基于群决策的多业务无线接入选择方法

凌毓涛　刘俐利　吴建斌

【摘 要】在异构无线环境中，为了给运行了多个业务（群呼叫）的移动终端选择一个合适的无线接入网络，提出了一种基于群决策的接入选择方法。该方法引入效用函数对网络QoS及功耗进行评价；根据业务特点分配各属性的模糊权重，并采用业务优先权来反映各业务在群决策中的相对重要性；基于模糊理论，设计合理的模糊TOPSIS数据聚合模型，并在效用评价基础上实现了群决策。仿真结果表明，该方法能有效地实现多业务的无线接入选择，并且业务优先权在很大程度上影响了群决策结果。

【关键词】群决策 多业务 接入选择 效用函数 逼近理想解排序法

中图分类号：TN929.5 文献标识码：A 文章编号：1006-1010（2014）-03-

1 引言

多种无线接入技术共存并相互融合是无线通信网络发展的趋势，为了让拥有多种无线接口的移动终端能够在异构的无线环境中实现无缝漫游，为其业务选择最合适的网络接入成为当前的研究热点，并且已经取得了一些有价值的成果[1]。由于在接入选择时通常需要考虑多种因素，因而不少文献提出了基于多属性决策的接入选择方法，如简单加权法（SAW）、乘法指数加权法（MEW）、灰度相关分析法（GRA）、层次分析法（AHP）以及逼近理想解排序法（TOPSIS）等[2]。在此基础上，文献[3]将并行模糊逻辑控制与多属性决策相结合，实现了终端侧与网络侧协同控制的接入选择。为了提高用户的满意度，文献[4]提出了基于多目标决策的异构无线网络接入选择算法，而文献[5]提出的基于负载均衡的多接入选择算法能够在保证业务QoS的基础上，均衡不同网络间的负载。此外，基于马尔可夫模型[6]、基于模糊神经网络[7]、基于博弈论[8]等多种接入选择方法也都相继提出。

但是，现有文献所提出的接入选择方法基本上都只是针对单个业务（呼叫），而在实际中，多模终端常会同时运行多个不同类型的网络业务，例如话音和网页浏览等，因此有必要针对多业务（群呼叫）的无线接入选择问题展开研究。

各类业务对QoS（Quality of Service，服务质量）的需求不同，而各种无线网络的性能也有所差异。当需要为多业务选择网络时，若将它们分别接入到各自最合适的无线网络，则相关网络操作之间的协同会比较复杂，同时还会产生过多的信令开销。而且在这种情况下，多模终端中相应的网络接口均需处于工作状态，势必会造成终端耗电量的增加。此外，某些低性能的多模终端仅支持将多业务同时接入到某一网络中。鉴于此，有必要为移动终端中的多业务共同选择一个合适的无线接入网络，这实际上可归结为一个多属性群决策问题。

针对上述问题，本文引入效用评价，分配属性的模糊权重并采用业务优先权，设计合理的模糊TOPSIS数据聚合模型，在效用评价的基础上，实现多业务无线接入选择的群决策。

2 问题描述及理论基础

经典的多属性决策问题可以描述为：给定一组候选方案X={x1，x2，…，xM}，对于其中的每个方案xm（1≤m≤M），需要从若干个属性C={c1，c2，…，cN}来对其进行综合评价。决策的目的就是要从这组候选方案中找到一个使决策者最满意的方案。不同于这种个体决策，多属性群决策中的决策者是由多个成员组成的群体，其决策过程需要综合该群体中各成员对某一决策问题的意见，大致可分为以下四个阶段：

（1）确定决策者集、方案集和属性集等；

（2）获取决策者对各方案的属性评价信息；

（3）确定属性权重和决策者权重；

（4）确定数据聚合的模型和方法并选出最优方案。

由于群决策中各决策者需要分别对每个方案的各属性赋予评价值，因此会得到多个个体决策矩阵。对于多业务无线接入选择问题，每个业务即为一个决策者，可以设S={s1，s2，…，sL}为决策者集（业务集），X={x1，x2，…，xM}为方案集（接入网络集），C={c1，c2，…，cN}为决策者统一采用的属性集，则决策者sl（1≤l≤L）对方案xm（1≤m≤M）按属性cn（1≤n≤N）进行测度，得到属性值，从而得到sl的决策矩阵为：

