;bij為備選網絡ni相對于指標j的決策值。式（3）中，對于實數:

對于區間數:

④計算各方案的相對貼近度:

2 仿真及結果

2.1 仿真環境

網絡仿真拓撲結構如圖1所示。實驗仿真環境有4個網絡（LTE、WiMax、WiFiA和WiFiB）重疊覆蓋，其中LTE覆蓋整個區域，包括WiMax、WiFiA和WiFiB覆蓋區域。

根據垂直切換算法評價指標體系，設置LTE、WiMax、WiFiA和WiFiB網絡的系統參數如表2所示，RSSI指標值根據移動臺在仿真環境中的位置計算。

圖1 仿真網絡拓撲圖

表2 備選網絡參數

2.2 仿真場景1

為了評估本文算法的性能，將其與以下3種算法比較:基于網絡端指標算法（Network-based Decision，ND）、基于服務質量指標算法（Quality-based Decision，QD）和基于用戶端指標算法（User-basedDecision，UD）。表3分析了一移動臺在圖1的仿真環境中，以10m/s的速度從A點向D點移動過程中在4種算法下的網絡選擇情況。

表3 網絡選擇過程分析

①停留點1:移動用戶僅處在LTE的覆蓋區域內，因此所有算法都選擇LTE作為接入點。

②停留點2:本文算法、QD和UD選擇WiMax，而ND選擇LTE。即使LTE的安全性和RSSI比WiMax的要高，但是WiMax的服務質量和價格都勝于LTE，因此本文算法選擇WiMax為最佳接入點。

③停留點3:本文算法和UD選擇WiFiA，而QD和ND選擇WiMax。雖然WiFiA的RSSI、安全性與服務質量均不如WiMax，但其價格較低，因此本文算法選擇WiFiA為最佳接入點。

④停留點4:本文算法和QD選擇WiFiB，而RD和UD選擇WiFiA。WiFiA的RSSI和耗電量優于WiFiB，且價格相等，但服務質量劣于WiFiB，因此本文算法選擇WiFiB為最佳接入點。

可見本文算法能夠綜合備選網絡的各項指標，選擇最優的網絡接入。

2.3 仿真場景2

在仿真環境圖1中，隨機產生若干移動臺，移動臺根據自身的數據業務選擇最優的網絡。假設所有的移動臺同時進行通信，且都能夠接入網絡。

當所產生的移動臺的數據業務均為實時數據時，移動臺選擇網絡時采用的判決算法分別為本文算法、ND和UD的情況下，所有移動臺收發數據延遲時間的歸一化比如圖2所示。在時延性能上，本文算法比ND和UD分別提高了28.5%和7.7%。

當所產生的移動臺的數據業務均為非實時數據時，移動臺在3種算法下的網絡吞吐量的歸一化比如圖3所示。在網絡吞吐量上，本文算法比ND和UD分別提高了6.9%和42.9%。

綜上所述，本文算法能為不同的數據業務提供合適的網絡和高質量的服務。

圖2 3種判決算法下平均延時比較

圖3 3種判決算法下歸一化吞吐量比較

3 結束語

提出了一種基于混合指標值的垂直切換算法，在決策制類型多樣化的情況下，指標數量的增加僅僅增大算法的計算量，并不會提高算法的復雜度。同時將網絡端指標、用戶端指標和服務質量指標歸為一級指標，在一級指標中再劃分二級指標，使得一級指標與二級指標的權重計算更加清晰。在算法性能方面，能夠綜合備選網絡的各項綜合指標選擇最優的網絡接入。對于有特殊要求的移動臺，同樣能夠滿足其需求，為其接入理想的網絡。綜上所述，算法能夠針對業務的特點與需求，為用戶提供良好的性能。

[1]CORIOI M，FIEDLER J，MEGEDANZ T，et al.Access Network Discovery and Selection in the Future Wireless Communication [J].Mobile Networks and Applications，2011，16（3）:337-349.

[2]ZHANG P，HUANG K Z，HE X J，et al.Heterogeneous Wireless Network Selection Algorithm Based on Combinational Weight[J].Systems Engineering and Electronics，2009，31（10）:2501-2505.

[3]LIU S M，MENG Q M，PAN S，et al.A Simple Additive Weighting Vertical Handoff Algorithm Based on SINR and AHP for Heterogeneous Wireless Networks[J].Journal of Electronics and Information Technology，2011，33（1）:235-239.

[4]SHI W X，ZHAO X，ZHAO S，et al.Multi-objective Decision Making Based Access Selection Algorithm in Heterogeneous Wireless Networks[J].Journal of Jilin University（Engineering and Technology Edition），2011，41（3）:795-799.

[5]DUAN X L，LI S，SUN L Y.Access Network Selection Scheme for Beyond 3G System[C]// 7th International Conference on Wireless Communications，Networking and Mobile Computing（WiCOM），2011.

[6]JOON M K，JOHN S，SIN S S，et al.Autonomic Personalized Handover Decisions for Mobile Services in Heterogeneous Wireless Network [J].Computer Networks，2011，55（7）:1520-1532.

[7]CELAL C，SERHAN Y，HUSEYIN A.Interference Aware Vertical Handoff Decision Algorithm for Quality of Service Support in Wireless Heterogeneous Networks[J].Computer Networks，2010，54（5）:726-740.

[8]GIUPPONI L，AGUSTI R，PEREZ R J，et al.Fuzzy Neural Control for Economic-driven Radio Resource Management in Beyond 3G Networks[J].IEEE Transactions on Systems，Man and Cybernetics，Part C（Applications and Reviews），2009，39（2）:170-189.

[9]GIUOOONI L，AGUSTI R，PEREZ R J，et al.A Novel Approach for Joint Radio Resource Management Based on Fuzzy Neural Methodology [J].IEEE Transactions on Vehicular Technology，2008，57（3）:1789-805.

[10]WANG Y M，YANG J B，XU D L.Interval Weight Generation Approaches Based on Consistency Test and Interval Comparison Matrices[J].Applied Mathematics and Computation，2005，167（1）:252-273.

[11]WEI G W，LUO Y J，YAO H S.PLWC-EOWA Operator and Its Application to Decision Making under Uncertain Linguistic Setting[C]// The Fifth Wuhan International Conference on E-Business Innovation Management track，2006，5:2369-2373.