基于未來負載預測的無線異構網絡自適應負載均衡算法

潘 甦，張 磊，劉勝美

（1．南京郵電大學通信與信息工程學院，江蘇南京210003；2．東南大學移動通信國家重點實驗室，江蘇南京210096）

基于未來負載預測的無線異構網絡自適應負載均衡算法

潘 甦1，2，張 磊1，劉勝美1

（1．南京郵電大學通信與信息工程學院，江蘇南京210003；2．東南大學移動通信國家重點實驗室，江蘇南京210096）

為避免由于網絡負載抖動而造成的頻繁網絡選擇，本文為無線異構網絡提出了一種預測網絡未來負載的自適應負載均衡算法。通過馬爾可夫鏈預測負載狀態空間的概率，將預測到的概率通過負載趨勢函數映射為趨勢值，利用趨勢值進行網絡選擇和自適應觸發門限的調整。仿真結果表明，該算法能有效降低接入阻塞率及均衡切換次數。

無線異構網絡；未來負載預測；負載趨勢函數；網絡選擇；自適應門限

0 引 言

隨著寬帶無線接入和移動通信技術的不斷發展，未來的無線網絡將會是由多種不同的無線接入技術共同組成的能夠滿足用戶的多種業務和服務質量需求的異構網絡［1］。網絡的異構融合將成為未來通信網的一個重要特征，它能實現網絡間的負載均衡，有效提升系統性能以及無線資源的利用率。

無線異構網絡負載均衡主要通過垂直切換的方式來實現［2－3］，網絡在滿足一定觸發條件時，如系統的負載不均衡程度達到了門限值，將一定數量的業務切換到負載較輕的網絡中，從而實現系統負載均衡。目前已有很多研究負載均衡的算法［3－9］，研究集中在兩個方面：一是網絡間負載比較準則；二是均衡切換的觸發條件。對于網絡間負載的比較準則，文獻［4］提出了基于模糊邏輯的網絡選擇算法來實現負載均衡，通過將業務類型、可用帶寬等作為模糊輸入，輸出合適的目標切換網絡，實現負載均衡；文獻［3］提出了支持服務質量（quality of service，QoS）的負載均衡算法，考慮影響QoS性能的系統帶寬、丟包率、延遲等參數，分別給這些參數賦予權值并構造目標函數，選擇函數值最大的網絡作為均衡目標網絡。文獻［5］研究了一種混合動態負載均衡算法，網絡可以從相鄰的輕載小區借用空閑信道，同時也可以在重疊區域將負載轉移到輕載的小區中。文獻［6］提出了基于熵權值和灰度關聯分析的負載均衡算法，通過每個網絡的接收信號強度、可用資源和阻塞率構建判斷矩陣，用灰度關聯矩陣反映接入網的性能，最后采用熵權值獲得每個指標的權重并聯合關聯矩陣對各異構網絡的性能排序，從而選擇最優的目標均衡網絡。文獻［7－9］主要研究了均衡切換的觸發條件，在文獻［7］所提的算法中，每當有新呼叫發起都會計算效用函數，以使得系統負載增加最小的網絡接入新呼叫，因此系統開銷較大；文獻［8］提出了設定遲滯定時器的強制切換負載均衡算法，網絡負載達到設定門限且超過等待時間之后，若網絡依然過載才通過強制切換均衡負載。文獻［9］提出了自適應調整負載均衡門限的算法，利用重疊區域網絡的負載最大差值與反應當前系統負載狀況的指標進行比較，若兩網絡負載差值大于指標值則觸發均衡算法，這樣的自適應門限算法在輕載條件下可以減少不必要的均衡操作。然而，總體而言，這些算法在負載比較準則和切換觸發條件這兩個問題的解決上都存在不足：對于網絡間負載比較準則，上述算法用網絡當前負載值或當前負載加上其他屬性作為負載均衡的準則或指標，而沒有考慮網絡未來負載的變化趨勢，所以這樣的均衡切換在網絡未來負載抖動嚴重時會導致頻繁切換；對于均衡切換的觸發條件，不設觸發門限的均衡每當有新呼叫發起都會計算效用函數［7］，大大增加了系統負擔，而設定遲滯定時器的觸發算法不能根據網絡情況及時進行負載均衡。