（1）

显然，L个业务可得到L个决策矩阵。

需要指出的是，不同决策者对各属性重要性的认识不同，因此会得到多组属性权重向量。此外，各决策者在群决策过程中的影响力也不相同，应分别赋予相应的决策者权重。可设sl（1≤l≤L）给出的属性权重向量为wl={wl1，wl2，…，wlN}，且设决策者权重（业务优先权）向量为ω={ω1，ω2，…，ωL}，以反映各业务在群决策中的相对重要性。

不同无线网络（如WLAN、UMTS和WiMAX等）在QoS、功耗、安全级别和资费等方面存在差异。在进行接入选择时不失一般性，本文选取带宽（BW）和时延（D）这两个重要的QoS参数以及功耗（P）作为评价指标。此外，设定移动终端中同时运行了话音、视频会议和网页浏览这三种典型业务。

3 效用函数

在经济学中，“效用”用于表征消费者对产品的主观满意程度。本文引入该概念，使用QoS及功耗的效用来反映业务对网络相关性能指标的“满意”程度，其效用值可以通过相应的效用函数来确定，取值范围为[0，1]。

3.1 QoS的效用函数

由于即使对于同一QoS参数，各类业务所获得的效用也有可能不同，因此为不同业务选取合适的QoS效用函数显得尤为重要。

值得注意的是，各类业务对QoS的敏感度并不相同。以带宽参数为例，固定比特率的视频业务对所分配带宽的变化非常敏感，而网页浏览业务则不太敏感。理论上，前者带宽的效用函数可表示为一个阶跃函数，将分配的带宽（BW）与带宽阈值（TH）进行比较来判断是否满足业务的带宽需求。然而实际的无线环境所固有的不稳定性会导致QoS参数值动态变化，若BW高于TH，就认为业务对带宽完全满意；若BW稍低于TH就认为完全不满意，显然不合理。而对于后者，由于在带宽上没有阈值，因此理论上可将其带宽的效用函数设计为一个凹函数。但是当带宽很低时，需要等待很长时间来刷新页面，若仍认为是满意的，显然也不合理。实际上，上述两类业务的带宽需求并不是只有一个固定阈值或者没有阈值，而是通常具有上、下限。endprint

考虑到应用于某些工程领域的Sigmoid函数是一个连续、光滑、严格单调的阈值函数，其典型的函数表达式为：

（2）

如图1所示，该函数具有如下特点：

（1）它是一个取值范围为[0，1]的单调递增函数；

（2）参数a可以用来调节函数曲线的陡峭度：a值越小，函数曲线越平缓，随着a值的增大，函数曲线会变得更加陡峭，而当a值很大时，该函数趋近于阶跃函数；

（3）当x=b时，有f（b）=0.5。

图1 Sigmoid函数

因此，根据Sigmoid函数的上述特点可将其作为QoS的效用函数U（x），并通过调节参数a的大小来反映不同类型业务对QoS的敏感度。例如，当业务对某个QoS指标变化比较敏感时，可将参数a取较大值，这样该指标稍有变化，其效用值就会有明显改变。而参数b所对应的效用值为0.5，即U（b）=0.5。

