CN102781072A - 基于多属性决策和群组决策的网络选择方法 - Google Patents

基于多属性决策和群组决策的网络选择方法 Download PDF

Info

Publication number
CN102781072A
CN102781072A CN201210262674XA CN201210262674A CN102781072A CN 102781072 A CN102781072 A CN 102781072A CN 201210262674X A CN201210262674X A CN 201210262674XA CN 201210262674 A CN201210262674 A CN 201210262674A CN 102781072 A CN102781072 A CN 102781072A
Authority
CN
China
Prior art keywords
decision
attribute
making
network
objective
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201210262674XA
Other languages
English (en)
Other versions
CN102781072B (zh
Inventor
朱琦
施政
朱洪波
杨龙祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Post and Telecommunication University
Original Assignee
Nanjing Post and Telecommunication University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Post and Telecommunication University filed Critical Nanjing Post and Telecommunication University
Priority to CN201210262674.XA priority Critical patent/CN102781072B/zh
Publication of CN102781072A publication Critical patent/CN102781072A/zh
Application granted granted Critical
Publication of CN102781072B publication Critical patent/CN102781072B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Complex Calculations (AREA)

Abstract

异构网络场景下无线资源管理的一个关键问题是网络选择，本发明提供了一种基于多属性决策和群组决策的网络选择方法。首先由多属性决策方法来得到主观与客观决策结果，利用层次分析法以及熵权法分别得到主观和客观决策结果，然后采用群组决策对主观和客观决策结果进行综合，并采用群组决策中的相容性理论对综合后结果的合理性进行判断，判断是否具有合理性，如果不合理，则需要修改决策，重新进行综合。最后将综合后的结果来对网络进行决策，为用户选择合适的网络。该方法不仅考虑到网络的客观属性，还考虑到了用户的偏好，保证了用户不会因为自己的偏好而选择一些性能较差的网络。本发明不但可以有效减少切换的次数而且还可以为用户提供满意的服务质量。

