面向配電網的異構無線網絡接入選擇算法

向 敏，高 盼，杜延紅

(重慶郵電大學 工業物聯網與網絡化控制教育部重點實驗室，重慶 400065)

0 引 言

當前的配電網[1,2]通信方式主體采用光纖通信，輔以寬帶無線的通信方式。受環境條件限制，在部分地區進行光纖鋪設、維護管理時會面臨難度大、成本高的問題，且單一無線網絡難以滿足多種業務的傳輸需求。因此如何為配電通信業務選擇合適的無線通信網絡接入成為亟待解決的問題。目前，異構無線網絡接入選擇的相關研究已取得一定成果，文獻[3]提出以灰色關聯分析為主要決策方法的網絡選擇算法，綜合考慮影響網絡選擇的因素，選出優化的網絡接入選擇方案，能夠合理分析網絡資源并有效降低接入成本。文獻[4]通過將逼近理想解排序和其它不同求解權重的方法相融合，綜合考慮接收強度、可用帶寬、負載等因素，分別采用層次分析法、熵權法計算各網絡參數的權重值，利用TOPSIS對候選網絡排序并選擇更為合適的網絡。文獻[5,6]以遺傳算法為基礎對接入選擇方法進行改進，借助于遺傳算法的進化特性有效解決了全局尋優的問題。總體來看，灰色關聯在系統方案的整體評判上存有一定的不足；TOPSIS法不能很好地反映候選網絡內部變化趨勢與理想網絡之間的異同；遺傳算法決策時的可靠性和復雜度有待改善。為此，提出一種基于相對貼近度的智能配電異構無線網絡接入選擇算法。該算法分別從位置和形狀相似性的角度出發，針對候選網絡與理想網絡之間的接近程度，計算出它們的歐式距離以及灰色關聯度，同時結合兩者構造出一種新的貼近度即相對貼近度，進而以此為依據對候選網絡進行優劣排序，選擇出最合適的網絡。

1 智能配電異構通信網絡模型

智能配電通信系統可采用自建專網或租用公網的方式實現通信[7]。骨干層存在于配電主站和配電子站之間，因該層具有傳輸數據量大的特點且對傳輸的可靠性具有較高的要求，通常采用光纖通信技術或其它專網通信技術；接入層形成于配電終端與配電子站(主站)之間，由于配電終端節點數量大、分布范圍廣且分散、密度不均勻，從而不易使用有線或者單一無線通信實現對終端的全覆蓋，因此對光纖鋪設、維護難度較大或部分改造工程較復雜的地區可構建多種無線接入技術共存的應用模型。本文所構建的智能配電異構無線接入網絡模型如圖1所示。

圖1 智能配電異構網絡模型

智能配電通信系統中存在多種不同類型的業務，從業務功能屬性的角度出發，可分為控制型、保護型、信息監測型和視頻監控型4種類型，且保護型和控制型比信息監測型和視頻監控型更為重要。受業務自身特點的影響，各類業務對帶寬、時延、抖動、丟包率，可靠性等服務質量需求不同，表1是4種配電業務類型的需求參數說明[8]。

在智能配電異構網絡的覆蓋范圍內，配電終端結合業務本身特點和實際需求，根據當前各接入網絡的實際性能，針對性地選擇最適合當前業務正常運行的網絡，使得網絡資源得到充分利用，同時避免了單一網絡覆蓋情景下，因網絡承載過重的負荷而造成網絡擁塞、業務運行不暢等現象。

表1 4種配電業務類型參數說明

2 智能配電異構無線網絡接入選擇算法

2.1 灰色關聯分析和TOPSIS理論

選擇合適的網絡需要同時考慮網絡因素的內在特性和各因素之間的相互作用，對候選網絡進行綜合評估。為實現業務最終選擇最合適的網絡接入，采用計算量小，簡單方便的灰色關聯度和TOPSIS相融合的方法來進行決策。

