CN103298076A - 一种异构网络中的接入网络选择的方法 - Google Patents
一种异构网络中的接入网络选择的方法 Download PDFInfo
- Publication number
- CN103298076A CN103298076A CN 201310248460 CN201310248460A CN103298076A CN 103298076 A CN103298076 A CN 103298076A CN 201310248460 CN201310248460 CN 201310248460 CN 201310248460 A CN201310248460 A CN 201310248460A CN 103298076 A CN103298076 A CN 103298076A
- Authority
- CN
- China
- Prior art keywords
- network
- user
- service quality
- access network
- service
- 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
Links
Images
Landscapes
- Data Exchanges In Wide-Area Networks (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种异构网络中的接入网络选择的方法,该异构网络中的接入网络选择的方法包括以下步骤:根据博弈论的方法建立用户和网络之间的非合作博弈模型;模型求解,确定了均衡网络和用户双方利益的优化策略;实验仿真与数值分析。本发明通过结合灰度关联思想和机器人学习机制中的sigmoid函数建立了一个非单调性的网络服务质量的量化模型,仿真表明,此模型更加符合实际异构融合网络场景,根据用户和网络之间的非合作博弈模型,采用均衡用户和网络双方利益的策略,通过求解非合作博弈模型,确定网络优化定价策略。此外,本发明帮助用户选择最合适的接入网络,为异构网络融合系统的QoS标准的制定提供依据,满足了不同场景下用户不同等级的服务需求。
Description
技术领域
本发明属于无线通信技术领域,尤其涉及一种异构网络中的接入网络选择的方法。
背景技术
随着无线通信技术的飞速发展,异构无线网络的并存现状正逐渐向着复杂化与集成化的方向转变,下一代无线网络系统将会融合多种无线接入技术,而支持多网络接入端口的用户终端能够通过接入多种不同的网络获取不同的服务,并且可实现在各接入网络之间的无缝切换,为了保证移动终端获得良好的服务质量,应采用合理的决策算法,为用户选择合适的接入网。
近几年,异构无线网络接入选择方法的研究已经取得了一些有价值的成果,例如提出的一种基于改进的多属性拍卖理论的网络选择方法,通过该方法可以根据性价比为用户选择最合适的网络,提出的一种根据网络测量的方差统一量化多属性决策标准权重的方法,提出的一种利用估计的信号干扰加噪声比(SINR)值来进行网络选择的方法,该方法可以帮助用户接入具有较高信噪比的网络,提出的一种基于多属性决策(MADM)和群体决策(GDM)的网络选择算法,该算法不仅考虑到网络的客观属性,而且考虑了用户的偏好和网络服务的类型,提出的一种利用随机控制理论来进行网络选择的策略,该策略重点考虑了随着时间随机变化的无线信道对网络服务质量的影响,文献提出了基于招标模型和合作博弈的垂直切换决策算法,可实现网络负载均衡,满足各种应用的服务质量要求,考虑了无线网络资源分配方式对用户实际获得数据速率的影响,建立了实际数据速率计算公式,然后建立非合作博弈模型并使用纳什均衡来计算用户的接入选择结果,提出的一个基于非合作博弈的异构网络选择算法,该算法重点讨论了用户之间的资源竞争对网络选择的影响,提出的一种动态的网络选择机制,该机制的优势是它能够让用户动态的选择自己的偏好,同时网络运营商也可以动态的改变他们的控制参数,从而使用户能够选择最适合自己的网络。
但是上述方法都假设网络的性能参数是单调的,然而在实际场景中却并非如此;另外上述文献大多在做出选择网络决策时,要么只考虑到用户侧,要么只考虑到网络侧的单方面利益,而鲜见从网络和用户双方同时考虑来平衡双方利益的决策。
发明内容
本发明实施例的目的在于提供一种异构网络中的接入网络选择的方法,旨在解决现有的方法都假设网络的性能参数是单调的,然而在实际场景中却并非如此;另外上述文献大多在做出选择网络决策时,要么只考虑到用户侧,要么只考虑到网络侧的单方面利益,而鲜见从网络和用户双方同时考虑来平衡双方利益的决策的问题。
本发明实施例是这样实现的,一种异构网络中的接入网络选择的方法,该异构网络中的接入网络选择的方法包括以下步骤:
根据博弈论的方法建立用户和网络之间的非合作博弈模型;
模型求解,确定了均衡网络和用户双方利益的优化策略;
实验仿真与数值分析。