对于带宽而言，其效用值应随带宽的增加而单调递增，并且其效用函数U（BW）应满足：

（3）

其中，BWmin表示带宽需求的下限，即网络服务达到可用时所需分配的最小带宽；BWmax表示带宽需求的上限，即效用值达到最大值1时所需分配的带宽。

类似地，可定义时延的效用函数，但考虑到其效用值应随时延的增加而单调递减，因此时延的效用函数为1-U（D）。

3.2 功耗的效用函数

如图2所示，为便于分析，将功耗的效用函数定义为U（P）=kP+1。其中，k为常数，其值取决于最大功耗Pmax。

图2 功耗的效用函数

从图2可以看出，当功耗为0时，对应的效用值为1。随着功耗的增加，效用值会线性减小，当功耗达到或超过Pmax时，其效用值为0。

4 属性权重及业务优先权

4.1 属性权重

不同业务对网络性能指标各有侧重，因而各业务为各属性分配的权重也不相同。在难以获得权重的确切数值时，可用模糊语言来表示。

若采用5级模糊语言{很低，低，中等，高，很高}，则可根据业务的特点，例如话音业务对带宽要求很低、对时延要求很高、对功耗要求低，分别为各属性分配如表1所示的模糊权重。为便于之后的定量分析，利用文献[9]的方法可首先将这些模糊语言变量转换成对应的三角模糊数，然后进一步转换为清晰数{0.1167，0.3，0.5，0.7，0.833}。

表1 业务分配给属性的模糊权重

业务 带宽 时延 功耗

话音（业务1） 很低 很高 低

视频会议（业务2） 很高 高 高

网页浏览（业务3） 低 低 中等

4.2 业务优先权

业务优先权反映的是业务在群决策中的相对重要性，本文设定了三个优先权级别{高，中，低}，相应的优先权值如表2所示：

表2 业务优先权

业务优先权级 业务优先权值

高 3

中 2

低 1

若对优先权向量ω={ω1，ω2，…，ωL}进行归一化处理，则归一化后的优先权向量为：

（4）

其中，

（5）

5 多业务接入选择的群决策

5.1 数据聚合模型

传统的TOPSIS法已成功地应用在不同的选择问题上[10]，它是以欧式距离为基础来评价候选方案贴近理想解的程度，即定义理想解的相对贴近度（聚合函数）为：

（6）

其中，和分别为候选方案m到理想解和负理想解的欧式距离。评价最优的方案应该距离理想解最近，同时距离负理想解最远。

但是，由式（6）不难推断这种相对贴近度容易造成不一致性。为此，本文基于模糊理论的思想，定义两个模糊集：A={距离理想解最近的候选方案}，B={距离负理想解最远的候选方案}，并且定义模糊集A和B的隶属函数分别为：

（7）

（8）

由式（7）和（8）可知：

（1）当则，当则；

（2）当则，当则。

依据TOPSIS法的基本原理，可将聚合函数定义为A与B交集的隶属函数，常见的定义式为：

（9）

但是使用该聚合函数会出现无法排序的情形，例如候选方案m和n，若；，则这两个方案在模糊交集的隶属度上是相等的。为此，本文采用的聚合函数为[11]：

（10）

其中，参数p度量的是：在多大程度上同时满足“距离理想解最近”及“距离负理想解最远”这两个目标。当p减小时，这种“同时满足”的程度会增加。

5.2 群决策过程

步骤1：构造各业务基于效用的决策矩阵；

（11）

其中，是业务l对候选网络m按属性n进行测度后所得效用值。需要说明的是，效用无单位并且已经归一化到[0，1]区间。

步骤2：构造综合加权决策矩阵；

（12）

其中，为业务l的归一化优先权，为业务l分配给属性n的权重。

步骤3：确定理想解与负理想解；

（13）

其中，设定理想解A+和负理想解A-分别是各属性效用值均为1和0的加权向量，以消除排序异常。

步骤4：计算候选网络m到理想解及负理想解距离；

（14）

步骤5：利用式（7）、（8）、（10）计算隶属度；

步骤6：选择隶属度最大的网络为群呼叫的接入网络。

6 仿真分析

为验证本文方法的有效性，将采用MATLAB2012软件，通过计算机仿真来观察接入选择的群决策结果，并与随机接入选择方法[12]进行比较。仿真中，存在三种异构的无线网络N1、N2和N3，其网络性能参数值如表3所示，并且对带宽和时延参数进行随机扰动以反映其时变性。endprint

