異構無線網絡環境下的網絡接入選擇算法研究

陶 洋，譚 鵬

(重慶郵電大學計算機科學與技術學院，重慶 400065)

目前無線環境是由眾多具有不同性能的異構接入網絡形成，用戶對互聯網的訪問服務，是由不同服務質量和成本的網絡提供。此外，隨著移動終端(Mobile Terminal，MT)的普及，多模終端在各種網絡重疊覆蓋的區域可以有多種無線接入網絡供選擇，異構網絡環境的存在需要移動終端總是選擇最好的網絡 (Always Best Connected，ABC)。為了成功地實現ABC，移動終端應該具備面向多個無線接入系統的網絡接口，每個MT將至少有3個或更多的網絡接口，支持如 WLAN，GPRS，WiMAX，HSPA，EVDO等無線接入，所有這些服務都可以允許MT用戶自由地從一個接入網絡切換到另一個網絡。理想的情況是，MT用戶可以在會話連接不斷開的情況下從一個無線網絡漫游到另一個無線網絡，并使得移動終端總是選擇一個最好的網絡。因此，只有必要的同步機制和網絡選擇方法才能保證MT無線異構環境中網絡的無縫切換。

垂直切換決策(Vertical Handover Decision，VHD)可以使用成本函數［1］、模糊邏輯方法［2］，或其他更復雜的算法。最后，MT經過選擇連接到新的網絡接入點(AP)和改變它之前的網絡連接方式。然而，接口的選擇是一個問題(包括接口的功能、用戶偏好和應用要求等)。在用于切換決策和接口選擇的方法中，多屬性決策法(Multiple Attribute Decision Making，MADM)是最有前途的方法。

切換判決是由MT和無線接入網絡的性能共同決定的，不同的接入技術和無線網絡的不同行為使得切換變得困難。本文提出，一種新型的垂直切換方法RafoQ(Ranking for QoS)［3］。通過考慮用戶的喜好和應用程序QoS來仿真比較RafoQ與其他多屬性決策算法，使用現有的網絡性能參數來對改進的RafoQ算法和其他的多屬性決策算法進行評估。通過仿真驗證，證明了改進算法RafoQ的有效性。

1 相關的工作

由于垂直切換判決能夠評估所述無線網絡的性能。因此，越來越多的研究工作致力于理解新的切換解決方案。經典的切換解決方案是根據接收信號強度(RSS)［4］來進行網絡選擇。雖然這種切換方法具有很長的切換時延，可以達到2 s，但是能夠使越區切換失敗概率最小化，并能提高可用帶寬。

還有一些以成本代價為基礎的垂直切換方法，它們通過研究幾個參數，選擇最佳的網絡。這些參數定義為4組:訪問網絡信息、用戶偏好、終端能力和服務類型。文獻［5］提出的跨層成本函數，收集不同層的決策標準。最后，基于應用程序和用戶的喜好，MT選擇具有最高分數的無線接入網絡。

除了RSS和基于代價函數的切換算法，還設計了其他更復雜的算法。多屬性決策(MADM)實現了多個備選方案和屬性，選擇適當的計算方法。最經典MADM算法，如SAW(簡單加權)［6］中的總得分是由候選接入網絡的所有屬性值的加權和。灰色關聯度分析(GRA)［7］通過計算灰色關聯系數為每個終端選擇理想的無線接入網絡。TOPSIS法［6］通過評價對象與最優解、最劣解的距離來進行排序，選擇一個最接近理想的解決方案，最好的選擇應該具有最短的歐氏距離，負理想解是設計一個最遠的距離，即最差的解決方案。多元指數加權(MEW)［8］可以表示為矩陣形式，其中行對應于候選網絡，列對應其屬性，最后計算接入網絡的加權屬性得分。一個多屬性決策問題，制定如下:A={Ai，i=1，2，…，n}是一組代表移動終端支持的接口數目，B={Bj，j=1，2，…，m}是一組屬性，如界面特性、應用需求和用戶偏好(例如接收到的信號強度、功耗、成本、覆蓋范圍、延時、安全等)。權重向量W=［W1，W2，… ，Wm］表示這些QoS參數的相對重要性，W是權重的決定因素，一種MADM問題可以由矩陣來表示，即