进一步,网络接入服务质量模型中用户在选择接入网时,采用灰度关联思想根据网络提供的QoS参数进行抉择。
进一步,面对异构网络融合系统的多样性、异构性以及用户对于非单调性服务质量的需求,基于机器学习机制中的Sigmoid函数的改进函数,评估异构融合系统中非单调性的网络服务质量,区分服务等级的服务质量量化函数:
其中,C1,S1,S2均为常量,k表示当前网络可以提供的网络参数的个数,wi(0<wi<1)及Ti分别表示用户对参数i(i∈k)的敏感度和可容忍的程度,μ表示用户的服务等级,为了简单起见采用均匀分配的原则把服务等级分为5级,分别为[0,0.25,0.5,0.75,1],
Vi表示统一量化后的网络参数,根据不同网络参数对用户的利害影响把Vi分为2大类,第1类称为效益量,即用户希望最大化的值,这样用户能得到更好QoS体验,例如带宽,吞吐量等,第2类称为代价量,即用户希望其值最小化的量,例如时延,抖动,丢包率。
进一步,两类参数的标准化公式分别为:
效益量标准化:
代价量标准化:
其中,Xi表示网络可以为用户提供该参数的实际值,和分别表示网络可以为用户提供的该参数的最大及最小值,由式(2)和式(3)可知,Vi取值范围为[0,1],Vi的取值越小,网络可以为用户提供的服务质量越高。
进一步,
建立的模型为非合作的博弈模型的基本要素如下:
一参与者:接入网络i(i=1,2,…,N)以及一个用户;
二策略:接入网络i的策略是接入网络服务质量的价格策略Pi(Pi≥0,i=1,2,…,N);用户的策略是选择接入一个网络;
三收益:当接入网络i的服务质量价格为Pi时,接入网络i后,用户的收益函数定义为:
Ri=Qi-αQiPi (4)
上式中α表示成本因子,Qi表示网络i的服务质量,Pi表示网络i提供的单位服务质量的价格。
进一步,建立的模型为非合作的博弈模型的最优服务质量,网络i的服务质量Qi与单位服务质量价格Pi之间的函数关系可以由不同接入网络的总效用函数来表示:
式中,Q=(Q1,...,Qi,…,QM)为M个接入网络的服务质量,Pi表示网络i单位服务质量的价格,ρ(0≤ρ≤1)表示不同网络之间的竞争因子,当ρ=0时表示网络竞争激烈,它们所提供的服务无法替代,当ρ=1时表示网络之间不存在竞争,网络提供的服务完全可以替代,当0≤ρ≤1时表示M个不同的接入网络之间提供服务的可替代程度,
网络i的最优服务质量可以通过最大化不同接入网的总效用函数来实现,即将U(Q)对Pi求一阶偏导数然后置0:
联合求解式(6)中的Qi(i=1,2,…,N),可得到最优服务质量函数:
非合作博弈模型的求解,由收益函数(4)和需求量函数(7)的关系可知,接入网判决函数可表示为价格的函数:
其中,
进一步,最佳价格函数可通过Ri(P)对Pi求导并使其等于0得到:
整理得:
进一步,该异构网络中的接入网络选择的方法,当用户在异构融合网络中有多个网络可以选择时,用户可以根据自己所处的具体场景选定一个合适的服务质量等级,然后通过区分服务等级的服务质量量化函数来量化不同接入网的服务质量,最后根据收益函数来选择用户收益最大的网络。
本发明提供的异构网络中的接入网络选择的方法,通过结合灰度关联思想和机器人学习机制中的sigmoid函数建立了一个非单调性的网络服务质量的量化模型,仿真表明,此模型更加符合实际异构融合网络场景,根据用户和网络之间的非合作博弈模型,采用均衡用户和网络双方利益的策略,通过求解非合作博弈模型,确定网络优化定价策略。本发明一方面可以帮助用户选择最合适的接入网络,另一方面可以为异构网络融合系统的QoS标准的制定提供依据。仿真结果表明该选择策略可以满足不同场景下用户不同等级的服务需求,并且可以均衡用户和网络双方的利益最终达到共赢的目的。
附图说明
图1是本发明实施例提供的异构网络中的接入网络选择的方法的流程图;
图2是本发明实施例提供的具有一个参数的单调性和非单调性决策场景的曲线图;
图3是本发明实施例提供的传统的服务质量和区分等级的服务质量的比较的示意图;
图4是本发明实施例提供的不同等级的服务质量的比较的示意图;
图5是本发明实施例提供的网络价格对收益的影响的示意图;
图6是本发明实施例提供的服务等级对收益的影响的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
图1示出了本发明提供的异构网络中的接入网络选择的方法流程。为了便于说明,仅仅示出了与本发明相关的部分。
本发明的异构网络中的接入网络选择的方法,该异构网络中的接入网络选择的方法包括以下步骤:
根据博弈论的方法建立用户和网络之间的非合作博弈模型;
模型求解,确定了均衡网络和用户双方利益的优化策略;
实验仿真与数值分析。
作为本发明实施例的一优化方案,网络接入服务质量模型中用户在选择接入网时,采用灰度关联思想根据网络提供的QoS参数进行抉择。
作为本发明实施例的一优化方案,面对异构网络融合系统的多样性、异构性以及用户对于非单调性服务质量的需求,基于机器学习机制中的Sigmoid函数的改进函数,评估异构融合系统中非单调性的网络服务质量,区分服务等级的服务质量量化函数:
其中,C1,S1,S2均为常量,k表示当前网络可以提供的网络参数的个数,wi(0<wi<1)及Ti分别表示用户对参数i(i∈k)的敏感度和可容忍的程度,μ表示用户的服务等级,为了简单起见采用均匀分配的原则把服务等级分为5级,分别为[0,0.25,0.5,0.75,1],
Vi表示统一量化后的网络参数,根据不同网络参数对用户的利害影响把Vi分为2大类,第1类称为效益量,即用户希望最大化的值,这样用户能得到更好QoS体验,例如带宽,吞吐量等,第2类称为代价量,即用户希望其值最小化的量,例如时延,抖动,丢包率。
作为本发明实施例的一优化方案,两类参数的标准化公式分别为:
效益量标准化:
代价量标准化:
其中,Xi表示网络可以为用户提供该参数的实际值,和分别表示网络可以为用户提供的该参数的最大及最小值,由式(2)和式(3)可知,Vi取值范围为[0,1],Vi的取值越小,网络可以为用户提供的服务质量越高。
作为本发明实施例的一优化方案,建立的模型为非合作的博弈模型的基本要素如下:
一参与者:接入网络i(i=1,2,…,N)以及一个用户;
二策略:接入网络i的策略是接入网络服务质量的价格策略Pi(Pi≥0,i=1,2,…,N);用户的策略是选择接入一个网络;
三收益:当接入网络i的服务质量价格为Pi时,接入网络i后,用户的收益函数定义为:
Ri=Qi-αQiPi (4)
上式中α表示成本因子,Qi表示网络i的服务质量,Pi表示网络i提供的单位服务质量的价格。
作为本发明实施例的一优化方案,建立的模型为非合作的博弈模型的最优服务质量,网络i的服务质量Qi与单位服务质量价格Pi之间的函数关系可以由不同接入网络的总效用函数来表示:
式中,Q=(Q1,...,Qi,…,QM)为M个接入网络的服务质量,Pi表示网络i单位服务质量的价格,ρ(0≤ρ≤1)表示不同网络之间的竞争因子,当ρ=0时表示网络竞争激烈,它们所提供的服务无法替代,当ρ=1时表示网络之间不存在竞争,网络提供的服务完全可以替代,当0≤ρ≤1时表示M个不同的接入网络之间提供服务的可替代程度,
网络i的最优服务质量可以通过最大化不同接入网的总效用函数来实现,即将U(Q)对Pi求一阶偏导数然后置0:
联合求解式(6)中的Qi(i=1,2,…,N),可得到最优服务质量函数:
非合作博弈模型的求解,由收益函数(4)和需求量函数(7)的关系可知,接入网判决函数可表示为价格的函数:
其中,
作为本发明实施例的一优化方案,最佳价格函数可通过Ri(P)对Pi求导并使其等于0得到:
整理得:
作为本发明实施例的一优化方案,该异构网络中的接入网络选择的方法,当用户在异构融合网络中有多个网络可以选择时,用户可以根据自己所处的具体场景选定一个合适的服务质量等级,然后通过区分服务等级的服务质量量化函数来量化不同接入网的服务质量,最后根据收益函数来选择用户收益最大的网络。
下面结合附图及具体实施例对本发明的应用原理作进一步描述。
如图1所示,本发明实施例的异构网络中的接入网络选择的方法包括以下步骤:
S101:根据博弈论的方法建立用户和网络之间的非合作博弈模型;
S102:模型求解,确定了均衡网络和用户双方利益的优化策略;
S103:实验仿真与数值分析。
本发明的具体步骤为:
第一步,网络接入服务质量模型
异构网络融合系统中接入网的选择一方面是实现移动终端无缝融合的关键因素,同时另一方面也是影响用户QoS体验的重要因素,用户在选择接入网时,需要根据网络提供的QoS参数进行抉择,通常依据的网络参数都被假设是单调函数,然而实际并非如此,不同的用户群在不同的时间不同的地点往往会选择不同等级的服务质量,例如在商业场合,用户通常主要考虑的是网络的性能,即要求时延越小越好,带宽越高越好,此时价格成为次要因素,在休闲场合,用户最主要考虑的因素是价格,只要服务质量能保持在一个可以容忍的范围内即可,此时QoS质量成为次要因素,当用户采用不同等级QoS质量的服务时,就产生了用户需要非单调性选择接入网的问题,此时不能用单调性质问题的求解方法来解决问题了,而是要寻找与用户需求的服务质量关联度最大的网络作为用户优先选择的网络,灰度关联思想可以很好的解决这一类的问题,
图2表示了一个只有时延一个QoS参数值的简单决策场景,该场景下有2个网络,其中网络1的时延比网络2的时延小,这两个网络都提供VoIP、流媒体和网页浏览3种业务,传统情况下用户对时延的满意度是单调的,即用户的满意度随着时延的增加而单调地减小,在这种情况下几种业务均选时延较小的网络l;但是在某些休闲场合,用户最主要考虑的因素是价格,只要服务质量能保持在一个可以容忍的范围内即可,此时用户对时延的满意度是非单调的,即用户的满意度并没有随着时延的增加而单调地变化,此时用户希望根据不同业务对时延的需求来选择最接近该时延的网络,而不一定是时延最小的网络,例如图中的3条抛物线分别对应3种不同的业务,抛物线的最高点对应的时延值表示用户最满意的时延值,在这种思想下,VoIP业务会选择网络l,而流媒体和网页浏览则选择网络2,决策者处于利益考虑会更愿意选择这种选择策略,因为它能使各个接入网络的负载均衡,也可以根据用户级别提供不同的QoS保证,