灰色關聯分析以各指標的樣本數據為基礎，利用灰色關聯度表示指標在大小、次序等方面的聯系緊密程度，即比較數據序列曲線之間的相似程度。相似程度越高，變化趨勢就越相近，關聯度就越大。

TOPSIS是一種空間統計學的方法，其基本思想是：分別計算各候選方案距離最好方案與最壞方案的歐氏距離，將其構造成貼近度，進而以所求貼近度作為衡量方案優劣的標準。

2.2 算法整體流程

針對傳統TOPSIS法不能很好地體現候選網絡內部各因素變化趨勢與理想方案之間的差異性問題，本文首先利用層次分析法和反熵權法分別求取業務偏好的主觀權重和網絡性能的客觀權重，結合主客觀權重求得綜合權重并構建加權標準化矩陣，然后分別求解候選網絡與理想網絡之間的灰色關聯度和歐式距離，將所求灰色關聯度和歐式距離構造成相對貼近度，最后以所得相對貼近度為依據進行合適網絡的選取。基于相對貼近度的智能配電異構無線網絡接入選擇算法流程如圖2所示。

圖2 智能配電異構無線網絡接入選擇算法流程

2.3 算法步驟

2.3.1 構建標準決策矩陣

(1)構建基礎決策矩陣

假設在智能配電異構無線網絡中，有m個無線網絡對智能配電終端節點實現重疊覆蓋，配電業務進行接入時需要考慮n個指標，從配電終端提取所需參數，構建如式(1)所示的可表征網絡性能的基礎決策矩陣F，fij表示第i個候選網絡決策指標j的值

(1)

(2)構建標準決策矩陣

對基礎決策矩陣F中的決策指標執行同向化和無量綱化處理，生成標準決策矩陣X：

1)決策指標同向化

將所參考的n個決策指標分為正向指標(即越大越好型)和負向指標(即越小越好型)兩種。

(2)

(3)

2)決策指標去量綱化

經過同向化處理后的各決策指標在屬性性質、量綱、度量標準等方面仍然存較大的差異性，因此需采用式(4)對所得正向指標進行去量綱化處理，可得如式(5)所示的標準決策矩陣X

(4)

(5)

2.3.2 確定決策指標權重并構建加權標準化矩陣

(1)確定配電業務主觀權重

根據不同類型配電業務的需求差異，采用層次分析法構建如圖3所示的層次結構模型為各決策指標賦權。該架構的目標層為最佳接入網絡，準則層包含抖動、帶寬、丟包率、時延、及單位字節費用等決策因素，方案層包括了當前的所有候選網絡。

圖3 異構網絡接入選擇層次結構模型

此處采用幾何平均法[9]求取各決策因素的相對重要性即權值如式(6)所示

(6)

式中：bij——決策指標xi與決策指標xj之間的相對重要性級別。

(7)

(2)確定網絡性能客觀權重

信息反熵和信息熵具有相同的屬性，均可用于度量系統無序程度[10,11]。由于熵權法不能根據指標差異合理分配權重，極端情況下會出現某些指標權重過小使其不具備參考價值，故而此處采用反熵權法求取候選網絡性能指標的客觀權重Wo，具體步驟如下：

1)以標準決策矩陣X為基礎，計算各決策指標的比重，如式(8)

(8)

2)依據反熵的定義，確定各決策指標的反熵，如式(9)

(9)

(10)

(3)計算指標組合權重

由于指標性質間存在差異，對應主客觀權重所占比重也不同。分別用α和β表示主觀權重和客觀權重所占比重，結合矩估計理論，根據式(11)求取各決策指標的主客觀權重系數αj和βj[12]

(11)

為綜合考慮主客觀因素，將所得業務需求的主觀權重集Ws、網絡性能的客觀權重集Wo和主客觀權重所占比重系數相結合，根據式(12)可求取主、客觀權重綜合之后的最優組合權重vj

(12)

(4)構建加權標準化矩陣

將計算所得最優組合權重vj與標準決策矩陣X相乘構建加權標準化加權矩陣Y如式(13)所示

(13)

