CN103281756A - 一种快速高效的通信手段选择方法 - Google Patents

Abstract

本发明涉及一种快速高效的通信手段选择方法，属于通信技术领域。本发明第一步：建立多目标的多通信手段决策模型；第二步：将多通信手段决策模型转化为模糊多通信手段决策模型；第三步：确定模糊多目标的多通信手段权重迭代算法。

Description

一种快速高效的通信手段选择方法

技术领域

本发明涉及一种快速高效的通信手段选择方法，属于通信技术领域。

背景技术

目前，现有指挥通信网络内部通信时存在多种通信手段，这些通信手段通常是互为备份的。在信息传输过程中，常常需要选择最佳的通信手段，以确保通信质量。然而，决策者在确定通信手段时，往往过度依赖人为经验等主观因素进行选择，缺乏一种快速高效的通信手段选择方法，使得选择的通信手段相对单一，不利于科学指挥决策。

发明内容

本发明针对以上问题的提出，而研制一种一种快速高效的通信手段选择方法。

本发明的技术方案如下：

第一步：建立多目标的多通信手段决策模型；

第二步：将多通信手段决策模型转化为模糊多通信手段决策模型；

第三步：确定模糊多目标的多通信手段权重迭代算法。

本发明原理及有益效果：本发明该方法采用模糊多目标决策理论，建立模糊多目标的通信手段决策模型，并利用改进交叉迭代算法确定模糊多目标权重，保证在目标权重部分或全部未知的情况下仍能做出多种通信手段的选择排序，以此达到通信手段最优选择的目的，给出指挥决策建议。

附图说明

图1本发明通信手段选择算法流程图。

图2本发明通信手段选择排序仿真图。

图3本发明各目标的目标值模糊化结果图。

具体实施方式

以下结合技术方案和附图详细叙述本发明的具体实施方式。

目前我国的战场网络通信手段主要有：光纤通信、被覆线通信、短波通信、超短波通信、卫星通信、散射通信等，通信手段呈多元化发展。在两个通信节点间有多种通信手段可供选择时，需要对各通信网络的通信能力进行深入透彻分析，对多种通信手段进行仿真研究，并最终根据决策信息对各通信手段作出最优决策选择。当某一网络通信链路或网络节点发生故障或者出于其他决策信息的考虑时，具有良好通信能力的网络就能及时的处理问题，恢复正常的通信，从而最大限度地保证网络的可靠性、安全性和可生存性，提高通信效率。

本发明的技术方案具的一个具体实施例如下：

如图1所示：第一步：建立多目标的多通信手段决策模型；

决策空间X＝{x₁,x₂,...,x_n}，其中x_j(j＝1,2,...,n)表示面临选择的各通信手段。指战员决策时要考虑的目标有m个：G₁,G₂,L,G_m，分别表示丢包率、误码率、吞吐量、时延、抗毁性、可靠性、抗干扰性等。目标函数

ω_j(j＝1,2,...,m)表示第j个目标的权重，a_i,j表示第i个方案、第j个目标的目标值。由于各个目标的量纲不同，并且有些目标值要求最大而有些要求最小，则可首先将目标值变换成效用值或无量纲值，然后再用改进的交叉迭代法计算新的目标函数值并进行比较，以决定方案取舍。

第二步：将多通信手段决策模型转化为模糊多通信手段决策模型；

在电子信息系统作战决策中，多目标决策只是作战决策的一种理想状况。在实际决策中，由于各个目标之间相互冲突，因此，要从中选出决策者（各级指战员）满意的解，则需要融入决策者的偏好判断等模糊信息，从而运用模糊集理论有效地解决上述理论。指挥员对各个目标的偏好、判断等可通过对隶属度μ_i(x)的选取来体现。