面对异构网络融合系统的多样性、异构性以及用户对于非单调性服务质量的需求,本发明引入基于机器学习机制中的Sigmoid函数的改进函数,评估异构融合系统中非单调性的网络服务质量,区分服务等级的服务质量量化函数:
其中,C1,S1,S2均为常量,k表示当前网络可以提供的网络参数的个数,wi(0<wi<1)及Ti分别表示用户对参数i(i∈k)的敏感度和可容忍的程度,μ表示用户的服务等级,为了简单起见采用均匀分配的原则把服务等级分为5级,分别为[0,0.25,0.5,0.75,1],
Vi表示统一量化后的网络参数,根据不同网络参数对用户的利害影响把Vi分为2大类,第1类称为效益量,即用户希望最大化的值,这样用户能得到更好QoS体验,例如带宽,吞吐量等,第2类称为代价量,即用户希望其值最小化的量,例如时延,抖动,丢包率等,本发明定义两类参数的标准化公式分别为:
效益量标准化:
代价量标准化:
其中,Xi表示网络可以为用户提供该参数的实际值,和分别表示网络可以为用户提供的该参数的最大及最小值,由式(2)和式(3)可知,Vi取值范围为[0,1],Vi的取值越小,网络可以为用户提供的服务质量越高。
图3给出了区分等级的服务质量与传统服务质量的比较,图4给出了不同等级的服务质量的区别,图中示例选择了2个网络参数即k=2,设定C1=1,S1=10,S2=100,Ti=0.6,wi=0.5,服务等级μ取0.25和0.5,图2给出了传统服务质量量化函数和区分等级的服务质量量化函数的区别,图中传统服务质量量化函数在归一化参数1和2都等于0时,服务质量最好,随着归一化参数1和2的增加,服务质量逐渐降低,当参数1和2都等于1时,服务质量最差,区分等级的服务质量并非是随着归一化参数单调的变化,而是在用户需求的服务等级处(0.5)处于最大值,图4给出了服务质量等级分别为0.25和0.5处的服务质量量化函数,从图中可以清楚看到两个函数在服务等级0.25和0.5处,服务质量最高,而其他区间的趋势和传统的服务质量量化函数相同,都是服务质量随着归一化参数的增加而降低,可见,本发明提出的区分等级的服务质量的量化模型的非线性特征可以满足用户在不同的时间地点选择不同等级网络服务质量的需求,
第二步,基于非合作博弈的接入网选择
非合作博弈模型,从网络角度来看,网络要尽可能的为用户提供满意的服务,同时希望以较小的代价给用户提供服务而获得较大的收益,并防止用户转到其他网络;而站在用户角度来看,每个用户都倾向于占用更多的带宽,更高的吞吐量,以及较低的时延等,并希望支付尽可能少的费用,因此本发明建立的模型为非合作的博弈模型;
该模型的基本要素如下:
一参与者:接入网络i(i=1,2,…,N)以及一个用户;
二策略:接入网络i的策略是接入网络服务质量的价格策略Pi(Pi≥0,i=1,2,…,N);用户的策略是选择接入一个网络;
三收益:当接入网络i的服务质量价格为Pi时,接入网络i后,用户的收益函数定义为:
Ri=Qi-αQiPi (4)
上式中α表示成本因子,Qi表示网络i的服务质量,Pi表示网络i提供的单位服务质量的价格,由于该收益函数Ri可以帮助用户选择性价比较高的网络,同时本发明采用区分等级的服务质量的量化方法来量化网络i的服务质量Qi,可以避免某个网络过度拥挤而导致的负载不均衡,由此可见该函数折中了用户和网络两方面的利益,因此,本发明选择该函数收益函数作为用户接入网络的判决函数,这样既保证了用户的利益又保证了网络方的利益,最终实现共赢的目标;
最优服务质量,网络i的服务质量Qi与单位服务质量价格Pi之间的函数关系可以由不同接入网络的总效用函数来表示:
式中,Q=(Q1,...,Qi,…,QM)为M个接入网络的服务质量,Pi表示网络i单位服务质量的价格,ρ(0≤ρ≤1)表示不同网络之间的竞争因子,当ρ=0时表示网络竞争激烈,它们所提供的服务无法替代,当ρ=1时表示网络之间不存在竞争,网络提供的服务完全可以替代,当0≤ρ≤1时表示M个不同的接入网络之间提供服务的可替代程度,
网络i的最优服务质量可以通过最大化不同接入网的总效用函数来实现,即将U(Q)对Pi求一阶偏导数然后置0:
联合求解式(6)中的Qi(i=1,2,…,N),可得到最优服务质量函数:
非合作博弈模型的求解,由收益函数(4)和需求量函数(7)的关系可知,接入网判决函数可表示为价格的函数:
其中,
最佳价格函数可通过Ri(P)对Pi求导并使其等于0得到:
整理得:
当用户在异构融合网络中有多个网络可以选择时,用户可以根据自己所处的具体场景选定一个合适的服务质量等级,然后通过区分服务等级的服务质量量化函数来量化不同接入网的服务质量,最后根据收益函数来选择用户收益最大的网络;
第三步,实验仿真与数值分析