Description

基于多属性决策和群组决策的网络选择方法
技术领域
    本发明涉及一种异构无线网络中基于多属性决策和群组决策的网络选择方法，属于无线通信技术领域。
背景技术
随着通信技术的发展，出现了很多适应不同场景的无线通信系统，如GSM、WCDMA、WiMAX、Wi-Fi以及LTE等，这些系统在覆盖范围、服务速率、平均包时延以及服务价格等方面存在很大差异，它们适用的场景各有侧重，彼此之间很难相互替代。下一代无线网络的发展趋势无疑是这些异构网络之间的融合，但异构网络融合所带来的主要难题是接入或者切换时，要进行的网络选择问题。网络选择的任务是为用户提供满意的服务质量的同时尽量降低服务代价，网络选择方案不但要考虑用户的业务特性和网络的各种属性，还需要考虑用户的偏好。由于网络选择考虑的属性众多，导致没有统一的标准衡量算法的优劣，因此异构网络环境下的网络选择也成为目前通信领域的一个研究热点，也是一个研究难点。
异构网络中进行网络选择时须要综合很多属性，因此很多网络选择算法采用MADM（Multiple Attributes Decision Making）。经典的MADM包括简单加权法、接近理想方案的序数偏好方法、乘法指数权值、灰度分析法、消去和选择转换法和VIKOR等。这些典型多属性决策方法会涉及多属性权重向量的确定，在网络选择中对于多属性权重向量的确定，一般会考虑到用户的业务类型以及用户偏好，例如业务类型为实时的话音业务时，一般要求时延和抖动相对于其他因素重要；用户在满足服务要求时，更偏向于选择费用低的无线网络，这种方法是一种主观赋权法，通常采用的方法是AHP（Analytic Hierarchy Process）。但是在实际网络选择中，还要考虑网络的客观属性，当候选网络中某个属性差异很大，以至有些网络无法满足业务的要求，因此有时在进行属性权重的确定时，还要考虑网络的客观属性之间的差异，这种权重的确定方法称为客观赋权法，其中常用的是EW（Entropy Method）以及标准差法。考虑到在实际进行网络选择时，不但需要考虑到网络的客观属性还要考虑用户的偏好，所以很多文献将主观和客观决策方法综合起来进行网络选择，将得到的两组权重向量通过简单的线性加权，构成新的权重向量，但没有讨论如何选取线性加权因子，以及对合成权重向量的合理性进行讨论
网络选择中不但要考虑人的主观因素，还要考虑网络的客观因素，这就相当于多个决策者进行决策，通过权衡这些决策者来选择一个合适的网络。本发明将群组决策（Group Decision Making, GDM）理论应用到网络选择算法，利用群组决策中的相容性概念对得到的主观和客观权重向量进行综合，构成新的权重向量，最后利用相容性的相关理论来判断综合后的权值向量是否具有合理性。
发明内容
技术问题： 本发明在于提供一种基于多属性决策和群组决策的网络选择方法，作为降低切换次数以及提供用户QoS的一种方法。该方法利用群组决策中的相容性理论，来对主客观决策结果进行综合，将综合后的结果应用到网络选择中，从而改善网络选择的性能。
技术方案：典型的多属性决策策略会涉及到多属性权重向量的确定，对于权重向量的确定方法通常可以分为主观和客观赋权法。其中主观权重的赋权法包括AHP、ANP（Analytic Network Process）以及Delphi法等,这些方法都是决策者根据自身的经验主观确定各属性的权重；而客观赋权法包括熵权法、标准差法等，虽然这两种赋权法的公式是不一样的，但是这两种赋权法都认为属性的差异程度越大，属性越重要，因为从统计角度认为属性差异越大，它更能反映网络间的差异。为了综合考虑业务类型、用户的偏好以及网络客观属性的差异，本发明分别通过主客观赋权法来得到多属性的主客观权重向量。主观赋权法采用AHP法，客观赋权法采用熵权法。
异构网络中进行网络选择不但要考虑用户偏好以及业务的类型，还要考虑网络的客观属性，由于同时涉及主观和客观决策，利用经典的多属性决策方法已不能满足网络选择的要求，因此本发明引入群组决策来对主客观决策进行综合。这里主观和客观属性权重相当于一个主观和一个客观决策者的决策结果，群组决策是用来综合多个决策者的判决结果，得到一个权衡方案来解决这些决策者之间的冲突。本发明采用AHP法进行主观决策，熵权法进行客观决策，并利用相容性和群组决策理论对主观和客观决策结果进行综合，具体步骤如下：
步骤一：计算客观权重向量，首先对属性矩阵                                                
Figure 639141DEST_PATH_IMAGE002
进行标准化处理，得到归一化的属性矩阵，其中
Figure 585286DEST_PATH_IMAGE006
为网络属性的个数，为无线网络的个数，
Figure 231086DEST_PATH_IMAGE010
表示第
Figure 928915DEST_PATH_IMAGE012
网络的第个属性，并且
Figure 949841DEST_PATH_IMAGE016
，
Figure 681037DEST_PATH_IMAGE018
，效益型属性的标准化处理为
Figure DEST_PATH_IMAGE020A
，
Figure DEST_PATH_IMAGE022AA
，，成本型属性的标准化处理为
Figure DEST_PATH_IMAGE026A
，利用熵权法得到客观权重向量
Figure 552696DEST_PATH_IMAGE028
，其中
Figure 680927DEST_PATH_IMAGE030
表示从网络角度的第
Figure 293305DEST_PATH_IMAGE014
个属性的权重，根据客观权重向量计算出等价的客观决策矩阵
Figure DEST_PATH_IMAGE032A
，；
步骤二：计算主观权重向量
Figure 745070DEST_PATH_IMAGE036
；假设用户的决策矩阵
Figure 190675DEST_PATH_IMAGE038
，其中
Figure 341165DEST_PATH_IMAGE040
表示属性
Figure 358537DEST_PATH_IMAGE042
比属性的重要程度，根据层次分析法由决策矩阵来得到主观权重向量
Figure 671892DEST_PATH_IMAGE044
，其中
Figure 626073DEST_PATH_IMAGE046
表示从用户角度的第
Figure 497952DEST_PATH_IMAGE014
个属性的权重；
步骤三：通过群组决策理论来综合主客观决策，合成的权重向量为，其中
Figure 475364DEST_PATH_IMAGE050
，由合成的权重向量得到等价的合成权重向量
Figure 233236DEST_PATH_IMAGE052
；
步骤四：分别计算判断矩阵
Figure 959621DEST_PATH_IMAGE054
与
Figure 777536DEST_PATH_IMAGE056
、的相容性指标
Figure 885355DEST_PATH_IMAGE060
、
Figure 731826DEST_PATH_IMAGE062
：
Figure 720641DEST_PATH_IMAGE064
Figure 13914DEST_PATH_IMAGE066
其中
Figure 113588DEST_PATH_IMAGE068
，“
Figure 486670DEST_PATH_IMAGE070
”为Hadamard乘积运算符，判断
Figure 646387DEST_PATH_IMAGE060
与
Figure 432815DEST_PATH_IMAGE062
是否都小于指标临界值
