基于MADM 与模糊综合评价的异构无线网络选择算法*

张继荣 徐 锋

（西安邮电大学通信与信息工程学院 西安 710100）

1 引言

如今，网络融合已经成为下一代无线通信网络的一大趋势，作为无线通信关键技术之一，异构无线网络选择算法对于下一代无线网络的研究意义重大且影响深远［1～4］。怎样准确地为承载着不同类型业务、具有不同优先策略的用户选择理想的网络并且能够相对较好的均衡无线网络负载这一持续被关注的问题有待更进一步的解决和优化。文献［5］提出了一种基于RSS（接收信号强度）的算法解决网络选择问题，尽管该算法复杂度低，但由于它基于单一属性决策，极易引起网络负载崩溃而且网络选择准确性低。文献［6］提出一种基于博弈论的网络接入选择算法，虽然在多个用户同时选择接入网的环境下有较高的公平性和准确性，但其算法复杂度很高，在一个博弈周期里只能得出一个用户的选网结果，因此选择效率太低。文献［7］提出一种基于效用函数的选网策略，考虑了多个网络指标和业务特性，决策速度较快且算法复杂度不高，但由于目标函数在整个接入过程中都无法调整，算法灵活性较低。文献［8］提出了一种模糊逻辑接入算法选择网络，只能在参数较少时较快选网，参数增多后就需要花费更多的计算时间和资源。文献［9］提出了一种多属性决策算法，采用理想解近似排序（TOPSIS）算法进行最终的网络接入决策，很好地避开了单一决策带来的缺陷，但很容易导致失序问题。考虑到算法复杂度和决策时间、计算资源、网络负载平衡和算法有效性、准确性等一系列问题，本文基于3GPP 划分的四种基本的通信业务类型——会话类、交互类、流媒体类、后台类，结合多个网络属性——时延、抖动、丢包率、带宽、负载和两种用户策略的优先指标——用户服务质量、价格，采用MADM（Multi attribute decision making algorithm，多属性决策算法）和模糊综合评价法进行网络决策。本文对权重融合策略进行了改进，根据熵权法和层次分析法计算出来的两类权重，在用户服务质量优先（QoSP）的情况下，用乘法合成法［10］进行融合，在价格优先（PP）的情况下，用一个常数比例因子α（α=0.4）进行线性加权组合［11］赋权，最后利用模糊综合评价法［12～13］分别进行网络决策。该算法不仅可以快速而准确地进行网络选择、较好地避免失序问题和负载不均衡的缺陷，还能保证用户对服务质量和价格的偏好。

2 MADM

2.1 基于熵权法的权重计算

熵权法［14］是一种客观赋权方法，根据各指标的变异程度，利用信息熵计算出各指标的熵权，再通过熵权对各指标的权重进行修正，从而得出较为客观的权重。综合各个备选网络的属性值后建立如表1。