当目标向量函数为效益型时，选取优属度为：

当目标向量函数为成本型时，选取优属度为：

μ_j(x_i)＝(sup{f_j(x_i)}-a_ij)/(sup{f_j(x_i)}-inf{f_j(x_i)})⑵

根据具体情况由式（1）和式（2）确定各分目标向量的向量函数的优属度μ_j(x_i)。确定各个f_j(x_i)的隶属度μ_j(x_i)后，多目标决策模型就转化为模糊多目标决策模型，即 $J=\underset{x_i\∈X}{\max }\left\{\mathrm{\μ}\left(x_i\right)\right\},\mathrm{\μ}\left(x_i\right)=\underset{j}{\mathrm{\Σ}}{\mathrm{\ω}}_j{\mathrm{\μ}}_j\left(x_i\right)$ ⑶。（3）式中，

通常称[0,1]^m为m维隶属度空间，为m维Euclidean空间。

第三，确定模糊多目标的多通信手段权重迭代算法。目标权重体现各通信指标重要程度，及指挥员在决策中个人的期望与偏好等信息。在各通信手段的评价和优选时，目标无法完全定量确定。为了在目标权重未知的情况下仍能做出正确决策，这里提出一种改进的交叉迭代法。取下式指标刻画方案x_i的优劣，即 ${\mathrm{\θ}}_i({\mathrm{\μ}}_i,\stackrel{\‾}{\mathrm{\ω}})=\frac{{\mathrm{\μ}}_j}{1-{\mathrm{\μ}}_j+{\mathrm{\μ}}_j^2}{y}_j\left(\stackrel{\‾}{\mathrm{\ω}}\right)+{(1-{\mathrm{\μ}}_j)}^3{\mathrm{\β}}_j\left(\stackrel{\‾}{\mathrm{\ω}}\right)(j=\mathrm{1,2},...,n).$ 对于给定的 $\stackrel{\‾}{\mathrm{\ω}}={({\mathrm{\ω}}_1,{\mathrm{\ω}}_2,...,{\mathrm{\ω}}_m)}^T$ 和μ＝(μ₁,μ₂,...,μ_n)^T，指标

越小则方案x_i越优。于是，可将式（3）转化如下：

$\min \{\mathrm{\θ}(\mathrm{\μ},\stackrel{\‾}{\mathrm{\ω}})={\left({\mathrm{\θ}}_1({\mathrm{\μ}}_1,\stackrel{\‾}{\mathrm{\ω}})\right),{\mathrm{\θ}}_2({\mathrm{\μ}}_2,\stackrel{\‾}{\mathrm{\ω}})),...,{\mathrm{\θ}}_n({\mathrm{\μ}}_n,\stackrel{\‾}{\mathrm{\ω}}))}^T\}$

$\left\{\begin{array}{c}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_j=1\\ {\mathrm{\ω}}_j\≥0(j=\mathrm{1,2},...,m)\\ 0\≤{\mathrm{\μ}}_i\≤1(i=\mathrm{1,2},...,n)\end{array}\right.---\left(4\right)$

将式（4）等权重集结为非线性规划问题，即

$\min \{F(\mathrm{\μ},\stackrel{\‾}{\mathrm{\ω}})=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\θ}}_i({\mathrm{\μ}}_i,\stackrel{\‾}{\mathrm{\ω}})/n\}$

$\left\{\begin{array}{c}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_j=1\\ {\mathrm{\ω}}_j\≥0(j=\mathrm{1,2},...,m)\\ 0\≤{\mathrm{\μ}}_i\≤1(i=\mathrm{1,2},...,n)\end{array}\right.---\left(5\right)$

构造拉格朗日函数为 $L(\stackrel{\‾}{\mathrm{\ω}},\mathrm{\λ})=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\θ}}_i({\mathrm{\μ}}_i,\stackrel{\‾}{\mathrm{\ω}})/n+\mathrm{\λ}(\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_j-d),$ 对分别关于ω_j、μ_i和λ求偏导，并求解得