Figure 336180DEST_PATH_IMAGE072
，如果小于则转至步骤五，否则判断与
Figure 767030DEST_PATH_IMAGE062
是否小于
Figure 201210262674X100002DEST_PATH_IMAGE075
，其中
Figure 211830DEST_PATH_IMAGE075
为最大容许的指标门限，如果都小于
Figure 485554DEST_PATH_IMAGE075
则转至步骤二，否则剔除和
Figure 602601DEST_PATH_IMAGE076
中与
Figure 838541DEST_PATH_IMAGE054
的相容性最差的决策矩阵，并令
Figure 201210262674X100002DEST_PATH_IMAGE077
等于
Figure 474928DEST_PATH_IMAGE078
和中剩下的决策矩阵，并转至步骤五；
步骤五：根据综合权重向量
Figure 2171DEST_PATH_IMAGE080
进行网络选择，计算每个网络的性能函数值
Figure 173127DEST_PATH_IMAGE082
，并选择性能函数值最大的网络。
    有益效果：异构网络中进行网络选择不但要考虑用户偏好以及业务的类型，还要考虑网络的客观属性，由于同时涉及主观和客观决策。本发明同时考虑用户的偏好、业务特点、网络的实际状况，即同时考虑了主观和客观因素，并基于群组决策对这两种决策结果进行综合，将综合后的结果对网络进行选择，为用户提供满意的服务质量（QoS）。由于同时考虑了主观和客观两方面，因此本发明保证了用户不会因为自己的偏好而选择一些性能较差的网络，不但可以有效减少切换的次数，而且根据用户的业务类型为其提供满意的QoS。
附图说明
图1示出了异构网络的系统模型。
图2示出了本发明的网络选择算法的流程图。
具体实施方式
1. 层次分析法（AHP）
AHP法是一种定量与定性相结合的多属性决策分析方法。AHP法是将决策问题的相关属性分解成目标、准则、方案等层次，按元素之间的支配关系构成阶梯层次形式，用一种标度对人的主观判断进行量化，在此基础上再进行定量分析的一种决策方法。在每一层中通过比较两两属性来确定属性之间的重要性，然后综合每一层的评判结果，得到方案层中备选方案相对重要性的总排序。它将人的思维过程层次化、数量化，并通过数学分析为决策、预报或控制提供定量的依据。它尤其适合在人的定性判断起主导作用以及对决策结果难于直接准确计量的场合。AHP法的步骤如下：
I. 构造层次分析结构
根据层次分析模型，构造合适的目标层、准则层和方案层。目标层是选择合适的接入或切换网络；准则层是影响网络选择的属性；方案层是候选的网络。
II. 构造判断矩阵
判断矩阵是指构造同一属性层的两两元素之间的重要性矩阵，类似可以构造出每一属性层的判断矩阵，每一层的判断矩阵形式如下：
Figure 657329DEST_PATH_IMAGE084
      (1)
其中
Figure 204722DEST_PATH_IMAGE006
表示影响网络选择的属性总数，
Figure 90770DEST_PATH_IMAGE086
，
Figure 432627DEST_PATH_IMAGE088
，且
Figure 404126DEST_PATH_IMAGE090
、
Figure 495490DEST_PATH_IMAGE092
…
Figure 236044DEST_PATH_IMAGE094
表示属性的理想目标权重，
Figure DEST_PATH_IMAGE095
表示属性
Figure DEST_PATH_IMAGE097
比属性
Figure 686486DEST_PATH_IMAGE014
的重要程度，这里的重要程度可以按照Saaty标度来确定，见表1。
表1 Saaty标度
Figure 456865DEST_PATH_IMAGE098
III. 判断矩阵特征值以及权值向量的计算
计算判断矩阵的最大特征值
Figure 80482DEST_PATH_IMAGE100
，并得到最大特征值对应的特征向量，对特征向量进行归一化后，得到的向量就是这一属性层的权重向量。
IV. 一致性校验
但是人的主观判断存在误差，所以判断矩阵与理想判断矩阵之间存在差异，理想判断矩阵的最大特征值是
Figure 941122DEST_PATH_IMAGE006
，但是实际判断矩阵得到的特征值一般不为，因此得到的权值向量与理想权值向量之间存在误差。这种差异是利用一致性
Figure 751963DEST_PATH_IMAGE102
来衡量，如果差异性很大，须要对判断矩阵进行适当修改，并重新进行决策。
Figure DEST_PATH_IMAGE103
是利用最大特征根来检验一致性矩阵的偏离程度，其计算公式为：
                                    (2)
表2 平均随机性一致性指标
Figure DEST_PATH_IMAGE107
值越大，表明判断矩阵偏离理想判断矩阵的程度越大；
Figure DEST_PATH_IMAGE109
值越小（接近于0），说明判断矩阵的一致性越好。为了表示判断矩阵是否具有满意一致性，还要引入平均随机性一致性指标
Figure 66423DEST_PATH_IMAGE110
，对于1-9阶的判断矩阵，其
Figure DEST_PATH_IMAGE111
如表2所示。
判断矩阵的一致性指标
Figure 608131DEST_PATH_IMAGE102
与同阶平均随机一致性指标
Figure 340595DEST_PATH_IMAGE112
之比称为随机一致性比率
Figure 408783DEST_PATH_IMAGE114
，即
Figure 935711DEST_PATH_IMAGE116
。当
Figure 354928DEST_PATH_IMAGE118
时，可以认为判断矩阵具有满意的一致性，否则需要调整判断矩阵，重新计算权值向量，根据AHP法可以得到多属性权重向量
Figure 625504DEST_PATH_IMAGE120
。
2. 熵权法（EW）
熵权法是根据信息熵理论而提出的一种权重计算方法。信息量越大，信息熵越小；反之，如果信息量越小，则信息熵越大。属性的信息量通过候选网络中该属性的差异大小来表征，属性差异越大，该属性含有的信息量越大，表明这个属性对网路选择的影响越大，对应的权重越大。
假设异构网络的数目为
Figure 565776DEST_PATH_IMAGE008
，并影响网络选择属性的数目为
Figure 591501DEST_PATH_IMAGE006
，表示第
Figure 306702DEST_PATH_IMAGE012
网络的第
Figure 21586DEST_PATH_IMAGE014
个属性，并且
Figure DEST_PATH_IMAGE121
，
Figure 529797DEST_PATH_IMAGE122
。为了消除属性的量纲效应，并且保持它们的变化信息，这里对属性的标准化采用线性变换。一般对用户而言，属性分为效益型和成本型，效益型的属性是越大越好，而成本型是越小越好，这两种不同属性的标准化公式也是不同的。取
Figure 159492DEST_PATH_IMAGE124
，
Figure 276265DEST_PATH_IMAGE126
。效益型属性的标准化处理为
Figure 675016DEST_PATH_IMAGE128
；成本型属性的标准化处理为
Figure 478762DEST_PATH_IMAGE130
。对属性标准化后，再利用熵权法来获得属性的权重向量，其具体步骤如下：
I. 首先对标准化后的属性进行规范化
   