本文針對上述問題提出了一種預測網絡未來負載的自適應負載均衡算法，通過預測網絡負載處于某種狀態的概率，計算出網絡負載趨勢值，將趨勢值作為網絡選擇的準則，從而實現網絡負載均衡，減少不必要的切換。

本文首先描述了網絡系統模型以及提出負載預測算法；然后在預測負載的基礎上提出基于負載預測的網絡選擇負載均衡策略以及自適應門限的調整算法；最后給出仿真結果以及對比分析。

1 異構網絡中基于未來負載預測的自適應負載均衡算法

1．1 異構網絡模型

未來一段時間內，覆蓋范圍廣的3G、4G等蜂窩網絡和覆蓋范圍短的無線局域網（wireless local area network，WLAN）將是主流，因此本文考慮由蜂窩網和WLAN組成的無線異構網絡。如圖1所示，用戶以移動模型［10］在系統內做隨機運動，同時不斷有新用戶發起呼叫以及老用戶斷開連接。

假設系統中有M個異構網絡，每個網絡都支持N種不同的業務。在異構網絡中，對負載需要一個統一的定義。對于FDMA、TDMA、CDMA以及OFDM等不同的接入系統，負載都可以用業務在無線信道上的速率Rb［11］來表示，則k網絡l業務的單個呼叫負載loadk，l＝Rb（l），Rb（l）為用戶要求有質量保證的業務l的比特速率，如話音業務為16kbps，視頻業務為384kbps。則k網絡l業務的所有負載為

式中，l＝（1，2，3，…，N）；k＝（1，2，3，…，M）；akl為k網絡中保持的l業務呼叫數量。

則網絡k在s時刻的負載表達式為

圖1 異構網絡模型

1．2 負載預測算法

在第1．1節無線異構網絡模型的基礎上，本文提出了通過預測網絡未來負載進行網絡選擇及觸發門限自適應調整的負載均衡算法。為預測網絡負載，首先，將網絡負載分為不同的狀態空間；其次，通過馬爾可夫轉移函數計算出網絡未來負載處于各個狀態空間的概率；最后，結合預測結果選擇網絡以達到網絡間的負載均衡，同時自適應調整均衡觸發門限。

基于式（2）網絡負載的表達式，將負載在s時刻劃分為輕載、平衡、重載和過度重載4種狀態，用狀態空間T＝｛1，2，3，4｝表示。其中狀態1代表輕載，狀態2代表平衡，狀態3代表重載，狀態4代表過度重載。

為了劃分網絡負載的狀態空間，設定相應的劃分門限。設網絡k的最大負載容量為Cmax，k，定義thdk，1、thdk，2、thdk，3、thdk，4分別為網絡處于輕載、平衡、重載和過度重載的門限值。各門限按網絡最大負載的一定比例取值，比例大小不影響算法本身，不失一般性，令thdk，1＝0．3 Cmax，k，thdk，2＝0．6 Cmax，k，thdk，3＝0．8 Cmax，k，thdk，4＝Cmax，k。若負載小于輕載門限，即Loadk（s）≤thdk，1，則網絡k在s時刻處于輕載狀態；若thdk，1＜Loadk（s）≤thdk，2，網絡k在s時刻處于平衡狀態；若thdk，2＜Loadk（s）≤thdk，3，網絡k在s時刻處于重載狀態；若thdk，3＜Loadk（s）≤thdk，4，則網絡k在s時刻處于過度重載狀態。