表3 接入网络的性能参数值

接入网络 带宽/Mbps 时延/ms 功耗/W

N1 11 150 4.5

N2 1 50 1.2

N3 2 100 3.5

各业务的QoS需求及效用函数参数分别如表4和表5所示。功耗效用函数中的参数Pmax=5（W）；聚合函数中的参数p=2。

表4 QoS需求

业务类型 带宽/kbps 时延/ms

BWmin BWmax Dmin Dmax

话音 32 64 75 150

视频会议 512 5 000 90 180

网页浏览 128 1 200 250 500

表5 QoS效用函数参数

业务类型 带宽/kbps 时延/ms

a b a b

话音 0.25 48 0.1 112.5

视频会议 0.003 2 000 0.08 135

网页浏览 0.01 664 0.03 375

由于网络参数是时变的，因此仿真中每隔一定周期（T=10s）进行一次接入选择群决策，仿真总时长为5 000s。

采用随机接入选择方法与本文方法（业务优先权相等时）的仿真结果如图3所示。可以看出，对于随机接入选择方法，各网络被选择的总次数几乎相等；而在本文方法中，N3被群呼叫选择的总次数最多，其原因是本文方法综合考虑了这三个业务的需求及网络性能，而N3在带宽、时延和功耗等方面的性能居中，因此被选择的机率最大。

图3 接入选择结果比较

采用本文方法，在不同业务优先权下各网络的接入选择结果如图4所示。图4（a）中，ω1=3，ω2=1，ω3=1，群呼叫大多接入到N2，而很少接入到N1，其原因是业务优先权最高的话音业务对时延要求很高，但对带宽需求很低，而N2的时延最小、N1的时延最大；图4（b）中，ω1=1，ω2=3，ω3=1，接入到N1的群呼叫总次数显著增加，而接入到N2的群呼叫总次数大量减少，其原因是业务优先权最高的视频会议对带宽需求很大，虽然N1在时延和功耗上的性能不如其它两个网络，但其在带宽上具有很大的优势；图4（c）中，ω1=1，ω2=1，ω3=3，网页浏览业务优先权最高，接入到N1和N3的群呼叫总次数大体相当，而接入到N2的群呼叫相对较少，其原因是N1的带宽优势明显，N3的性能居中，而N2由于功耗低，也在一定程度上弥补了其带宽小的劣势。由此可见，本文方法能够有效地为群呼叫选择合适的接入网络，并且业务优先权在很大程度上影响了群决策结果。

图4 不同业务优先权下接入选择结果

7 结语

为了给异构无线环境中运行了多个业务的多模终端选择一个合适的接入网络，本文提出了一种多业务无线接入选择的群决策方法。该方法采用Sigmoid函数作为效用函数来反映业务对网络相关性能指标的“满意”程度，将模糊属性权重和业务优先权应用于综合加权决策矩阵中，并依据TOPSIS原理，设计了合理的基于模糊理论的数据聚合模型，在效用评价的基础上有效地实现了群决策。下一阶段，将围绕效用评价这一环节做进一步改进。

参考文献：

[1] Charilas D E， Panagopoulous A D. Multiaccess Radio Network Enviroments[J]. Vehicular Technology Magazine， 2010，5（4）： 40-49.

[2] Aggeliki Sgora， Christos A Gizelis， Dimitrios D Vergados. Network Selection in a WiMAX-WiFi Environment[J]. Pervasive and Mobile Computing， 2011，7（5）： 584-594.

[3] M M Alkhawlani， A A Hussein. Intelligent Radio Network Selection for Next Generation Networks[A]. The 7th International Conference on Informatics and Systems（INFOS）[C]. Cairo： IEEE， 2010.

[4] 石文孝，赵嵩，范绍帅，等. 基于多目标决策的异构无线网络接入选择算法[J]. 吉林大学学报（工学版）， 2011，41（3）： 795-799.

[5] 孙卓，郑旭飞，王文博. 负载均衡的多接入选择算法[J]. 电子科技大学学报， 2010，39（4）： 532-536.

[6] Gelabert X， Perez-Romero J， Sallent O， et al. A Markovian Approach to Radio Access Technology Selection in Heterogeneous Multiaccess/Multiservice Wireless Networks[J]. IEEE Transactions on Mobile Computing， 2008，7（10）： 1257-1270.