Figure 330175DEST_PATH_IMAGE132
          (3)
II. 计算属性的信息熵
                                (4)
    其中
Figure 763616DEST_PATH_IMAGE136
。
III. 计算属性的权重向量
  
Figure 472684DEST_PATH_IMAGE138
                           (5)
最后通过熵权法可以得到属性的权重向量为
Figure 76971DEST_PATH_IMAGE140
。
3. 群组决策（GDM）
网络选择中不但要考虑人的主观因素，还要考虑网络的客观因素，这就相当于多个决策者进行决策，通过权衡这些决策者来选择一个合适的网络。为了在网络选择中引入群组决策，首先介绍群组决策理论的一些相关知识。
I. 相容性
相容性是用来度量两个判断矩阵距离的量，设
Figure 523828DEST_PATH_IMAGE142
，
Figure 897171DEST_PATH_IMAGE144
，利用相容度
Figure 777140DEST_PATH_IMAGE146
来表示矩阵
Figure 868724DEST_PATH_IMAGE054
与
Figure 125131DEST_PATH_IMAGE148
的相容性，其计算公式为：
Figure 352981DEST_PATH_IMAGE150
                                (6)
其中
Figure DEST_PATH_IMAGE151
，称为
Figure 924558DEST_PATH_IMAGE054
和
Figure DEST_PATH_IMAGE155
的Hadamard乘积。为了计算方便，用对数来表示相容度，取：
Figure DEST_PATH_IMAGE157
                        (7)
矩阵
Figure 549443DEST_PATH_IMAGE054
和
Figure 281645DEST_PATH_IMAGE148
的相容性指标用
Figure DEST_PATH_IMAGE159
来表示，其中
Figure DEST_PATH_IMAGE161
。当
Figure DEST_PATH_IMAGE163
 时，称具有满意的相容性，
Figure 270328DEST_PATH_IMAGE072
为相容性指标临界值，
Figure 993564DEST_PATH_IMAGE072
的取值如表3所示。
表3 相容性指标临界值
Figure 355013DEST_PATH_IMAGE072
Figure 454687DEST_PATH_IMAGE164
II. 群组决策
设有
Figure 155665DEST_PATH_IMAGE008
个决策者参与决策，他们的决策矩阵分别是
Figure 315382DEST_PATH_IMAGE166
、、…、，各自得到的权重向量是
Figure 238622DEST_PATH_IMAGE172
、
Figure 569240DEST_PATH_IMAGE174
、…、
Figure 842965DEST_PATH_IMAGE176
，利用综合方法得到的合成权重向量是
Figure 284441DEST_PATH_IMAGE178
，因此得到综合特征矩阵。排序向量
Figure 195952DEST_PATH_IMAGE080
是否被接受，不仅要求每个特征矩阵与自身特征矩阵相容，而且还要求与综合特征矩阵相容。群组决策不但与决策矩阵自身有关，还与综合方法有关，因此最好能求取一个与各个判断矩阵有较好相容性的权重向量。
III. 权重的合成
合成的权重向量理论依据是使得综合特征矩阵与所有的决策矩阵的相容度之和最小，即：
   