本发明实验仿真中假设异构融合网络中有两个类型不同的接入网,参数的设定如下:N=2,k=2,α=0.1,0.3≤ei≤0.8,0.3≤ρ≤0.6,i=1,2,
图5给出了价格与用户收益的关系,其中图(a)显示了用户接入网络1的收益与该网络的价格的关系,由图(a)可见开始时用户收益随着价格的增加而增加,在到达某一价格后(即为网络2的价格确定后,网络1的最佳价格),最后随着价格的增加而减少,这表示用户选择网络时,并非是网络制定的价格越低越好,而是在最佳的价格时用户收益最大,从图中我们还可以看到,用户接入网络1的收益随着网络2价格的增加也会增加,原因是用户更倾向于选择价格低的网络,图(b)显示了用户接入网络2的收益与网络1价格的关系,在网络2的价格确定的情况下,用户接入网络2的收益随着网络1价格的增加而增加,同时还可以观察到,网络2的价格在适中时(0.3),用户的收益会比在高价格策略(0.7)和低价格策略(0.1)时更高,即此时用户有较高的几率接入网络2;
图6给出了在区分服务等级的情况下,不同等级服务质量与用户收益的关系,图中服务质量的等级分别为0.25和0.5,从图中可以看出本发明提出的判决函数可以有效满足用户对不同等级服务质量的需求。
本发明结合灰度关联思想和机器人学习机制中的sigmoid函数建立了一个非单调性的网络服务质量的量化模型,仿真表明,此模型更加符合实际异构融合网络场景,根据用户和网络之间的非合作博弈模型,采用均衡用户和网络双方利益的策略,通过求解非合作博弈模型,确定网络优化定价策略;
数值仿真结果显示,本发明提出的区分等级的服务质量统一量化模型可以有效地衡量异构网络融合服务场景下的不同用户的QoS需求,同时均衡网络和用户利益的网络选择算法为用户接入网络提供了判决依据,当网络方采取最佳价格策略时,用户获得最大的利益。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种异构网络中的接入网络选择的方法,其特征在于,该异构网络中的接入网络选择的方法包括以下步骤:
根据博弈论的方法建立用户和网络之间的非合作博弈模型;
模型求解,确定了均衡网络和用户双方利益的优化策略;
实验仿真与数值分析。
2.如权利要求1所述的异构网络中的接入网络选择的方法,其特征在于,网络接入服务质量模型中用户在选择接入网时,采用灰度关联思想根据网络提供的QoS参数进行抉择。
3.如权利要求1所述的异构网络中的接入网络选择的方法,其特征在于,面对异构网络融合系统的多样性、异构性以及用户对于非单调性服务质量的需求,基于机器学习机制中的Sigmoid函数的改进函数,评估异构融合系统中非单调性的网络服务质量,区分服务等级的服务质量量化函数:
其中,C1,S1,S2均为常量,k表示当前网络可以提供的网络参数的个数,wi(0<wi<1)及Ti分别表示用户对参数i(i∈k)的敏感度和可容忍的程度,μ表示用户的服务等级,为了简单起见采用均匀分配的原则把服务等级分为5级,分别为[0,0.25,0.5,0.75,1],
Vi表示统一量化后的网络参数,根据不同网络参数对用户的利害影响把Vi分为2大类,第1类称为效益量,即用户希望最大化的值,这样用户能得到更好QoS体验,例如带宽,吞吐量等,第2类称为代价量,即用户希望其值最小化的量,例如时延,抖动,丢包率。
5.如权利要求1所述的异构网络中的接入网络选择的方法,其特征在于,建立的模型为非合作的博弈模型的基本要素如下:
一参与者:接入网络i(i=1,2,…,N)以及一个用户;
二策略:接入网络i的策略是接入网络服务质量的价格策略Pi(Pi≥0,i=1,2,…,N);用户的策略是选择接入一个网络;
三收益:当接入网络i的服务质量价格为Pi时,接入网络i后,用户的收益函数定义为:
Ri=Qi-αQiPi (4)
上式中α表示成本因子,Qi表示网络i的服务质量,Pi表示网络i提供的单位服务质量的价格。
6.如权利要求5所述的异构网络中的接入网络选择的方法,其特征在于,建立的模型为非合作的博弈模型的最优服务质量,网络i的服务质量Qi与单位服务质量价格Pi之间的函数关系可以由不同接入网络的总效用函数来表示:
式中,Q=(Q1,...,Qi,…,QM)为M个接入网络的服务质量,Pi表示网络i单位服务质量的价格,ρ(0≤ρ≤1)表示不同网络之间的竞争因子,当ρ=0时表示网络竞争激烈,它们所提供的服务无法替代,当ρ=1时表示网络之间不存在竞争,网络提供的服务完全可以替代,当0≤ρ≤1时表示M个不同的接入网络之间提供服务的可替代程度,
网络i的最优服务质量可以通过最大化不同接入网的总效用函数来实现,即将U(Q)对Pi求一阶偏导数然后置0:
联合求解式(6)中的Qi(i=1,2,…,N),可得到最优服务质量函数:
非合作博弈模型的求解,由收益函数(4)和需求量函数(7)的关系可知,接入网判决函数可表示为价格的函数:
其中,
