基于混合决策值的异构无线网络选择算法

周 健

（1.苏州高博软件技术职业学院，江苏苏州215163;2.苏州大学智能结构与系统研究所，江苏苏州215006）

0 引言

各种无线异构网络共存是未来移动通信网络的主要特征之一，因此如何让移动用户接入最优的网络，成为异构网络融合领域的研究热点之一[1]。文献[2-5]通过层次分析法（Analytic Hierarchy Process，AHP）选择最优网络，但决策矩阵数据均为归一化的实数。当一些指标值不易精确测量或者没有必要精确测量时，文献[2-5]的方法不再适用。文献[6-9]将决策数据模糊化后作为模糊逻辑系统的输入，由模糊逻辑系统的输出值来确定最优网络的选择。虽解决了决策数据均为归一化实数的问题，但模糊逻辑系统只适用于输入指标个数较少的场合。

综合上述，以上文献提出的方案在指标值处理上都存在一定的局限性，因此提出了一种基于混合型决策矩阵的垂直切换算法。此算法将指标分为定量指标和定性指标，用实数表示定量指标值;用区间数、三角模糊数和语言值等表示定性指标值。即使指标值的个数较多时，也只是增加混合型决策矩阵的行列，并不存在模糊规则难以界定的问题。

1 垂直切换判决算法

首先定义垂直切换算法评价指标体系，将网络评价指标分为一级指标和二级指标，并根据评价指标体系建立混合型决策矩阵。同时，通过AHP方法计算指标的权重，利用基于混合指标值的TOPSIS算法选择接入最优网络。

1.1 垂直切换算法评价指标体系的建立

在异构网络环境中，通过比较一组参数为终端的特定业务选择最适合的网络。这些参数被分为3类:网络端指标、用户端指标和服务质量指标。网络端指标包括接收信号强度指示（Received Signal Strength Indicator，RSSI）和安全性;用户端指标包括价格和耗电量;服务质量指标包括带宽、时延、抖动和误比特率。

1.2 混合型决策矩阵的建立

指标有定性指标和定量指标之分，在垂直切换算法中，备选网络在各指标下的决策值不仅以实数来表示，还以区间数、三角模糊数和语言值等形式来表示。各备选网络的指标值组成的决策矩阵为表示第i个备选网络的第j个指标值。由于aij的类型多样化，则称A为混合型决策矩阵。

1.3 评价指标权重的确定

对于权重的计算，最常用的是AHP方法[10]。根据建立的垂直切换算法评价指标体系，对于一级指标和二级指标分别建立判断矩阵，共分4组元素:①网络端指标、服务质量指标和用户端指标;②RSSI和安全性;③带宽、时延、抖动和误比特率;④价格和耗电量。通过判断矩阵求出各组的指标权重，各指标的绝对权重wj等于其对应的一级指标权重与二级指标权重之积。

1.4 基于混合决策值TOPSIS算法的网络选择

利用TOPSIS算法进行最优网络选择的步骤如下:

①指标值的规范化处理:将语言变量型数据转换成区间数据[11]，如表1所示。

表1 五级语言评价集转化为区间数

②确定理想解v+与负理想解v-，若bij为实数，则有:

若bij为区间数，则有:

③各备选方案与理想方案和负理想方案的广义加权距离:

式中，ni为备选网络;wi为指标权重;bij为备选网络ni相对于指标j的决策值。式（3）中，对于实数:

对于区间数:

④计算各方案的相对贴近度:

2 仿真及结果

2.1 仿真环境

网络仿真拓扑结构如图1所示。实验仿真环境有4个网络（LTE、WiMax、WiFiA和WiFiB）重叠覆盖，其中LTE覆盖整个区域，包括WiMax、WiFiA和WiFiB覆盖区域。

根据垂直切换算法评价指标体系，设置LTE、WiMax、WiFiA和WiFiB网络的系统参数如表2所示，RSSI指标值根据移动台在仿真环境中的位置计算。

图1 仿真网络拓扑图

表2 备选网络参数

2.2 仿真场景1

为了评估本文算法的性能，将其与以下3种算法比较:基于网络端指标算法（Network-based Decision，ND）、基于服务质量指标算法（Quality-based Decision，QD）和基于用户端指标算法（User-basedDecision，UD）。表3分析了一移动台在图1的仿真环境中，以10m/s的速度从A点向D点移动过程中在4种算法下的网络选择情况。

表3 网络选择过程分析

①停留点1:移动用户仅处在LTE的覆盖区域内，因此所有算法都选择LTE作为接入点。

②停留点2:本文算法、QD和UD选择WiMax，而ND选择LTE。即使LTE的安全性和RSSI比WiMax的要高，但是WiMax的服务质量和价格都胜于LTE，因此本文算法选择WiMax为最佳接入点。

③停留点3:本文算法和UD选择WiFiA，而QD和ND选择WiMax。虽然WiFiA的RSSI、安全性与服务质量均不如WiMax，但其价格较低，因此本文算法选择WiFiA为最佳接入点。

④停留点4:本文算法和QD选择WiFiB，而RD和UD选择WiFiA。WiFiA的RSSI和耗电量优于WiFiB，且价格相等，但服务质量劣于WiFiB，因此本文算法选择WiFiB为最佳接入点。

可见本文算法能够综合备选网络的各项指标，选择最优的网络接入。

2.3 仿真场景2

在仿真环境图1中，随机产生若干移动台，移动台根据自身的数据业务选择最优的网络。假设所有的移动台同时进行通信，且都能够接入网络。

当所产生的移动台的数据业务均为实时数据时，移动台选择网络时采用的判决算法分别为本文算法、ND和UD的情况下，所有移动台收发数据延迟时间的归一化比如图2所示。在时延性能上，本文算法比ND和UD分别提高了28.5%和7.7%。

当所产生的移动台的数据业务均为非实时数据时，移动台在3种算法下的网络吞吐量的归一化比如图3所示。在网络吞吐量上，本文算法比ND和UD分别提高了6.9%和42.9%。

综上所述，本文算法能为不同的数据业务提供合适的网络和高质量的服务。

图2 3种判决算法下平均延时比较

图3 3种判决算法下归一化吞吐量比较

3 结束语

提出了一种基于混合指标值的垂直切换算法，在决策制类型多样化的情况下，指标数量的增加仅仅增大算法的计算量，并不会提高算法的复杂度。同时将网络端指标、用户端指标和服务质量指标归为一级指标，在一级指标中再划分二级指标，使得一级指标与二级指标的权重计算更加清晰。在算法性能方面，能够综合备选网络的各项综合指标选择最优的网络接入。对于有特殊要求的移动台，同样能够满足其需求，为其接入理想的网络。综上所述，算法能够针对业务的特点与需求，为用户提供良好的性能。

[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.