Figure 956972DEST_PATH_IMAGE182
                         (8)
其中
Figure 936560DEST_PATH_IMAGE184
(或
Figure 523094DEST_PATH_IMAGE186
)表示第
Figure 195515DEST_PATH_IMAGE188
个权重向量
Figure 178252DEST_PATH_IMAGE176
的第
Figure 227111DEST_PATH_IMAGE042
(或
Figure 611694DEST_PATH_IMAGE014
)个属性。对(8)式求
Figure 455016DEST_PATH_IMAGE190
的偏导，即
Figure 925049DEST_PATH_IMAGE192
，求解偏微分方程组，并对所求的权重向量进行归一化，从而可以得到合成的权重向量
Figure 246440DEST_PATH_IMAGE194
为：
Figure 756968DEST_PATH_IMAGE196
                        (9)
4. 网络选择算法
     异构网络中进行网络选择不但要考虑用户偏好以及业务的类型，还要考虑网络的客观属性，由于同时涉及主观和客观决策，利用经典的多属性决策方法已不能满足网络选择的要求，因此本发明引入群组决策来对主客观决策进行综合。这里主观和客观属性权重相当于一个主观和一个客观决策者的决策结果，群组决策是用来综合多个决策者的判决结果，得到一个权衡方案来解决这些决策者之间的冲突。本发明中采用AHP法进行主观决策，熵权法进行客观决策，并利用相容性和群组决策理论对主观和客观决策结果进行综合，接下来给出改进的网络选择算法的数学分析。
首先由AHP法和熵权法得到主客观权重向量，假设AHP法中的判断矩阵为
Figure 708875DEST_PATH_IMAGE078
，熵权法中标准化的网络属性矩阵为
Figure 666204DEST_PATH_IMAGE198
，根据1-2中步骤得到它们的权重向量分别为和
Figure 150461DEST_PATH_IMAGE200
。是根据网络的属性矩阵计算得到的，等效于一个客观判断矩阵来得到，其等效的判断矩阵为
Figure 780211DEST_PATH_IMAGE204
。 通过群组决策理论来综合主客观决策，利用（9）式得到的合成权重向量为
Figure 708984DEST_PATH_IMAGE178
，其中
Figure 940244DEST_PATH_IMAGE206
                (10)
其等效的判断矩阵是
Figure 296270DEST_PATH_IMAGE208
。利用群组决策理论对主客观权重进行综合后，还要判断综合后的权重向量是否满足相容性要求，即判断矩阵
Figure 962612DEST_PATH_IMAGE077
与和是否具有满意的相容性，它们的相容性指标分别为：
Figure 352508DEST_PATH_IMAGE210
(11)
如果
Figure 771726DEST_PATH_IMAGE073
与
Figure 42301DEST_PATH_IMAGE062
都小于同阶的相容性指标临界值
Figure 908538DEST_PATH_IMAGE072
，则说明综合后的权重向量符合相容性校验。如果不符合满意性校验，则需要对判断矩阵
Figure 871946DEST_PATH_IMAGE056
做适当修改，保证用户不能依赖自己的偏好选择一些性能很差的网络。在某些情况下，可以剔除相容性很差的决策矩阵，使得决策更为集中，网络选择更为合理。利用得到的综合权值向量来进行网络选择，每个网络的性能函数可以表示成标准化后的属性与其权重的乘积之和，即第
Figure 512881DEST_PATH_IMAGE042
个网络的性能函数可以表示成：
                   (12)
计算出每个网络的性能函数结果，最后选择性能最大的网络
Figure 364348DEST_PATH_IMAGE214
。基于多属性决策和群组决策的网络选择算法的流程图如图2所示，步骤如下:
步骤一：利用熵权法计算客观权重向量
Figure 498657DEST_PATH_IMAGE202
，首先对属性矩阵进行标准化处理，然后利用（3-5）式得到客观权重向量。
步骤二：利用AHP法主观权重向量
Figure 361309DEST_PATH_IMAGE216
，结合AHP法来得到主观权重向量。
步骤三：根据利用（9）式来综合主客观权重向量，得到综合后的权重向量
Figure 239266DEST_PATH_IMAGE080
。
步骤四：根据（11）式来判断综合后的判断矩阵
Figure 130693DEST_PATH_IMAGE077
与
Figure 170325DEST_PATH_IMAGE078
和的相容性，判断相容性的算法如下:
1:   Initialize
Figure DEST_PATH_IMAGE217
,
Figure 575822DEST_PATH_IMAGE218
,
Figure 829080DEST_PATH_IMAGE220
,
Figure 803727DEST_PATH_IMAGE222
,
Figure 142435DEST_PATH_IMAGE224
,and set iteration index 
Figure 866590DEST_PATH_IMAGE226
;
2:   while 
Figure 239933DEST_PATH_IMAGE228
 do
3:      if 
4:           then go to Step 5.
5:      else if 
Figure 211486DEST_PATH_IMAGE232
6:           then go to Step 2.
7:      else
8:     then eliminate the decision matrix with maximum compatibility index, and select the weights’vector of the remained decision matrix as 
Figure DEST_PATH_IMAGE233
, and go to Step 5.
9:   end if
10:  Set 
Figure DEST_PATH_IMAGE235
;
11:  end while
12:  Go to Step 5.
其中
Figure DEST_PATH_IMAGE236
为AHP的最大判决次数，
Figure DEST_PATH_IMAGE237
为相容性指标的最大容许值。
步骤五：根据综合权重向量
Figure 46323DEST_PATH_IMAGE233
进行网络选择，选择性能函数值最大的网络，即可以表示成：
Figure DEST_PATH_IMAGE239
                                      (13)

Claims (1)

1.一种基于多属性决策和群组决策的的网络选择方法，其特征在于该方法包括如下步骤：
步骤一：计算客观权重向量，首先对属性矩阵                                               进行标准化处理，得到归一化的属性矩阵
Figure 746723DEST_PATH_IMAGE004
，其中
Figure 486009DEST_PATH_IMAGE006
为网络属性的个数，为无线网络的个数，
Figure DEST_PATH_IMAGE010A
表示第网络的第
Figure 321525DEST_PATH_IMAGE014
个属性，并且
Figure 808875DEST_PATH_IMAGE016
，
Figure 609472DEST_PATH_IMAGE018
，效益型属性的标准化处理为
Figure 207682DEST_PATH_IMAGE020
，
Figure 739287DEST_PATH_IMAGE022
，，成本型属性的标准化处理为
Figure 108268DEST_PATH_IMAGE026
，利用熵权法得到客观权重向量
Figure 323218DEST_PATH_IMAGE028
，其中
Figure 878702DEST_PATH_IMAGE030
表示从网络角度的第
Figure 209320DEST_PATH_IMAGE014
个属性的权重，根据客观权重向量计算出等价的客观决策矩阵
Figure 483044DEST_PATH_IMAGE032
，
Figure 924521DEST_PATH_IMAGE034
；
步骤二：计算主观权重向量
Figure 340371DEST_PATH_IMAGE036
；假设用户的决策矩阵
Figure 841890DEST_PATH_IMAGE038
，其中
Figure 337332DEST_PATH_IMAGE040
表示属性
Figure 769450DEST_PATH_IMAGE042
比属性
Figure 800991DEST_PATH_IMAGE014
的重要程度，根据层次分析法由决策矩阵来得到主观权重向量，其中
Figure 767734DEST_PATH_IMAGE046
表示从用户角度的第
Figure 551013DEST_PATH_IMAGE014
个属性的权重；
步骤三：通过群组决策理论来综合主客观决策，合成的权重向量为
Figure 624011DEST_PATH_IMAGE048
，其中 ，由合成的权重向量得到等价的合成权重向量
Figure 931507DEST_PATH_IMAGE052
；
步骤四：分别计算判断矩阵
Figure 17013DEST_PATH_IMAGE054
与
Figure 334731DEST_PATH_IMAGE056
、
Figure 348954DEST_PATH_IMAGE058
的相容性指标、：
Figure 796400DEST_PATH_IMAGE064
Figure 981525DEST_PATH_IMAGE066
其中
Figure 160571DEST_PATH_IMAGE068
，“
Figure 89344DEST_PATH_IMAGE070
”为Hadamard乘积运算符，判断
Figure 303025DEST_PATH_IMAGE060
与
Figure 659051DEST_PATH_IMAGE062
是否都小于指标临界值
Figure 590973DEST_PATH_IMAGE072
，如果小于则转至步骤五，否则判断
Figure DEST_PATH_IMAGE073
与
Figure 449337DEST_PATH_IMAGE062
是否小于，其中
Figure 346886DEST_PATH_IMAGE075
为最大容许的指标门限，如果都小于则转至步骤二，否则剔除
Figure 27452DEST_PATH_IMAGE056
和
Figure 796562DEST_PATH_IMAGE076
中与
Figure DEST_PATH_IMAGE077
的相容性最差的决策矩阵，并令
Figure 860202DEST_PATH_IMAGE077
等于和
Figure 17874DEST_PATH_IMAGE058
中剩下的决策矩阵，并转至步骤五；
步骤五：根据综合权重向量
Figure 590676DEST_PATH_IMAGE080
进行网络选择，计算每个网络的性能函数值
Figure DEST_PATH_IMAGE082
，并选择性能函数值最大的网络。
CN201210262674.XA 2012-07-27 2012-07-27 基于多属性决策和群组决策的网络选择方法 Expired - Fee Related CN102781072B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210262674.XA CN102781072B (zh) 2012-07-27 2012-07-27 基于多属性决策和群组决策的网络选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210262674.XA CN102781072B (zh) 2012-07-27 2012-07-27 基于多属性决策和群组决策的网络选择方法