基于以上狀態空間劃分，任意時刻網絡負載都處于上述4種狀態之一。而下一時刻網絡處于任一狀態的概率只與當前時刻狀態有關，所以網絡負載狀態的變化可以用馬爾可夫鏈描述。為了計算網絡負載狀態轉移概率，首先確定業務呼叫的到達和離去所服從的分布模型，通過計算轉移概率預測網絡負載狀態，以便進行網絡選擇及觸發門限調整。假設有n個終端，對于k網絡的l業務，各終端對業務l發起呼叫的概率為pl，不發起的概率為1－pl。因此，業務l的個呼叫發起的概率為

若對于業務l每個呼叫離去的概率為ql，不離去的概率為1－ql，則業務l的個呼叫離去概率為

當n很大，pl、ql很小時有以下近似式

由于泊松分布過程同時也是平穩增量過程，所以由下式可計算出k網絡的業務l在t時間內增加akl個呼叫的概率

減少的負載為

由增加和減少的負載可以計算網絡k負載的變化為

由式（9）可以計算出網絡負載狀態的一步轉移概率。設s時刻，網絡k處于以上4種狀態的概率為Pk（s）＝［Pk，1（s），Pk，2（s），Pk，3（s），Pk，4（s）］，則在s＋1時刻，處于T中各個狀態的概率為

圖2為網絡k的負載狀態轉移圖，在s和s＋1時刻有4個狀態空間，從某一狀態可以轉移到其他4種狀態之一，j代表了下一時刻要轉移的狀態，j∈｛1，2，3，4｝。

圖2 網絡k的負載狀態轉移圖

在s時刻網絡k的負載為Loadk（s），根據負載的變化可計算狀態轉移概率，若網絡處于狀態i，則下一時刻處于狀態1、2、3、4的轉移概率為

式中，i∈｛1，2，3，4｝分別表示網絡處于輕載、平衡、重載和過度重載狀態。

將式（7）、式（8）計算得到的k網絡l業務在t時間段里呼叫數增加個和減少個的概率代入式（12），可求出各狀態轉移概率，將計算得到的代入式（11），求得轉移矩陣（s），再由式（10）計算出s＋1時刻網絡負載處于狀態空間T中各個狀態的概率Pk（s＋1）。

通過本節提出的負載預測算法計算下一時刻網絡負載處于各個狀態的概率，達到預測網絡負載狀態的目的，將預測的網絡負載狀態作為網絡選擇策略的輸入，即通過一定的策略使呼叫接入未來負載較輕的網絡中。

2 基于負載預測的網絡選擇及門限調整策略

通過第1節負載預測算法預測網絡未來負載之后，網絡選擇策略可以根據預測結果進行相應的負載均衡控制。在網絡重疊區域，當多個網絡滿足呼叫的QoS需求時，網絡選擇策略會考慮讓該呼叫選擇下一時刻網絡負載趨勢值最小的網絡接入，即網絡輕載趨勢最大的網絡接入，從而可以均衡各異構網絡間的負載，并避免頻繁切換現象。

2．1 網絡負載趨勢函數

本文定義了網絡負載趨勢函數，它能量化下一時刻網絡處于輕載、平衡、重載、過載的趨勢大小。根據網絡當前趨勢值，以及負載預測算法預測到的網絡負載處于4種狀態的概率，計算出下一時刻的負載趨勢值，定義如下：

式中，Ek（s）為k網絡在s時刻負載趨勢值；該式中分子Pk，4（s＋1）×Pk，3（s＋1）表示網絡下一時刻是重載的概率；分母Pk，1（s＋1）×Pk，2（s＋1）表示下一時刻是輕載的概率；重載概率與輕載概率的比值Pk，4（s＋1）Pk，3（s＋1）／Pk，1（s＋1）Pk，2（s＋1）反映了網絡未來負載的趨勢，值越大表明負載比較重的趨勢就越明顯。當有新呼叫到達時，網絡選擇策略選擇下一時刻趨勢值最小的網絡接入，從而可以避免接入到未來負載較重的網絡中去。由于負載趨勢函數為非減函數，所以每隔一段時間對趨勢值進行復位。