[7] Giupponi L， Agusti R， Perez-Romero J， et al. Fuzzy Neural Control for Economic-Driven Radio Resource Management in Beyond 3G Networks[J]. IEEE Transactions on Systems， Man and Cybernetics， 2009，39（2）： 170-189.

[8] 陈前斌，周伟光，柴蓉，等. 基于博弈论的异构融合网络接入选择方法研究[J]. 计算机学报， 2010，33（9）： 1643-1652.

[9] S H Chen， C H Hsieh. Graded Mean Integration Representation of Generalized Fuzzy Number[C]. USA： IEEE， 1998.

[10] Jia-wen Wang， Ching-hsue Cheng， Kun-cheng Huang. Fuzzy Hierarchical TOPSIS for Supplier Selection[J]. Applied Soft Computing， 2009，9（1）： 377-386.

[11] Yager R R. On a general class of fuzzy connectives[J]. Fuzzy Sets and Systems， 1980， 4（3）： 235-242.

[12] ElBadawy H M. Optimal RAT Selection Algorithm Through Common Radio Resource Management in Heterogeneous Wireless Networks[A]. Radio Science Conference（NRSC）[C]. Cairo： IEEE， 2011.★endprint

表3 接入网络的性能参数值

接入网络 带宽/Mbps 时延/ms 功耗/W

N1 11 150 4.5

N2 1 50 1.2

N3 2 100 3.5

各业务的QoS需求及效用函数参数分别如表4和表5所示。功耗效用函数中的参数Pmax=5（W）；聚合函数中的参数p=2。

表4 QoS需求

业务类型 带宽/kbps 时延/ms

BWmin BWmax Dmin Dmax

话音 32 64 75 150

视频会议 512 5 000 90 180

网页浏览 128 1 200 250 500

表5 QoS效用函数参数

业务类型 带宽/kbps 时延/ms

a b a b

话音 0.25 48 0.1 112.5

视频会议 0.003 2 000 0.08 135

网页浏览 0.01 664 0.03 375

由于网络参数是时变的，因此仿真中每隔一定周期（T=10s）进行一次接入选择群决策，仿真总时长为5 000s。

采用随机接入选择方法与本文方法（业务优先权相等时）的仿真结果如图3所示。可以看出，对于随机接入选择方法，各网络被选择的总次数几乎相等；而在本文方法中，N3被群呼叫选择的总次数最多，其原因是本文方法综合考虑了这三个业务的需求及网络性能，而N3在带宽、时延和功耗等方面的性能居中，因此被选择的机率最大。

图3 接入选择结果比较

采用本文方法，在不同业务优先权下各网络的接入选择结果如图4所示。图4（a）中，ω1=3，ω2=1，ω3=1，群呼叫大多接入到N2，而很少接入到N1，其原因是业务优先权最高的话音业务对时延要求很高，但对带宽需求很低，而N2的时延最小、N1的时延最大；图4（b）中，ω1=1，ω2=3，ω3=1，接入到N1的群呼叫总次数显著增加，而接入到N2的群呼叫总次数大量减少，其原因是业务优先权最高的视频会议对带宽需求很大，虽然N1在时延和功耗上的性能不如其它两个网络，但其在带宽上具有很大的优势；图4（c）中，ω1=1，ω2=1，ω3=3，网页浏览业务优先权最高，接入到N1和N3的群呼叫总次数大体相当，而接入到N2的群呼叫相对较少，其原因是N1的带宽优势明显，N3的性能居中，而N2由于功耗低，也在一定程度上弥补了其带宽小的劣势。由此可见，本文方法能够有效地为群呼叫选择合适的接入网络，并且业务优先权在很大程度上影响了群决策结果。

图4 不同业务优先权下接入选择结果

7 结语

为了给异构无线环境中运行了多个业务的多模终端选择一个合适的接入网络，本文提出了一种多业务无线接入选择的群决策方法。该方法采用Sigmoid函数作为效用函数来反映业务对网络相关性能指标的“满意”程度，将模糊属性权重和业务优先权应用于综合加权决策矩阵中，并依据TOPSIS原理，设计了合理的基于模糊理论的数据聚合模型，在效用评价的基础上有效地实现了群决策。下一阶段，将围绕效用评价这一环节做进一步改进。

参考文献：

[1] Charilas D E， Panagopoulous A D. Multiaccess Radio Network Enviroments[J]. Vehicular Technology Magazine， 2010，5（4）： 40-49.