Publications (2)

Publication Number Publication Date
CN102781072A true CN102781072A (zh) 2012-11-14
CN102781072B CN102781072B (zh) 2014-11-19

Family

ID=47125786

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210262674.XA Expired - Fee Related CN102781072B (zh) 2012-07-27 2012-07-27 基于多属性决策和群组决策的网络选择方法

Country Status (1)

Country Link
CN (1) CN102781072B (zh)

Cited By (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103108382A (zh) * 2012-11-20 2013-05-15 南京邮电大学 一种基于网络层次分析法的异构网络多属性决策方法
CN103313354A (zh) * 2013-05-22 2013-09-18 南京邮电大学 基于四种权值向量的异构网络选择方法
CN103686914A (zh) * 2013-09-09 2014-03-26 镇江青思网络科技有限公司 基于服务偏好和网络条件的垂直切换方法snvho
CN104602325A (zh) * 2015-01-20 2015-05-06 重庆邮电大学 一种基于层次分析法的异构无线网络选择方法
CN104812027A (zh) * 2014-01-23 2015-07-29 北京邮电大学 基于直觉模糊集多属性决策的网络选择方法
CN105005738A (zh) * 2015-06-17 2015-10-28 广东电网有限责任公司信息中心 一种多属性决策的信息安全效用提升方法
CN107332706A (zh) * 2017-07-06 2017-11-07 中国航空工业集团公司西安飞机设计研究所 一种机载网络选型方法
CN107659977A (zh) * 2017-10-27 2018-02-02 西安电子科技大学 基于vlc的室内异构网络接入选择方法
CN107734512A (zh) * 2017-09-30 2018-02-23 南京南瑞集团公司 一种基于灰度关联层次分析的网络选择方法
CN107784394A (zh) * 2017-10-30 2018-03-09 长安大学 考虑前景理论的高速公路路线方案不确定多属性优选方法
CN108419274A (zh) * 2018-02-28 2018-08-17 华南理工大学 一种基于效用函数的异构无线网络选择方法
CN108846515A (zh) * 2018-06-06 2018-11-20 武汉市标准化研究院 一种工业机器人制造企业最优技术方案的选择方法
US10268977B1 (en) 2018-05-10 2019-04-23 Definitive Business Solutions, Inc. Systems and methods for graphical user interface (GUI) based assessment processing
US10366361B1 (en) 2018-05-10 2019-07-30 Definitive Business Solutions, Inc. Systems and methods for performing multi-tier data transfer in a group assessment processing environment
US10417590B1 (en) 2018-05-10 2019-09-17 Definitive Business Solutions, Inc. Systems and methods for performing dynamic team formation in a group assessment processing environment
CN110474796A (zh) * 2019-07-22 2019-11-19 中国人民解放军陆军工程大学 基于用户体验质量的异构网络选择方法
CN110601758A (zh) * 2019-07-12 2019-12-20 重庆邮电大学 可见光通信系统的车联网多属性切换方法
CN110996366A (zh) * 2019-12-13 2020-04-10 哈尔滨工业大学 一种异构专用网络垂直切换中权重确定方法
US20200275976A1 (en) * 2019-02-05 2020-09-03 Smith & Nephew, Inc. Algorithm-based optimization for knee arthroplasty procedures
CN112566219A (zh) * 2020-12-03 2021-03-26 国网甘肃省电力公司信息通信公司 一种电力通信异构网络选择的权重确定方法
CN112671627A (zh) * 2020-12-29 2021-04-16 中国航空工业集团公司西安飞机设计研究所 一种机载飞行控制系统的体系化总线选型方法及装置
CN112867101A (zh) * 2019-11-28 2021-05-28 哈尔滨工业大学 一种基于灰度综合评价值的公安异构无线专网选择方法
CN113115411A (zh) * 2021-03-31 2021-07-13 华南理工大学 一种基于协同理论的异构无线网络选择方法
CN114006825A (zh) * 2021-10-28 2022-02-01 西安热工研究院有限公司 一种基于用户偏好的网络流量数据属性权重的计算方法
WO2022095620A1 (zh) * 2020-11-04 2022-05-12 北京中电飞华通信有限公司 一种基于智能电网的异构网络接入选择方法及相关设备
CN116708446A (zh) * 2023-08-03 2023-09-05 山东省计算中心（国家超级计算济南中心） 基于网络性能综合权值决策的算网调度服务方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101360064A (zh) * 2008-09-27 2009-02-04 北京邮电大学 一种实现网络资源选择的方法和装置
CN101754226A (zh) * 2009-12-21 2010-06-23 西安电子科技大学 认知无线网络环境下终端的重构方法
CN102238631A (zh) * 2011-08-17 2011-11-09 南京邮电大学 基于强化学习的异构网络资源管理方法
CN102354337A (zh) * 2011-10-14 2012-02-15 河海大学常州校区 一种可重构装配线多目标调度决策方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101360064A (zh) * 2008-09-27 2009-02-04 北京邮电大学 一种实现网络资源选择的方法和装置
CN101754226A (zh) * 2009-12-21 2010-06-23 西安电子科技大学 认知无线网络环境下终端的重构方法
CN102238631A (zh) * 2011-08-17 2011-11-09 南京邮电大学 基于强化学习的异构网络资源管理方法
CN102354337A (zh) * 2011-10-14 2012-02-15 河海大学常州校区 一种可重构装配线多目标调度决策方法