2．2 網絡選擇觸發門限自適應調整

用來實現負載均衡的網絡選擇策略并非一直執行，而是需要設定一個適當的觸發門限，以控制均衡帶來的開銷。本文提出的自適應觸發門限可以根據預測到的負載趨勢值綜合考慮其他網絡未來負載狀況，從而對自身觸發門限進行動態自適應調整。如該網絡下一時刻負載趨勢值小于所有網絡負載趨勢值的平均值，即全局平均負載趨勢值，說明該網絡相比其他網絡負載輕的趨勢更明顯，可提高本網絡下一時刻的負載觸發門限值，以減少下一時刻由該網絡向相鄰網絡轉移負載進行切換的次數，從而在保證系統性能的同時減少了切換均衡開銷；若該網絡下一時刻負載趨勢值大于全局平均負載趨勢值，說明該網絡相比其他網絡負載重的趨勢更明顯，可降低本網絡下一時刻的觸發門限，以盡早將自身負載向其他負載較輕的網絡轉移，保證網絡性能以及網絡間負載均衡。

為此，定義全局平均負載趨勢值為同一時刻系統中所有網絡負載趨勢值的平均，用來表示，則有

在系統初始化階段，網絡k的負載均衡觸發門限設為初始值thdk，0，隨后通過預測未來負載算法計算出各個網絡下一時刻的趨勢值，以及根據式（14）計算全局平均負載趨勢值。

自適應門限調整如下：

（1）初始時，對于網絡k的初始觸發門限thdk，0本文設為固定值0．4Ck，max。

（2）在s＋1時刻，網絡k的負載趨勢值為Ek（s＋1），同時由式（14）計算出全局平均負載趨勢值為avg＿Es＋1。

（3）若Ek（s＋1）＜ε×avg＿Es＋1，則說明此網絡下一時刻相對其他網絡負載輕，觸發負載均衡策略的門限值（即thdk，0）可以相應地提高一個步長Δ，減少從自身網絡轉移負載的切換次數；相反，若，則說明此網絡下一時刻相對其他網絡負載重，為了保證盡早轉移自身負載以實現均衡，門限值相應地降低一個步長Δ。

2．3 網絡選擇控制策略

網絡k每隔一個時間周期檢查自身的負載，若其負載超過觸發門限thdk，0，則觸發負載預測算法對該網絡未來負載狀態進行概率預測，從而計算出下一時刻該網絡的負載趨勢值。基于負載預測的網絡選擇流程如圖3所示。

圖3 基于負載預測的網絡選擇流程圖

從圖3可知，當有新的呼叫或切換請求時，進行網絡可接入性判斷，若系統只有一個網絡可以接入則接入該網絡；若系統有兩個或以上網絡可以接入時，網絡選擇策略會比較各網絡的趨勢值，選擇趨勢值最小的網絡作為目標網絡接入。同時，根據負載趨勢值來提高或降低觸發負載預測的均衡算法門限，從而保證負載均衡的同時控制均衡開銷，減少不必要的均衡。

3 仿真與結果分析

系統仿真模型如圖4所示，在通用移動通信系統（universal mobile telecommunications system，UMTS）和WLAN的覆蓋范圍內，對于l業務不斷有新呼叫按到達率λl發起呼叫，同時系統中l業務的呼叫按離開率μl離開系統。系統參數如表1所示。