2.3.3 確定理想網絡并求解歐式距離和灰色關聯度

(1)確定能夠評價候選網絡的正理想網絡和負理想網絡

由于決策指標經同向化處理均已轉化為正向指標，故可用加權標準化決策矩陣Y中各指標的最大值構成正理想網絡Y+如式(14)，用各指標的最小值構成負理想網絡Y-如式(15)

(14)

(15)

(2)求解候選網絡到正理想網絡和負理想網絡之間的歐氏距離

假定第i個候選網絡距離正理想網絡的歐氏距離為D+，根據式(16)可得

(16)

假定第i個候選網絡到負理想網絡的歐氏距離為D-，根據式(17)可得

(17)

(3)求解候選網絡與正理想網絡和負理想網絡間的灰色關聯度

1)在加權標準化矩陣Y的基礎上，根據式(18)求解第i個候選網絡與正理想網絡關于第j個決策指標的灰色關聯系數，即

(18)

(19)

第i個候選網絡與正理想網絡之間的灰色關聯度為

(20)

2)計算第i個候選網絡與負理想網絡關于第j個決策指標的灰色關聯系數，如式(21)

(21)

(22)

第i個候選網絡與負理想網絡的灰色關聯度為

(23)

2.3.4 求解相對貼近度并對候選網絡進行優劣排序

(1)利用式(24)對所求歐氏距離和灰色關聯度實施規范化處理

(24)

(25)

(26)

(3)相對貼近度體現了候選網絡與正理想網絡或負理想網絡在變化趨勢上的接近程度，用δi表示相對貼近度，則有

(27)

(4)按照所求相對貼近度δi的大小對候選網絡進行優劣排序，δi越大，表示候選網絡與正理想網絡越貼近，候選網絡質量越優，能較好地滿足當前業務需求；反之，δi越小，表示候選網絡與負理想網絡越貼近，候選網絡質量越差，不能較好滿足當前業務需求。當確定出候選網絡性能質量的優劣排序后，選取δi最大的候選網絡為最合適的網絡選擇。

3 仿真與分析

為檢驗所提智能配電異構無線網絡接入選擇算法的性能優劣，使用MATLAB在圖1所建模型中進行模擬仿真，假定該重疊覆蓋區域中含有150個終端節點，獲取網絡性能參數，得到如表2所示的初始決策矩陣。在相同的仿真環境下，對4類配電通信業務同時執行本文算法和文獻[13，14]中所提層次分析法和TOPSIS相結合的傳統算法，將兩種算法連續執行20次并取其平均值就網絡排序異常率、單一業務情景、綜合業務情景和網絡總平均阻塞率下的情況進行仿真模擬對比。

表2 候選網絡的決策屬性值

結合4類配電業務的需求，對網絡帶寬(AB)、網絡時延(D)、網絡抖動(J)、網絡丟包率(L)和單位字節費用(CB)這5項指標之間進行成對比較，構造如表3所示的成對比較判斷矩陣，利用層次分析法求得如圖4所示的4類配電業務關于決策指標的權重分布關系。

3.1 逆序問題性能比較

圖5是在4類配電業務下，采用本文算法和傳統TOPSIS法時平均排序異常概率分布。

表3 4類配電業務需求間的成對比較判斷矩陣

圖4 4類配電業務需求偏好值

圖5 4類配電業務下的平均異常排序率注：Alg1：傳統TOPSIS法，Alg2：本文算法

從圖5可知，在4種業務同時開展的情況下，本文算法的排序異常率均低于傳統TOPSIS法。本文算法在構建標準決策矩陣前已采用了同向化處理過程，且能夠將各方案與理想方案間的內部因素變化趨勢和整體相似度相結合，通過將所求歐氏距離和灰色關聯度相結合，求取更為確切的綜合相對貼近度，保證了所選網絡在距離負理想方案最遠的同時又是最接近正理想方案，同時滿足形狀和位置兩個不同性質的雙重要求。最終可確定最終候選網絡間的優劣排序，使得網絡間的逆序現象得到改善。