Cited By (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103108382B (zh) * 2012-11-20 2015-04-01 南京邮电大学 一种基于网络层次分析法的异构网络多属性决策方法
CN103108382A (zh) * 2012-11-20 2013-05-15 南京邮电大学 一种基于网络层次分析法的异构网络多属性决策方法
CN103313354B (zh) * 2013-05-22 2016-04-13 南京邮电大学 基于四种权值向量的异构网络选择方法
CN103313354A (zh) * 2013-05-22 2013-09-18 南京邮电大学 基于四种权值向量的异构网络选择方法
CN103686914A (zh) * 2013-09-09 2014-03-26 镇江青思网络科技有限公司 基于服务偏好和网络条件的垂直切换方法snvho
CN103686914B (zh) * 2013-09-09 2017-11-28 镇江青思网络科技有限公司 基于服务偏好和网络条件的垂直切换方法snvho
CN104812027B (zh) * 2014-01-23 2019-09-10 北京邮电大学 基于直觉模糊集多属性决策的网络选择方法
CN104812027A (zh) * 2014-01-23 2015-07-29 北京邮电大学 基于直觉模糊集多属性决策的网络选择方法
CN104602325B (zh) * 2015-01-20 2018-10-12 重庆邮电大学 一种基于层次分析法的异构无线网络选择方法
CN104602325A (zh) * 2015-01-20 2015-05-06 重庆邮电大学 一种基于层次分析法的异构无线网络选择方法
CN105005738A (zh) * 2015-06-17 2015-10-28 广东电网有限责任公司信息中心 一种多属性决策的信息安全效用提升方法
CN107332706A (zh) * 2017-07-06 2017-11-07 中国航空工业集团公司西安飞机设计研究所 一种机载网络选型方法
CN107734512B (zh) * 2017-09-30 2021-06-04 南京南瑞集团公司 一种基于灰度关联层次分析的网络选择方法
CN107734512A (zh) * 2017-09-30 2018-02-23 南京南瑞集团公司 一种基于灰度关联层次分析的网络选择方法
CN107659977B (zh) * 2017-10-27 2019-12-10 西安电子科技大学 基于vlc的室内异构网络接入选择方法
CN107659977A (zh) * 2017-10-27 2018-02-02 西安电子科技大学 基于vlc的室内异构网络接入选择方法
CN107784394A (zh) * 2017-10-30 2018-03-09 长安大学 考虑前景理论的高速公路路线方案不确定多属性优选方法
CN108419274A (zh) * 2018-02-28 2018-08-17 华南理工大学 一种基于效用函数的异构无线网络选择方法
CN108419274B (zh) * 2018-02-28 2020-07-28 华南理工大学 一种基于效用函数的异构无线网络选择方法
US10268977B1 (en) 2018-05-10 2019-04-23 Definitive Business Solutions, Inc. Systems and methods for graphical user interface (GUI) based assessment processing
US10366361B1 (en) 2018-05-10 2019-07-30 Definitive Business Solutions, Inc. Systems and methods for performing multi-tier data transfer in a group assessment processing environment
US10417590B1 (en) 2018-05-10 2019-09-17 Definitive Business Solutions, Inc. Systems and methods for performing dynamic team formation in a group assessment processing environment
CN108846515A (zh) * 2018-06-06 2018-11-20 武汉市标准化研究院 一种工业机器人制造企业最优技术方案的选择方法
US11684423B2 (en) * 2019-02-05 2023-06-27 Smith & Nephew, Inc. Algorithm-based optimization for knee arthroplasty procedures
US20200275976A1 (en) * 2019-02-05 2020-09-03 Smith & Nephew, Inc. Algorithm-based optimization for knee arthroplasty procedures
CN110601758A (zh) * 2019-07-12 2019-12-20 重庆邮电大学 可见光通信系统的车联网多属性切换方法
CN110474796A (zh) * 2019-07-22 2019-11-19 中国人民解放军陆军工程大学 基于用户体验质量的异构网络选择方法
CN110474796B (zh) * 2019-07-22 2022-06-28 中国人民解放军陆军工程大学 基于用户体验质量的异构网络选择方法
CN112867101A (zh) * 2019-11-28 2021-05-28 哈尔滨工业大学 一种基于灰度综合评价值的公安异构无线专网选择方法
CN110996366A (zh) * 2019-12-13 2020-04-10 哈尔滨工业大学 一种异构专用网络垂直切换中权重确定方法
WO2022095620A1 (zh) * 2020-11-04 2022-05-12 北京中电飞华通信有限公司 一种基于智能电网的异构网络接入选择方法及相关设备
CN112566219A (zh) * 2020-12-03 2021-03-26 国网甘肃省电力公司信息通信公司 一种电力通信异构网络选择的权重确定方法
CN112566219B (zh) * 2020-12-03 2023-05-19 国网甘肃省电力公司信息通信公司 一种电力通信异构网络选择的权重确定方法
CN112671627A (zh) * 2020-12-29 2021-04-16 中国航空工业集团公司西安飞机设计研究所 一种机载飞行控制系统的体系化总线选型方法及装置
CN113115411A (zh) * 2021-03-31 2021-07-13 华南理工大学 一种基于协同理论的异构无线网络选择方法
CN114006825A (zh) * 2021-10-28 2022-02-01 西安热工研究院有限公司 一种基于用户偏好的网络流量数据属性权重的计算方法
CN116708446A (zh) * 2023-08-03 2023-09-05 山东省计算中心（国家超级计算济南中心） 基于网络性能综合权值决策的算网调度服务方法及系统
CN116708446B (zh) * 2023-08-03 2023-11-21 山东省计算中心（国家超级计算济南中心） 基于网络性能综合权值决策的算网调度服务方法及系统