表1 仿真網絡參數表

用戶的呼叫發起位置均勻分布在網絡覆蓋面上，運動方向在0～2π之間服從均勻分布，每隔一段時間移動臺速度也發生改變，速度的改變服從如下分布：

式中，v－＝4．3km／h；σv＝3．6km／h。

圖4 系統仿真模型

目前，多數研究采用多屬性［12－14］的負載均衡算法，即考慮網絡價格和負載水平等屬性，它們都以網絡當前的屬性值作為均衡標準。

本文提出用于預測未來負載的負載趨勢值也可以作為屬性之一，用于多屬性決策。為了清楚顯示本文所提出的算法在負載均衡上的優勢，在仿真中設計了一個只考慮負載趨勢值和價格的簡單多屬性決策代價函數，當然也可以使用復雜的多屬性方法，如TOPSIS法、AHP算法［15－17］等。

這里只考慮價格因素以及預測的網絡趨勢值，定義的代價函數為

式中，?、β分別為網絡價格和負載趨勢值的權重因子，可根據實際情況調節；Ck為k網絡的價格；Ek（s＋1）為k網絡負載趨勢值。

若沒有進行負載均衡，即式（16）中的β＝0。如圖5所示，隨著系統中用戶不斷增加，由于WLAN價格便宜，在達到業務需求的條件下用戶優先接入WLAN。可以看出WLAN的負載增加比較迅速，最終處于接近滿負載的狀態；而UMTS的負載僅達到50%，處于平衡狀態。如果沒有執行負載均衡，網絡之間負載出現了失衡。

圖5 沒有執行負載均衡算法

在相同場景下，執行預測未來負載的自適應均衡算法，其結果如圖6所示。圖6（a）為網絡負載趨勢值曲線；圖6（b）為根據趨勢值進行網絡選擇的負載變化圖。

圖6 執行預測負載的自適應負載均衡算法

從圖6（a）可以看出，起初兩個網絡的負載都比較輕，未觸發負載均衡算法，所以新加入網絡的用戶按照網絡價格優先的原則接入合適網絡。當移動用戶數增加到一定數量時，在點A處WLAN網絡負載先達到觸發門限，開始預測網絡未來負載狀況，從點A到點B看到WLAN的趨勢值大于UMTS趨勢值，由于負載趨勢值的權值大于價格的權值，所以接入控制會優先選擇代價值小的UMTS網絡接入，從而在重疊區域盡管WLAN價格便宜，增加的呼叫也會選擇輕載趨勢大的UMTS網絡接入，從圖6（b）中對應區域看出UMTS的負載明顯增加。當UMTS的負載增加到觸發門限后，即對應圖6（a）中的D點，UMTS的負載趨勢值也根據預測的結果增大，從點B到點C，UMTS的趨勢值大于WLAN的趨勢值，此時圖6（b）中WLAN負載的增長比UMTS迅速。由圖6（b）可以看出，隨著用戶數的增加，UMTS和WLAN的負載在逐漸增加，WLAN負載最終達到85%，UMTS負載最終達到78%。與圖5比較可知，預測未來負載的負載均衡算法使得網絡間負載達到了有效均衡。

為了比較預測未來負載的自適應負載均衡算法與現有的遲滯定時器算法性能的差異，設定如下一種場景：以圖4系統模型為基礎，在t＝6s、7s、8s3個時刻，系統中的用戶數量激增，接著用戶數量又恢復正常。因此，在t＝6s時，WLAN和UMTS網絡負載都達到了觸發負載均衡算法的門限。兩種算法在此情況下的仿真結果比較如圖7所示。

圖7 兩種負載均衡算法性能比較

由圖7（a）可以看出，由于用戶數的激增，t＝6s時WLAN和UMTS的負載達到觸發門限（初始觸發門限為thdk，0），執行遲滯定時器的負載均衡算法。由于遲滯定時器需要等待2s，在這2s內不執行均衡切換的操作，而在這個時間段中系統的用戶數還在激增，所以在這2s內，WLAN的負載急劇增加到了極限，即歸一化的負載為1，而UMTS的價格比WLAN高，所以負載增加沒有WLAN快，因此網絡間的負載出現了失衡，WLAN負載飽和意味著用戶的QoS急劇變壞。相同的場景，圖7（b）的仿真結果說明，當網絡負載達到均衡觸發門限的時候，網絡就執行預測未來負載的自適應均衡算法，避免了用戶都接入到價格便宜但負載比較重的WLAN網絡中，從而有效均衡了網絡間的負載，提高了系統中用戶的QoS。