3.2 單一業務情景下的終端負載分布

以終端節點執行同一類型業務為例，分別執行本文算法和傳統TOPSIS算法使終端從可用候選網絡中確定出能夠滿足當前業務需求的最合適網絡并進行接入，圖6為4類業務在兩種方法下的終端負載分布結果。

圖6 單一業務場景下終端業務分布注：A：保護類業務，B：控制類業務，C：信息監測類業務，D：視頻監控類業務；Alg1:傳統TOPSIS法，Alg2:本文算法

由圖6可知，當終端執行傳統的TOPSIS網絡選擇算法時，4種業務有超過90%左右的終端會選擇WiMAX網絡進行業務接入，導致WiMAX網絡擁塞程度加重，造成網絡負載過重，進而會形成因終端業務請求不能被滿足導致接入率降低、掉線率升高；同時也會使得UMTS1，UMTS2和WLAN網絡資源不能得到充分利用。當終端采用本文所提所算法時，承載保護類、控制類、信息監測類3類業務的終端能夠較均勻的分布于候選網絡中，使網絡處于較均衡狀態。當業務為視頻監控類業務時WiMAX網絡才會出現負載過重的現象，造成網絡擁塞。綜上所述，在單一業務情境下，較傳統TOPSIS算法相比，本文所提算法的負載均衡效果較好。

3.3 綜合業務情景下的網絡選擇概率

在4種業務隨機產生的情況下，終端結合網絡性能和業務需求執行本文所提智能配電異構無線網絡接入選擇算法，選出合適的網絡進行接入，4種網絡接入選擇概率如圖7所示。假定初始時刻4種候選網絡皆處于空載狀態，終端不論執行哪種類型業務，在滿足業務需求的前提下，終端均會優先選擇性價比較高的網絡。隨著請求入網的終端業務數不斷增加，網絡的負載量、部分性能也隨之改變，為保證終端業務能夠正常運行，且能夠較均勻地分布于各網絡中，終端則會有針對性地選擇網絡，最終呈現出4種網絡被選概率趨于一致的現象。

圖7 綜合業務下網絡接入選擇率

3.4 網絡的總平均阻塞率比較

圖8為本文所提算法、多接入選擇算法(MLB)和傳統TOPSIS算法關于網絡總平均阻塞率的仿真對比結果。隨著終端業務數的增加，3種算法在網絡總平均阻塞率方面的差異性逐漸顯現出來，采用本文算法的網絡總平均阻塞率一直低于MLB法和傳統TOPSIS法的網絡總平均阻塞率。MLB法和傳統TOPSIS法在實現業務接入選擇的過程中僅考慮了不同類型配電業務的個性化需求和網絡性能，使最終的決策結果比較片面；本文所提算法除考慮以上因素外，重點考慮了業務的重要性程度，因為業務接入時重要程度高的保護類和控制類業務優先接入網絡，且重要程度高的業務占用的網絡資源較少。因此，采用本算法能夠實現對候選網絡的綜合評價，使得網絡中的負載分布更為均勻，從而降低了整個網絡的阻塞率。

圖8 網絡總平均阻塞率對比

4 結束語

針對智能配電異構無線網絡接入選擇問題，提出了一種基于相對貼近度的智能配電異構無線網絡接入選擇算法。通過構建灰色理想逼近模型求解相對貼近度，以此為依據對候選網絡進行優劣排序選出最適合業務傳輸的網絡。與已有的網絡選擇算法相比，該方法能反映出候選網絡內部各因素變化趨勢與理想方案之間的區別，實現對各候選網絡進行整體評判，是一種更有效的網絡選擇方法。仿真結果表明，該算法降低了網絡平均排序異常率，在滿足各類配電業務服務質量需求的同時，將終端較均勻的分布于各網絡中，有效減緩擁塞的形成，改善了因負載分布不均造成的網絡資源浪費的現象，提高了配電業務的傳輸可靠性。

下一步，本文將針對該接入選擇算法的負載均衡，調度優化進行進一步的研究。