式中:N是相對矩陣;qij是相應的QoS因子的值。

大多數早期的研究，特別是考慮到TOPSIS法在網絡中多QoS的沖突問題，而且如何處理這些問題并沒有被明確提及。事實上，一些先前的研究提出，通過使用多目標優化的機制，而不是使用一個單一的目標函數來達到目的。目前研究的QoS問題，在其有效性、無線接入網絡負載均衡、企業節約成本以及顧客體驗等方面，一致性被廣泛重視。因此，選擇多屬性網絡是非常重要的。

2 RafoQ算法

本文提出一種將層次分析法(Analytical Hierarchy Process，AHP)和RafoQ技術相結合的網絡選擇算法，以便找到一個權衡用戶喜好、業務應用和網絡條件的方案。算法機制分為以下功能塊，即網絡代理模塊、MT請求模塊和決策模塊。網絡代理模塊和MT請求模塊收集用戶的喜好和網絡條件;決策模塊是由AHP和RafoQ對用戶的數據進行處理和將網絡數據標準化，也是本文關注的重點。

RafoQ基于多目標優化的QoS參數和監督在異構環境中的接入網絡排名。該排名采用了多目標優化方法AMOSA［9］，在排名函數的基礎上評估最佳QoS的接入網絡。在這里，所提供的接入網絡的集合作為輸入，并返回一組輸出的行列。算法步驟如下:

為了檢驗提取mtDNA的純度，本研究參考大豆已知基因NARK、psbC和Cox Ⅲ的序列，設計了3對引物(表1)，分別以提取到的mtDNA和大豆基因組DNA為模板，進行PCR擴增。電泳檢測結果發現，提取到的mtDNA只有Cox Ⅲ序列引物擴增出了目的條帶，而基因組DNA中3對引物均擴增出目的條帶(圖5)，說明所提取到的mtDNA純度較高，無核基因組DNA和葉綠體DNA的污染。

輸入為一組k接入網絡N={N1，N2，… ，Nk}。

輸出為集合N中的排名R={R1，R2，…，Rk}。

1)在異構網絡環境中模擬不同的接入網絡，并計算其QoS參數。

2)Ni采用多目標優化算法AMOSA，并選擇最佳QoS矢量的網絡為特定網絡。

3)采用排名函數比較QoS矢量，對Ni進行排名。

3 仿真結果

3.1 仿真環境

在本節中，將RafoQ算法與4種不同的垂直切換決策算法進行比較，即SAW，TOPSIS，GRA和MEW。在場景中，模擬2個WLAN、UMTS和GPRS共4個網絡，這些網絡覆蓋相同的面積。使用NS－2和NIST流動性模塊來模擬所描述的配置，接入網絡性能，如表1所示。

表1 接入網絡性能

網絡覆蓋區域可以容納幾百個手機終端，并將3GPP定義的幾類應用程序分布在不同的終端運行(即會話類、流類、交互類和背景類)，這幾類應用程序主要特征通過時延、抖動和丟包率這幾個QoS參數表示(見表2)。對于不同類別，為每個參數分配不同的權重。雖然關于多屬性的垂直切換決策是一個復雜的問題，但層次分析法(AHP)可以把它分解成更簡單、更易于管理的子問題，這些子問題可以是決定因素或權重。決定因素可以是解決方案，層次分析法通過比較權重選擇解決方案、收集用戶偏好數據來構造AHP矩陣，所有QoS因子的權重參數如表2所示。在仿真環境中，設置終端的平均連接時間在1～10 s之間變化，來觀察各個算法的網絡性能。