[2] Aggeliki Sgora， Christos A Gizelis， Dimitrios D Vergados. Network Selection in a WiMAX-WiFi Environment[J]. Pervasive and Mobile Computing， 2011，7（5）： 584-594.

[3] M M Alkhawlani， A A Hussein. Intelligent Radio Network Selection for Next Generation Networks[A]. The 7th International Conference on Informatics and Systems（INFOS）[C]. Cairo： IEEE， 2010.

[4] 石文孝，赵嵩，范绍帅，等. 基于多目标决策的异构无线网络接入选择算法[J]. 吉林大学学报（工学版）， 2011，41（3）： 795-799.

[5] 孙卓，郑旭飞，王文博. 负载均衡的多接入选择算法[J]. 电子科技大学学报， 2010，39（4）： 532-536.

[6] Gelabert X， Perez-Romero J， Sallent O， et al. A Markovian Approach to Radio Access Technology Selection in Heterogeneous Multiaccess/Multiservice Wireless Networks[J]. IEEE Transactions on Mobile Computing， 2008，7（10）： 1257-1270.

[7] Giupponi L， Agusti R， Perez-Romero J， et al. Fuzzy Neural Control for Economic-Driven Radio Resource Management in Beyond 3G Networks[J]. IEEE Transactions on Systems， Man and Cybernetics， 2009，39（2）： 170-189.

[8] 陈前斌，周伟光，柴蓉，等. 基于博弈论的异构融合网络接入选择方法研究[J]. 计算机学报， 2010，33（9）： 1643-1652.

[9] S H Chen， C H Hsieh. Graded Mean Integration Representation of Generalized Fuzzy Number[C]. USA： IEEE， 1998.

[10] Jia-wen Wang， Ching-hsue Cheng， Kun-cheng Huang. Fuzzy Hierarchical TOPSIS for Supplier Selection[J]. Applied Soft Computing， 2009，9（1）： 377-386.

[11] Yager R R. On a general class of fuzzy connectives[J]. Fuzzy Sets and Systems， 1980， 4（3）： 235-242.

[12] ElBadawy H M. Optimal RAT Selection Algorithm Through Common Radio Resource Management in Heterogeneous Wireless Networks[A]. Radio Science Conference（NRSC）[C]. Cairo： IEEE， 2011.★endprint

表3 接入网络的性能参数值

接入网络 带宽/Mbps 时延/ms 功耗/W

N1 11 150 4.5

N2 1 50 1.2

N3 2 100 3.5

各业务的QoS需求及效用函数参数分别如表4和表5所示。功耗效用函数中的参数Pmax=5（W）；聚合函数中的参数p=2。

表4 QoS需求

业务类型 带宽/kbps 时延/ms

BWmin BWmax Dmin Dmax

话音 32 64 75 150

视频会议 512 5 000 90 180

网页浏览 128 1 200 250 500

表5 QoS效用函数参数

业务类型 带宽/kbps 时延/ms

a b a b

话音 0.25 48 0.1 112.5

视频会议 0.003 2 000 0.08 135

网页浏览 0.01 664 0.03 375

由于网络参数是时变的，因此仿真中每隔一定周期（T=10s）进行一次接入选择群决策，仿真总时长为5 000s。

采用随机接入选择方法与本文方法（业务优先权相等时）的仿真结果如图3所示。可以看出，对于随机接入选择方法，各网络被选择的总次数几乎相等；而在本文方法中，N3被群呼叫选择的总次数最多，其原因是本文方法综合考虑了这三个业务的需求及网络性能，而N3在带宽、时延和功耗等方面的性能居中，因此被选择的机率最大。