為了比較預測未來負載的負載均衡算法對呼叫阻塞率的改善，在不同的到達率下，比較無負載均衡算法、遲滯定時器負載均衡算法和預測未來負載的自適應均衡算法呼叫阻塞率，該仿真場景中到達率大于離開率。圖8為呼叫阻塞率隨到達率變化的曲線圖。

圖8 呼叫阻塞率隨到達率的變化

由圖8可見，隨著呼叫到達率增大，系統的呼叫阻塞率也在增大，無負載均衡情況下呼叫阻塞率最大，基于遲滯定時器的強制切換負載均衡算法呼叫阻塞率其次，本文提出的預測未來負載狀況的自適應負載均衡算法呼叫阻塞率最小。

圖9為預測網絡未來負載的自適應負載均衡算法和現有遲滯定時器強制切換的負載均衡算法在均衡切換次數上的比較。從圖中可以看出，預測網絡未來負載的自適應負載均衡算法在大部分仿真時間內所發生的均衡切換次數比強制切換負載均衡算法發生的切換次數要少。所以，預測網絡未來負載的自適應負載均衡算法能適應網絡未來的負載抖動，有效地減少了系統均衡切換的次數。

圖9 系統發生均衡切換次數的比較

4 結束語

本文主要研究了一種無線異構網絡中基于網絡未來負載預測的自適應負載均衡算法，該算法將網絡負載劃分為輕載、平衡、重載和過載4種狀態，由呼叫模型服從的分布計算出網絡狀態轉移矩陣，進而通過馬爾可夫鏈確定網絡未來負載處于各個狀態空間的概率。通過本文提出的負載趨勢函數量化成網絡負載趨勢值，由負載趨勢值作為均衡指標進行網絡選擇、切換控制，同時利用趨勢值自適應調整觸發網絡選擇策略的門限。達到了有效避免負載分布不均衡，進一步降低呼叫阻塞率，減少頻繁切換，提高無線資源利用率等目的。

［1］Damnjanovic A，Montojo J，Wei Y B，et al．A survey on 3GPP heterogeneous networks［J］．IEEE Wireless Communications，2011，18（3）：10－21．

［2］Kunarak S，Suleesathira R．Predictive RSS with fuzzy logic based vertical handoff algorithm in heterogeneous wireless networks［C］∥Proc．of the International Symposium on Communications and Information Technologies，2010：1235－1240．

［3］Alam M，Choong S H，Seung M，et al．A load balancing algorithm with QoS support over heterogeneous wireless networks［C］∥Proc．of the Network Operations and Management Symposium，2012：1－4．

［4］Sheng J，Yang Z，Tang L R，et al．A novel load balancing algorithm based on utility functions and fuzzy logic in heterogeneous wireless networks［C］∥Proc．of the International Conference on Fuzzy Systems and Knowledge Discovery，2012：414－418．

［5］Chen Y Y，Qi B，Luo Y T，et al．A hybrid dynamic load balancing algorithm in hetero－geneous wireless packet networks［C］∥Proc．of the International Conference on Fuzzy Systems and Knowledge Discovery，2012：2052－2056．

［6］Sheng J，Qi B，Dong X J，et al．Entropy weight and grey relation analysis based load balancing algorithm in heterogeneous wireless networks［C］∥Proc．of the International Conference on Networking and Mobile Computing，2012：1－4．

［7］Lee S，Sriram K，Golmie N，et al．Vertical handoff decision algorithms for providing optimized performance in heterogeneous wireless networks［J］．IEEE Trans．on Vehi－cular Technology，2009，58（2）：865－881．