表2 QoS權重參數

3.2 模擬結果

由于切換判決算法GRA，SAW和TOPSIS選擇同一網絡的MT，所以在仿真圖中顯示這幾類算法的圖形疊加。

圖1～圖4表示每個業務類的每個越區切換決定算法的平均時延。它代表了從MT將數據包傳送到接收終端的時延。仿真結果表明RafoQ提供最低的終端到終端延時。事實上，RafoQ能不斷評估網絡性能，并給終端分配最好的瞬時網絡。

圖1 會話類的平均時延

圖2 流類的平均時延

圖3 交互類的平均時延

圖4 背景類的平均時延

圖5～圖8描繪了每個業務類的平均抖動變化，它被定義為數據包到達時間之間的偏差。它取決于接入網絡本身，以及網絡負載。從圖中可以看出RafoQ的抖動性能是最好的，然后是TOPSIS，SAW和GRA。從圖中可以看出除了會話類業務，MEW優于SAW，TOPSIS和GRA外，其他類業務MEW的性能是最差的。

圖5 會話類的抖動

圖6 流類的抖動

圖7 交互類的抖動

圖9～圖12描述的丟包率，定義為丟失數據包的數目與發送總數據包的比例。相對其他算法，RafoQ算法具有最低的丟包率。TOPSIS法、GRA和SAW在背景類和流類業務方面比MEW具有更好的性能。然而，MEW在會話類卻有較低的丟包率。

圖8 背景類的抖動

圖9 會話類的丟包率

圖10 流類的丟包率

圖11 交互類的丟包率

4 結論

圖12 背景類的丟包率

在下一代網絡中，一個具有挑戰性的問題就是垂直切換判決。理想的越區切換算法是讓所有移動終端分配到最適合它們的網絡上，同時又不干擾無線系統的性能。在本文中，提出通過與多個屬性相結合的AHP法確定網絡參數來評級候選網絡和使用多目標優化法得到候選網絡的排名，最后通過改進RafoQ網絡選擇算法來決定選擇哪個網絡。

:

［1］LASSOUED I，BRETAGNE T，CESSON S，et al.Towards an architecture for mobility management and resource control［C］//Proc.Wireless Communications and Networking Conference 2008.［S.l.］:IEEE Press，2008:2846－2851.

［2］YANG Tao，RONG Peng.A fuzzy logic vertical handoff algorithm with motion trend decision［C］//Proc.IFOST 2011.［S.l.］:IEEE Press，2011:1280－1283.

［3］DHAR J，KIRAN S R，REDDY K Y.Network selection in heterogeneous wireless environment:a ranking algorithm［C］//Proc.the 3rd International Conference on Wireless Communication and Sensor Networks.［S.l.］:IEEE Press，2007:41－44.

［4］MOHANTY S，AKYILDIZ I.A cross－layer(layer 2+3)handoff management protocol for next－generation wireless systems［J］.IEEE Transactions on Mobile Computing，2006，5(10):1347－1360.

［5］CHANG B J，CHEN J F.Cross－layer－based adaptive vertical handoff with predictive in heterogeneous wireless networks［J］.IEEE Transactions on Vehicular Technology，2008，57(6):3679－3692.

［6］ZHANG W.Handover decision using fuzzy MADM in heterogeneous networks［C］//Proc.WCNC2004.Atlanta:IEEE Press，2004:653－658.

［7］SONG Q，JAMALIPOUR A.A network selection mechanism for next generation networks［C］//Proc.in IEEE ICC'05.［S.l.］:IEEE Press，2005:1418－1422.

［8］YOON K，HANG C.Multiple attribute decision making:an introduction［M］.［S.l.］:Sage Publications，1995.

［9］BANDYOPADHYAY S，SAHA S，MAULIK U ，et al.A simulated annealing based multi－objective optimization algorithm:AMOSA ［J］.IEEE Transactions on Evolutionary Computation，2008，12(3):269－283.