图3 接入选择结果比较

采用本文方法，在不同业务优先权下各网络的接入选择结果如图4所示。图4（a）中，ω1=3，ω2=1，ω3=1，群呼叫大多接入到N2，而很少接入到N1，其原因是业务优先权最高的话音业务对时延要求很高，但对带宽需求很低，而N2的时延最小、N1的时延最大；图4（b）中，ω1=1，ω2=3，ω3=1，接入到N1的群呼叫总次数显著增加，而接入到N2的群呼叫总次数大量减少，其原因是业务优先权最高的视频会议对带宽需求很大，虽然N1在时延和功耗上的性能不如其它两个网络，但其在带宽上具有很大的优势；图4（c）中，ω1=1，ω2=1，ω3=3，网页浏览业务优先权最高，接入到N1和N3的群呼叫总次数大体相当，而接入到N2的群呼叫相对较少，其原因是N1的带宽优势明显，N3的性能居中，而N2由于功耗低，也在一定程度上弥补了其带宽小的劣势。由此可见，本文方法能够有效地为群呼叫选择合适的接入网络，并且业务优先权在很大程度上影响了群决策结果。

图4 不同业务优先权下接入选择结果

7 结语

为了给异构无线环境中运行了多个业务的多模终端选择一个合适的接入网络，本文提出了一种多业务无线接入选择的群决策方法。该方法采用Sigmoid函数作为效用函数来反映业务对网络相关性能指标的“满意”程度，将模糊属性权重和业务优先权应用于综合加权决策矩阵中，并依据TOPSIS原理，设计了合理的基于模糊理论的数据聚合模型，在效用评价的基础上有效地实现了群决策。下一阶段，将围绕效用评价这一环节做进一步改进。

参考文献：

[1] Charilas D E， Panagopoulous A D. Multiaccess Radio Network Enviroments[J]. Vehicular Technology Magazine， 2010，5（4）： 40-49.

[2] Aggeliki Sgora， Christos A Gizelis， Dimitrios D Vergados. Network Selection in a WiMAX-WiFi Environment[J]. Pervasive and Mobile Computing， 2011，7（5）： 584-594.

[3] M M Alkhawlani， A A Hussein. Intelligent Radio Network Selection for Next Generation Networks[A]. The 7th International Conference on Informatics and Systems（INFOS）[C]. Cairo： IEEE， 2010.

[4] 石文孝，赵嵩，范绍帅，等. 基于多目标决策的异构无线网络接入选择算法[J]. 吉林大学学报（工学版）， 2011，41（3）： 795-799.

[5] 孙卓，郑旭飞，王文博. 负载均衡的多接入选择算法[J]. 电子科技大学学报， 2010，39（4）： 532-536.

[6] Gelabert X， Perez-Romero J， Sallent O， et al. A Markovian Approach to Radio Access Technology Selection in Heterogeneous Multiaccess/Multiservice Wireless Networks[J]. IEEE Transactions on Mobile Computing， 2008，7（10）： 1257-1270.

[7] Giupponi L， Agusti R， Perez-Romero J， et al. Fuzzy Neural Control for Economic-Driven Radio Resource Management in Beyond 3G Networks[J]. IEEE Transactions on Systems， Man and Cybernetics， 2009，39（2）： 170-189.

[8] 陈前斌，周伟光，柴蓉，等. 基于博弈论的异构融合网络接入选择方法研究[J]. 计算机学报， 2010，33（9）： 1643-1652.

[9] S H Chen， C H Hsieh. Graded Mean Integration Representation of Generalized Fuzzy Number[C]. USA： IEEE， 1998.

[10] Jia-wen Wang， Ching-hsue Cheng， Kun-cheng Huang. Fuzzy Hierarchical TOPSIS for Supplier Selection[J]. Applied Soft Computing， 2009，9（1）： 377-386.

[11] Yager R R. On a general class of fuzzy connectives[J]. Fuzzy Sets and Systems， 1980， 4（3）： 235-242.

[12] ElBadawy H M. Optimal RAT Selection Algorithm Through Common Radio Resource Management in Heterogeneous Wireless Networks[A]. Radio Science Conference（NRSC）[C]. Cairo： IEEE， 2011.★endprint