Also Published As

Publication number Publication date
CN102781072B (zh) 2014-11-19

Similar Documents

Publication Publication Date Title
CN102781072B (zh) 基于多属性决策和群组决策的网络选择方法
Zhu et al. Network selection in heterogeneous wireless networks: Evolution with incomplete information
CN103607756B (zh) 一种基于协同学原理的异构网络多属性决策方法
CN103108382B (zh) 一种基于网络层次分析法的异构网络多属性决策方法
CN107734512B (zh) 一种基于灰度关联层次分析的网络选择方法
Liang et al. Online auction-based resource allocation for service-oriented network slicing
Sucharitha et al. An autonomous adaptive enhancement method based on learning to optimize heterogeneous network selection
Liang et al. Network selection algorithm for heterogeneous wireless networks based on service characteristics and user preferences
CN103686914B (zh) 基于服务偏好和网络条件的垂直切换方法snvho
CN109151953B (zh) 一种基于用户和网络双侧收益的网络接入选择计算方法
Archana et al. Application of fuzzy moora and gra in multi-criterion decision making problems
CN104602325A (zh) 一种基于层次分析法的异构无线网络选择方法
Salih et al. A novel noncooperative game competing model using generalized simple additive weighting method to perform network selection in heterogeneous wireless networks
CN111405587B (zh) 基于信道定价的虚拟无线网络资源分配方法
CN103813411A (zh) 一种基于博弈论的多接入带宽分配方法
Pervaiz et al. Game theoretical formulation of network selection in competing wireless networks: An analytic hierarchy process model
Srinivasan et al. Efficient spectrum slicing in 5G networks: An overlapping coalition formation approach
ZHANG et al. Heterogeneous wireless network selection algorithm based on group decision
Shang et al. An admission control algorithm based on matching game and differentiated service in wireless mesh networks
Jiang et al. A heterogenous network selection algorithm for internet of vehicles based on comprehensive weight
Gomez et al. Market-driven stochastic resource allocation framework for wireless network virtualization
CN111083724A (zh) 一种雾计算网络下基于ocwg-topsis的用户关联方法
Zhang et al. Distributed pricing and bandwidth allocation in crowdsourced wireless community networks
CN117939499A (zh) 网络的选择方法、选择装置和网络选择系统
Yadav et al. Performance analysis of network selection technique for handover strategies in heterogeneous 5g network

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C53 Correction of patent of invention or patent application
CB03 Change of inventor or designer information

Inventor after: Zhu Qi

Inventor after: Shi Zheng

Inventor after: Zhu Hongbo

Inventor after: Yang Longxiang

Inventor after: Zhang Lina

Inventor before: Zhu Qi

Inventor before: Shi Zheng

Inventor before: Zhu Hongbo

Inventor before: Yang Longxiang

COR Change of bibliographic data

Free format text: CORRECT: INVENTOR; FROM: ZHU QI SHI ZHENG ZHU HONGBO YANG LONGXIANG TO: ZHU QI SHI ZHENG ZHU HONGBO YANG LONGXIANG ZHANG LINA

EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20121114

Assignee: NANJING GMINNOVATION TECHNOLOGY Co.,Ltd.

Assignor: NANJING University OF POSTS AND TELECOMMUNICATIONS

Contract record no.: 2017320000024

Denomination of invention: Network selecting method based on multi-attribute decision-making and group decision-making

Granted publication date: 20141119

License type: Common License

Record date: 20170228

LICC Enforcement, change and cancellation of record of contracts on the licence for exploitation of a patent or utility model
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20141119

Termination date: 20210727

CF01 Termination of patent right due to non-payment of annual fee