表1 各个网络属性值

熵权法计算步骤如下：

1）指标值的归一化

将各个指标的数据进行归一化处理。假设给定了m个网络类型和n个网络属性：其中Xi代表备选网络集合，Yj代表网络属性集合。

假设对各属性数据归一化后的值为此时：

Yij即表示第i 个网络的第j 个属性的归一化数值。

2）计算第j 个指标下第i 个方案的指标值的比重pij

3）计算第j项指标的熵值

根据信息论中信息熵的定义，一组数据的信息熵：

如果pij=0，则定义：

4）计算各项指标的权值

根据信息熵的计算公式，计算出各个指标的信息熵为

通过信息熵计算各指标的权重：

其中1-Ej为信息熵冗杂度。

根据式（1）～（8）计算得出基于熵权法的客观权重为

2.2 基于层次分析法的权重计算

层次分析法［15］是一种定性加定量相结合的、系统化、层次化的主观分析方法。其基本步骤如下：

1）定义目标层、准则层、方案层［15］

2）构建成对比较判决矩阵。以下是由Saaty等［12］提出的属性重要性标度表格，如表2。

表2 判决矩阵相对重要性等级表

3）一致性检验

其中，CI、RI 均为一致性检验指标，CR 为一致性比率，λmax为判决矩阵的特征向量对应的最大特征值，RI为平均随机一致性指标，其取值见表3。

表3 一致性检验RI值

当CR＜0.1 时，一致性检验通过，若未通过，则需要重新构造判决矩阵。

4）计算各项指标的权重

一致性检验通过之后，用几何平均法求解各项网络指标权重：

此处的i，j分别为判决矩阵的行和列。

通过以上步骤求出QoS 优先情况下各类业务的权重。

3 基于模糊综合评价法的网络选择算法

模糊综合评价法是一种基于每个指标的最优取值建立成本型或效益型理想矩阵，进而对候选方案进行排序的方法。其基本步骤如下：

1）确定理想方案

根据表1，建立成本型理想方案为其中，μj表示所有网络中的第j个网络属性的最优取值。

2）建立相对偏差模糊矩阵R

其中，aij表示第i个网络中第j个属性的原始值。

3）计算各网络评价指标的权重

将上文中熵权法和层次分析法计算得出的权重分以下两种情况利用不同的方法分别进行融合：

（1）用户策略为价格优先时采用线性加权法

其中，W为综合权重，F=R·W jT为层次分析法所求权重，经过从0到1的取不同值遍历后，发现比例因子α取常数0.4 时，接入网的决策结果既不偏向熵权法决策也不偏向层次分析法决策，即相对其他取值来说更有效地结合了主客观权重。

（2）用户策略为QoS优先时采用乘法合成法其中，Wj为第j 个网络属性的组合权重，和分别为熵权法和层次分析法求出的第j个网络属性的权重。

4）计算候选方案总得分F，进行方案排序

其中，WjT表示综合权重的转置矩阵。由于本文采用的是成本型理想方案矩阵，故得分F 越小者排序越靠前，即网络越接近最佳选择。

4 仿真结果与分析

4.1 实验仿真

本文采用4G、WLAN、Wimax、5G 四种不同的接入技术组成的异构无线网络环境。假设网络选择过程不受用户和各网络接入点间的距离影响。图1～图4 分别为在两种优先策略下利用模糊综合评价对乘法合成法权重融合策略和线性加权组合赋权的网络决策结果图。业务类型1、2、3、4 分别表示会话类、后台类、流媒体类、交互类业务。

图1 QoSP乘法合成法权重融合网络选择结果

4.2 负载分析及算法排序准确率分析

由图2可以看出，四种业务类型下，5G和4G都会被优先选择，但采用线性加权进行权重融合时，明显可以看出WLAN和Wimax被选择的机会很少，相当于它们处于空载的几率比较大，极易造成负载失衡；而图1 用乘法合成法融合权重时，由于后台类对时延和带宽要求较低，对丢包率要求高的特点，在4G 和WLAN 中优先选择了丢包率低的WLAN，并且在流媒体业务中，选择4G 和WLAN 的几率相当，也有部分用户会选择Wimax。因此，在用户服务质量优先时，采用乘法合成法融合权重更能为用户准确分配合适的网络，并且能较好的均衡负载。

图2 QoSP线性加权组合赋权网络选择结果

由图3 可知，基于四种业务类型的大多数情况下，用户都会选择WLAN 和4G 以及Wimax 进行接入，5G几乎得不到被选择接入的机会，因而极易造成5G 空载，其他三种网络资源竞争激烈；而图4中，虽然5G依然不容易被优先选择，但和其他三种网络类型的得分差距明显减小，且4G 和WLAN 的选择几率相当。得出结论：价格优先考虑时，用线性加权法进行组合赋权，较好地避免了网络空载，并在一定程度上避免了用户对网络资源的竞争，各网络负载得到均衡分配。

图3 PP乘法合成法权重融合网络选择结果

图4 PP线性加权组合赋权网络选择结果

基于本文算法与TOPSIS 的负载性能，图5 给出了对比结果。

图5 本文算法与TOPSIS负载性能对比图

图5 中，纵坐标表示的是四种网络类型基于两种用户偏好的负载差值，差值越大则说明两种偏好下的选择结果越不相关，算法准确率和有效性也就越大。本文算法四种网络的负载均衡性能均优于TOPSIS，无论基于用户哪一种偏好，本文算法都能自适应地做出准确网络决策，而TOPSIS 则发生了失序，导致决策失误，负载性能降低。

5 结语

本文以由4G、WLAN、Wimax、5G 组成的异构无线网络环境为研究背景，提出了一种基于MADM和模糊综合评价的网络接入选择算法。该算法将熵权法和层次分析法结合，基于四种业务类型，考虑了两种不同的用户优先策略，在用户服务质量优先策略下，采用乘法合成法进行权重融合，在价格优先策略下，采用线性加权法组合赋权，最终通过模糊综合评价法为用户决策出最合适的网络进行接入。总地来说，在权重融合策略上，本文改变了以往的单一赋权方式，分情况讨论。与单一的权重融合方法相比，大大提高了算法准确率，并且有效均衡了各网络负载，能随着用户策略的改变快速调节出相对应的赋权方案；在接入网决策环节，本文算法与TOPSIS 相比，解决了TOPSIS 中极易出现的失序问题，并且避免了TOPSIS 决策在某些业务下不符合用户策略的现象，大大提高了接入网决策的准确性和有效性，能够更好地满足用户策略和业务需求，给用户带来更高体验度，为网络降低了不必要的负载并避免了网络空载现象。