8.如权利要求1所述的异构网络中的接入网络选择的方法,其特征在于,该异构网络中的接入网络选择的方法,当用户在异构融合网络中有多个网络可以选择时,用户可以根据自己所处的具体场景选定一个合适的服务质量等级,然后通过区分服务等级的服务质量量化函数来量化不同接入网的服务质量,最后根据收益函数来选择用户收益最大的网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310248460.1A CN103298076B (zh) | 2013-06-21 | 2013-06-21 | 一种异构网络中的接入网络选择的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310248460.1A CN103298076B (zh) | 2013-06-21 | 2013-06-21 | 一种异构网络中的接入网络选择的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103298076A true CN103298076A (zh) | 2013-09-11 |
CN103298076B CN103298076B (zh) | 2017-06-20 |
Family
ID=49098225
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310248460.1A Expired - Fee Related CN103298076B (zh) | 2013-06-21 | 2013-06-21 | 一种异构网络中的接入网络选择的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103298076B (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104980496A (zh) * | 2015-05-15 | 2015-10-14 | 江苏博智软件科技有限公司 | 基于云计算负载均衡的虚拟节能调度方法 |
CN105007601A (zh) * | 2015-08-13 | 2015-10-28 | 重庆邮电大学 | 一种异构网络的网络选择方法及装置 |
CN105426628A (zh) * | 2015-12-10 | 2016-03-23 | 中南大学 | 一种复杂产品异构模型融合方法 |
CN105516636A (zh) * | 2015-11-25 | 2016-04-20 | 南京邮电大学 | 一种基于视频通信的异构网络多接入资源分配方法 |
CN103813411B (zh) * | 2014-01-16 | 2017-03-29 | 南京邮电大学 | 一种基于博弈论的多接入带宽分配方法 |
CN107426543A (zh) * | 2017-08-10 | 2017-12-01 | 广东科学技术职业学院 | 一种基于物联网的新能源汽车远程监控系统 |
CN109068350A (zh) * | 2018-08-15 | 2018-12-21 | 西安电子科技大学 | 一种无线异构网络的终端自主选网系统及方法 |
CN105120468B (zh) * | 2015-07-13 | 2019-03-05 | 华中科技大学 | 一种基于演化博弈论的动态无线网络选择方法 |
CN110661649A (zh) * | 2019-09-05 | 2020-01-07 | 深圳供电局有限公司 | 一种电力通信网资源分配方法 |
CN110677352A (zh) * | 2019-10-09 | 2020-01-10 | 北京电子科技学院 | 一种软件定义网络中单交换机单控制器传输控制方法 |
CN110677301A (zh) * | 2019-10-09 | 2020-01-10 | 北京电子科技学院 | 一种5g网络中多交换机单控制器软件定义传输控制方法 |
CN110753319A (zh) * | 2019-10-12 | 2020-02-04 | 山东师范大学 | 异构车联网中面向异质业务的分布式资源分配方法及系统 |
CN112333753A (zh) * | 2020-11-27 | 2021-02-05 | 中国联合网络通信集团有限公司 | 一种可接入用户数的评估方法和装置 |
CN112671558A (zh) * | 2020-12-08 | 2021-04-16 | 山东大学 | 基于博弈的软件定义网络控制器收益优化方法及系统 |
CN113407248A (zh) * | 2020-12-11 | 2021-09-17 | 绍兴文理学院 | 基于流量权重控制的传感边缘云内部DDoS攻击主动防御方法 |