${\stackrel{\‾}{\mathrm{\ω}}}_j=\left\{\begin{array}{c}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[\frac{{\mathrm{\μ}}_j}{1+{\mathrm{\μ}}_j^3}{(g_i-{\mathrm{\μ}}_{\mathrm{ij}})}^2+{(1-{\mathrm{\μ}}_j)}^3{({\mathrm{\μ}}_{\mathrm{ij}}-b_i)}^2]}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[\frac{{\mathrm{\μ}}_j}{1+{\mathrm{\μ}}_j^3}{(g_k-{\mathrm{\μ}}_{\mathrm{kj}})}^2+{(1-{\mathrm{\μ}}_j)}^3{({\mathrm{\μ}}_{\mathrm{kj}}-b_k)}^2]}(j=\mathrm{1,2},...,m)---\left(6\right)\end{array}\right.$

${\stackrel{\‾}{\mathrm{\μ}}}_i={[1+\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_j^2{(g_i-{\mathrm{\μ}}_{\mathrm{ij}})}^2/\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_j^2{({\mathrm{\μ}}_{\mathrm{ij}}-b_i)}^2]}^{-1}(i=\mathrm{1,2},...,n)---\left(7\right)$

式（6）与式（7）是求解多通信手段权重的迭代公式。

最后，确定模糊多通信手段权重及方案集优劣排序。以下是迭代步骤：

权重初始化：给定计算精度ε，使得ε＞0，选取初始权重向量

满足 $\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\stackrel{\‾}{\mathrm{\ω}}}_j^0=1,$ 且 ${\stackrel{\‾}{\mathrm{\ω}}}_j^0\≥0(j=\mathrm{1,2},...,m),$ 置t＝0。

计算优属度：由

与式（7）可得x_i优属度

计算权重：由 ${\stackrel{\‾}{\mathrm{\μ}}}^T={({\stackrel{\‾}{\mathrm{\μ}}}_1^t,{\stackrel{\‾}{\mathrm{\μ}}}_2^t,...,{\stackrel{\‾}{\mathrm{\μ}}}_n^t)}^T$ 和式（6）可计算权重 ${\stackrel{\‾}{\mathrm{\ω}}}^{t+1}={({\stackrel{\‾}{\mathrm{\ω}}}_1^{t+1},{\stackrel{\‾}{\mathrm{\ω}}}_2^{t+1},...,{\stackrel{\‾}{\mathrm{\ω}}}_m^{t+1})}^T.$

精度检验：若满足下式

则转到下一步，否则，置t＝t+1,并转到第二步。

决策：由

与式（7）可算得方案集X的优属度向量

由大到小的顺序及方案集X的优劣顺序。

根据上述方法步骤，现通过一个实例解决通信手段选择问题。

现有可供选择的通信手段有6个，包括光纤通信、被覆线通信、短波通信、超短波通信、卫星通信、散射通信，分别用x₁,x₂,...,x₆来表示。根据实际作战需求，获取一些目标数据，根据目标数据作出决策，以确定最优通信手段选择排序。目标数据主要有G₁-丢包率、G₂-吞吐量、G₃-时延、G₄-抗毁性。各目标的目标值给定，经模糊化，如图3所示。

最后求的6个方案的优属度向量为 $\stackrel{\‾}{\mathrm{\μ}}={({\stackrel{\‾}{\mathrm{\μ}}}_1,{\stackrel{\‾}{\mathrm{\μ}}}_2,{\stackrel{\‾}{\mathrm{\μ}}}_3,{\stackrel{\‾}{\mathrm{\μ}}}_4,{\stackrel{\‾}{\mathrm{\μ}}}_5,{\stackrel{\‾}{\mathrm{\μ}}}_6)}^T={\left(\mathrm{0.7012,0.6129,0.4431,0.6723,0.2728,0.6235}\right)}^T.$

通信手段选择排序仿真如图2所示：易于看出，通信手段的最优选择排序是x₁＞x₄＞x₆＞x₂＞x₃＞x₅。

综上可得：

（1）本发明首次建立了多目标的多种通信手段决策模型，模型符合实际实际需求，具有很强的工程意义。

（2）本发明提供了科学合理的通信手段选择方法，克服了人为主观选择方法的不足与片面性，提高了决策效率。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (4)