［8］Zhou X T．The research of load balance control strategy and algorithm in heterogeneous wireless networks［D］．Nanjing：Nanjing University of Posts and Telecommunications，2011．（周曉團．異構無線網絡負載均衡控制策略與算法研究［D］．南京：南京郵電大學，2011．）

［9］Zhang Y J，Zhang K，Chi C，et al．An adaptive threshold load balancing scheme for the end－to－end reconfigurable system［J］．Wireless Personal Communication，2008，46（1）：47－65．

［10］Plamen I．User mobility modeling in cellular communications networks［D］．Austria：Vienna University of Technology，1999．

［11］Quoc－thinh N，Nazim A，Yacine G．Novel approach for load balancing in heterogeneous wireless packet networks［C］∥Proc．of the Network Operations and Management Symposium Workshops，2008：26－31．

［12］Lian R R，Tian H，Fei W C，et al．QoS－aware load balancing algorithm for joint group call admission control in heterogeneous networks［C］∥Proc．of the IEEE Vehicular Technology Conference，2012：1－5．

［13］Chai R，Dong X Y，Ma J，et al．An optimal IASA load balancing scheme in heterogeneous wireless networks［C］∥Proc．of the International Conference on Communications and Networking in China，2011：714－719．

［14］Jeounglak H，JiYeon K，Jin－up K，et al．Dynamic load balancing architecture in heterogeneous wireless network environment［C］∥Proc．of the International Symposium on Communications and Information Technology，2009：248－253．

［15］Bernardon D P，Sperandio M，Garcia V J，et al．AHP decisionmaking algorithm to allocate remotely controlled switches in distribution networks［J］．IEEE Trans．on Power Delivery，2011，26（3）：1884－1892．

［16］Fan C Y，Li Q S，Wang C H，et al．Topsis based on grey correlation method and it’s application［C］∥Proc．of the IEEE International Conference on Grey Systems and Intelligent Services，2013：23－25．

［17］Goyette R，Karmouch A．Using AHP／TOPSIS with cost and robustness criteria for virtual network node assignment［C］∥Proc．of the IEEE International Conference on Communications，2012：5885－5889．

E－mail：supan＠njupt．edu．cn

張 磊（1990－），男，碩士研究生，主要研究方向為移動通信與無線技術。

E－mail：zhanglei7655823＠126．com

劉勝美（1977－），女，副教授，博士，主要研究方向為異構無線網絡移動性管理、資源管理、運動預測。

E－mail：smliu＠njupt．edu．cn

Adaptive load balancing algorithm based on future load predicting

PAN Su1，2，ZHANG Lei1，LIU Sheng－mei1
（1．College of Telecommunications and Information Engineering，Nanjing University of Posts and Telecommunications，Nanjing 210003，China；2．National Mobile Communications Research Lab，Southeast University，Nanjing 210096，China）

In order to avoid the frequent network selection caused by the load fluctuation of networks，an adaptive load balancing algorithm with the future load predicting is proposed in heterogeneous wireless networks．The probabilities of networks’future load states are predicted by the Markov－chain，then the predicted probabilities are mapped into load tread values by the load trend function．The trend values are used for the network selection and the adaptive adjustment of the trigger threshold．The simulation results show that the proposed algorithm can reduce the access blocking probability and the times of the vertical handover．

wireless heterogeneous networks；future load predicting；load trend function；network selection；adaptive threshold

TN 929．5

A

10．3969／j．issn．1001－506X．2015．06．24

潘 甦（1969－），男，教授，博士，主要研究方向為無線通信與移動互聯網技術。

1001－506X（2015）06－1384－07

2014－08－27；

2014－10－29；網絡優先出版日期：2014－11－06。

網絡優先出版地址：http：／／www．cnki．net／kcms／detail／11．2422．TN．20141106．1240．002．html

國家自然科學基金（61271235）；江蘇省科技支撐計劃（EE2011190）；東南大學國家移動通信重點實驗室開放基金（2011D07）資助課題