CN114501551A (zh) * | 2022-04-02 | 2022-05-13 | 中国人民解放军军事科学院国防科技创新研究院 | 基于有序势博弈的多用户分布式异构网络选择策略方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2296395A1 (en) * | 2009-09-09 | 2011-03-16 | Deutsche Telekom AG | System and method to derive deployment strategies for metropolitan wireless networks using game theory |
CN101808366B (zh) * | 2010-02-05 | 2012-08-08 | 西安电子科技大学 | 基于认知的异构网络资源管理系统及其管理方法 |
CN102281549B (zh) * | 2011-08-22 | 2013-08-21 | 北京航空航天大学 | 一种基于博弈论的移动自组织网络资源接纳控制方法 |
-
2013
- 2013-06-21 CN CN201310248460.1A patent/CN103298076B/zh not_active Expired - Fee Related
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103813411B (zh) * | 2014-01-16 | 2017-03-29 | 南京邮电大学 | 一种基于博弈论的多接入带宽分配方法 |
CN104980496A (zh) * | 2015-05-15 | 2015-10-14 | 江苏博智软件科技有限公司 | 基于云计算负载均衡的虚拟节能调度方法 |
CN105120468B (zh) * | 2015-07-13 | 2019-03-05 | 华中科技大学 | 一种基于演化博弈论的动态无线网络选择方法 |
CN105007601B (zh) * | 2015-08-13 | 2018-05-15 | 重庆邮电大学 | 一种异构网络的网络选择方法及装置 |
CN105007601A (zh) * | 2015-08-13 | 2015-10-28 | 重庆邮电大学 | 一种异构网络的网络选择方法及装置 |
CN105516636A (zh) * | 2015-11-25 | 2016-04-20 | 南京邮电大学 | 一种基于视频通信的异构网络多接入资源分配方法 |
CN105516636B (zh) * | 2015-11-25 | 2018-08-24 | 南京邮电大学 | 一种基于视频通信的异构网络多接入资源分配方法 |
CN105426628A (zh) * | 2015-12-10 | 2016-03-23 | 中南大学 | 一种复杂产品异构模型融合方法 |
CN107426543A (zh) * | 2017-08-10 | 2017-12-01 | 广东科学技术职业学院 | 一种基于物联网的新能源汽车远程监控系统 |
CN109068350B (zh) * | 2018-08-15 | 2021-09-28 | 西安电子科技大学 | 一种无线异构网络的终端自主选网系统及方法 |
CN109068350A (zh) * | 2018-08-15 | 2018-12-21 | 西安电子科技大学 | 一种无线异构网络的终端自主选网系统及方法 |
CN110661649A (zh) * | 2019-09-05 | 2020-01-07 | 深圳供电局有限公司 | 一种电力通信网资源分配方法 |
CN110661649B (zh) * | 2019-09-05 | 2022-07-26 | 深圳供电局有限公司 | 一种电力通信网资源分配方法 |
CN110677301A (zh) * | 2019-10-09 | 2020-01-10 | 北京电子科技学院 | 一种5g网络中多交换机单控制器软件定义传输控制方法 |
CN110677301B (zh) * | 2019-10-09 | 2022-02-08 | 北京电子科技学院 | 一种5g网络中多交换机单控制器软件定义传输控制方法 |
CN110677352A (zh) * | 2019-10-09 | 2020-01-10 | 北京电子科技学院 | 一种软件定义网络中单交换机单控制器传输控制方法 |
CN110753319A (zh) * | 2019-10-12 | 2020-02-04 | 山东师范大学 | 异构车联网中面向异质业务的分布式资源分配方法及系统 |
CN110753319B (zh) * | 2019-10-12 | 2022-10-18 | 山东师范大学 | 异构车联网中面向异质业务的分布式资源分配方法及系统 |
CN112333753A (zh) * | 2020-11-27 | 2021-02-05 | 中国联合网络通信集团有限公司 | 一种可接入用户数的评估方法和装置 |