1.一种快速高效的通信手段选择方法，其特征在于：

第一步：建立多目标的多通信手段决策模型；

第二步：将多通信手段决策模型转化为模糊多通信手段决策模型；

第三步：确定模糊多目标的多通信手段权重迭代算法。

2.根据权利要求1所述的一种快速高效的通信手段选择方法，其特征在于：建立多通信手段决策模型方法为：决策空间X＝{x₁,x₂,...,x_n}，其中x_j(j＝1,2,...,n)表示面临选择的各通信手段。指战员决策时要考虑的目标有m个：G₁,G₂,L,G_m，分别表示丢包率、误码率、吞吐量、时延、抗毁性、可靠性、抗干扰性等。目标函数 $J=\underset{x_i\∈X}{\max }\left\{f\left(x_i\right)\right\},f\left(x_i\right)=\underset{j}{\mathrm{\Σ}}{\mathrm{\ω}}_j{a}_{\mathrm{ij}},{\mathrm{\ω}}_j(j=\mathrm{1,2},...,m)$ 表示第j个目标的权重，a_i,j表示第i个方案、第j个目标的目标值；由于各个目标的量纲不同，并且有些目标值要求最大而有些要求最小，则可首先将目标值变换成效用值或无量纲值，然后再用改进的交叉迭代法计算新的目标函数值并进行比较，以决定方案取舍，从而提高决策的准确性。

3.根据权利要求1所述的一种快速高效的通信手段选择方法，其特征在于：

将多通信手段决策模型转化为模糊多通信手段决策模型：当目标向量函数为效益型时，选取优属度为：

当目标向量函数为成本型时，选取优属度为：

μ_j(x_i)＝(sup{f_j(x_i)}-a_ij)/(sup{f_j(x_i)}-inf{f_j(x_i)})⑵

根据具体情况由式（1）和式（2）确定各分目标向量的向量函数的优属度μ_j(x_i)。确定各个f_j(x_i)的隶属度μ_j(x_i)后，多目标决策模型就转化为模糊多目标决策模型，即：

$J=\underset{x_i\∈X}{\max }\left\{\text{\μ}\left(x_i\right)\right\},\mathrm{\μ}\left(x_i\right)=\underset{j}{\mathrm{\Σ}}{\mathrm{\ω}}_j{\mathrm{\μ}}_j\left(x_i\right)---\left(3\right)$ 式（3）中，

通常称[0,1]^m为m维隶属度空间，

为m维Euclidean空间。

4.根据权利要求1所述的一种快速高效的通信手段选择方法，其特征在于：确定模糊多目标的多通信手段权重迭代算法为；取下式指标刻画方案x_i的优劣，即 ${\mathrm{\θ}}_i({\mathrm{\μ}}_i,\stackrel{\‾}{\mathrm{\ω}})=\frac{{\mathrm{\μ}}_j}{1-{\mathrm{\μ}}_j+{\mathrm{\μ}}_j^2}{y}_j\left(\stackrel{\‾}{\mathrm{\ω}}\right)+{(1-{\mathrm{\μ}}_j)}^3{\mathrm{\β}}_j\left(\stackrel{\‾}{\mathrm{\ω}}\right)(j=\mathrm{1,2},...,n);$

对于给定的

和

指标

越小则方案x_i越优，于是，可将式（3）转化如下：

$\min \{\mathrm{\θ}(\mathrm{\μ},\stackrel{\‾}{\mathrm{\ω}})={\left({\mathrm{\θ}}_1({\mathrm{\μ}}_1,\stackrel{\‾}{\mathrm{\ω}})\right),{\mathrm{\θ}}_2({\mathrm{\μ}}_2,\stackrel{\‾}{\mathrm{\ω}})),...,{\mathrm{\θ}}_n({\mathrm{\μ}}_n,\stackrel{\‾}{\mathrm{\ω}}))}^T\}$

$\left\{\begin{array}{c}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_j=1\\ {\mathrm{\ω}}_j\≥0(j=\mathrm{1,2},...,m)\\ 0\≤{\mathrm{\μ}}_i\≤1(i=\mathrm{1,2},...,n)\end{array}\right.---\left(4\right)$

将式（4）等权重集结为非线性规划问题，即

$\min \{F(\mathrm{\μ},\stackrel{\‾}{\mathrm{\ω}})=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\θ}}_i({\mathrm{\μ}}_i,\stackrel{\‾}{\mathrm{\ω}})/n\}$

$\left\{\begin{array}{c}\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_j=1\\ {\mathrm{\ω}}_j\≥0(j=\mathrm{1,2},...,m)\\ 0\≤{\mathrm{\μ}}_i\≤1(i=\mathrm{1,2},...,n)\end{array}\right.---\left(5\right)$

构造拉格朗日函数为 $L(\stackrel{\‾}{\mathrm{\ω}},\mathrm{\λ})=\underset{i=1}{\overset{n}{\mathrm{\Σ}}}{\mathrm{\θ}}_i({\mathrm{\μ}}_i,\stackrel{\‾}{\mathrm{\ω}})/n+\mathrm{\λ}(\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_j-1)$ ，对

分别关于ω_j、μ_i和λ求偏导，并求解得

${\stackrel{\‾}{\mathrm{\ω}}}_j=\left\{\begin{array}{c}\underset{k=1}{\overset{m}{\mathrm{\Σ}}}\frac{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[\frac{{\mathrm{\μ}}_j}{1+{\mathrm{\μ}}_j^3}{(g_i-{\mathrm{\μ}}_{\mathrm{ij}})}^2+{(1-{\mathrm{\μ}}_j)}^3{({\mathrm{\μ}}_{\mathrm{ij}}-b_i)}^2]}{\underset{i=1}{\overset{n}{\mathrm{\Σ}}}[\frac{{\mathrm{\μ}}_j}{1+{\mathrm{\μ}}_j^3}{(g_k-{\mathrm{\μ}}_{\mathrm{kj}})}^2+{(1-{\mathrm{\μ}}_j)}^3{({\mathrm{\μ}}_{\mathrm{kj}}-b_k)}^2]}(j=\mathrm{1,2},...,m),---\left(6\right)\end{array}\right.$

${\stackrel{\‾}{\mathrm{\μ}}}_i={[1+\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_j^2{(g_i-{\mathrm{\μ}}_{\mathrm{ij}})}^2/\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\ω}}_j^2{({\mathrm{\μ}}_{\mathrm{ij}}-b_i)}^2]}^{-1}(i=\mathrm{1,2},...,n),---\left(7\right)$

式（6）与式（7）是求解多通信手段权重的迭代算法公式；最后，确定模糊多通信手段权重及方案集优劣排序；以下是迭代步骤：

权重初始化：给定计算精度ε，使得ε＞0，选取初始权重向量

满足 $\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\stackrel{\‾}{\mathrm{\ω}}}_j^0=1$ ，且 ${\stackrel{\‾}{\mathrm{\ω}}}_j^0\≥0(j=\mathrm{1,2},...,m)$ ，置t＝0；

计算优属度：由

与式（7）可得x_i优属度

；

计算权重：由 ${\stackrel{\‾}{\mathrm{\μ}}}^T={({\stackrel{\‾}{\mathrm{\μ}}}_1^t,{\stackrel{\‾}{\mathrm{\μ}}}_2^t,...,{\stackrel{\‾}{\mathrm{\μ}}}_n^t)}^T$ 和式（6）可计算权重 ${\stackrel{\‾}{\mathrm{\ω}}}^{t+1}={({\stackrel{\‾}{\mathrm{\ω}}}_1^{t+1},{\stackrel{\‾}{\mathrm{\ω}}}_2^{t+1},...,{\stackrel{\‾}{\mathrm{\ω}}}_m^{t+1})}^T$ ；

精度检验：若满足下式

，则转到下一步，否则，置t＝t+1,并转到第二步；

决策：由

与式（7）可算得方案集X的优属度向量

由大到小的顺序及方案集X的优劣顺序。

Images