CN112333753B (zh) * | 2020-11-27 | 2023-05-26 | 中国联合网络通信集团有限公司 | 一种可接入用户数的评估方法和装置 |
CN112671558A (zh) * | 2020-12-08 | 2021-04-16 | 山东大学 | 基于博弈的软件定义网络控制器收益优化方法及系统 |
CN113407248A (zh) * | 2020-12-11 | 2021-09-17 | 绍兴文理学院 | 基于流量权重控制的传感边缘云内部DDoS攻击主动防御方法 |
CN113407248B (zh) * | 2020-12-11 | 2024-06-21 | 绍兴文理学院 | 基于流量权重控制的传感边缘云内部DDoS攻击主动防御方法 |
CN114501551A (zh) * | 2022-04-02 | 2022-05-13 | 中国人民解放军军事科学院国防科技创新研究院 | 基于有序势博弈的多用户分布式异构网络选择策略方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103298076B (zh) | 2017-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103298076A (zh) | 一种异构网络中的接入网络选择的方法 | |
CN102781072B (zh) | 基于多属性决策和群组决策的网络选择方法 | |
CN107484209B (zh) | 一种考虑用户QoS的网络负载均衡垂直切换方法 | |
CN103813411B (zh) | 一种基于博弈论的多接入带宽分配方法 | |
CN104066192B (zh) | 一种基于用户体验质量的高能效频率功率分配方法 | |
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 | |
CN103108382A (zh) | 一种基于网络层次分析法的异构网络多属性决策方法 | |
CN101784061B (zh) | 无线接入网的自主负载均衡的实现方法与装置 | |
CN102316465A (zh) | 认知无线网络中频谱博弈分配方法 | |
Zhu et al. | Optimal bandwidth allocation with dynamic service selection in heterogeneous wireless networks | |
CN103442412B (zh) | 一种基于加权最优二分图匹配的网络选择方法 | |
CN110234155A (zh) | 一种基于改进topsis的超密集网络接入选择方法 | |
CN104093009A (zh) | 无线自组织网络中基于网络效用的视频传输方法 | |
Teng et al. | Reinforcement-learning-based double auction design for dynamic spectrum access in cognitive radio networks | |
Chai et al. | Utility-based bandwidth allocation algorithm for heterogeneous wireless networks | |
CN106792779A (zh) | 一种在许可和免许可频段工作的蜂窝网络接入控制方法 | |
CN104796991B (zh) | 基于势博弈的ofdma系统的资源分配方法 | |
CN105246124A (zh) | 一种异构无线网络联合接纳控制方法 | |
CN102186177A (zh) | 基于需求因子的频谱共享博弈方法 | |
CN105813123B (zh) | 基于预测呼叫阻塞率预筛选网络的异构网络接入选择方法 | |
CN104202826A (zh) | 一种基于QoE的CoMP多用户调度方法 | |
CN102711178B (zh) | 基于用户需求和网络负载均衡的群体联合接纳控制方法 | |
CN103249050B (zh) | 基于业务需求的多尺度频谱接入方法 | |
CN104796992A (zh) | 异构网络中的带宽分配与定价方法 | |
Liu et al. | Power rationing for tradeoff between energy consumption and profit in multimedia heterogeneous networks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170620 Termination date: 20210621 |
|
CF01 | Termination of patent right due to non-payment of annual fee |