CN103607756A - 一种基于协同学原理的异构网络多属性决策方法 - Google Patents
一种基于协同学原理的异构网络多属性决策方法 Download PDFInfo
- Publication number
- CN103607756A CN103607756A CN201310518123.XA CN201310518123A CN103607756A CN 103607756 A CN103607756 A CN 103607756A CN 201310518123 A CN201310518123 A CN 201310518123A CN 103607756 A CN103607756 A CN 103607756A
- Authority
- CN
- China
- Prior art keywords
- attribute
- subsystem
- network
- order
- degree
- 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)
Abstract
本发明是一种基于协同学原理的多属性网络决策方法,该方法将网络看作是由多个属性子系统合成的复合系统,从属性均衡协调发展的角度对网络性能评估,根据业务需求为用户提供满意的QoS,即在会话业务下选择低时延、低抖动的网络,而在交互类业务下选择低价格、高吞吐量的网络,并且有效减少垂直切换次数。具体步骤如下:将每个网络属性归类到对应的属性子系统,计算每个属性子系统中各个序参量分量即网络属性的有序度,将序参量分量的有序度几何平均得到每个属性子系统的有序度,再结合AHP属性权重计算每个网络系统的整体熵值,以熵值作为网络效用函数,选择熵值最小即整体有序度最大、属性整体发展最好的网络作为目标网络。
Description
技术领域
本发明属于通信技术领域,涉及一种基于协同学原理的异构网络多属性决策方法。
背景技术
随着无线通信技术的飞跃发展,未来将是各种无线技术共存的局面,各种无线接入技术协同工作融合形成异构网络,它们在覆盖范围、接入速率、容量和网络质量等方面各有优势,彼此之间难以相互替代。异构融合网络环境下,网络的异构性和差异性较大,用户在网络初始化状态首先需要对网络进行选择,选择结束后,随着用户地理位置的改变,业务的变化,以及网络本身的变化,需要对网络重新选择,在异构网络垂直切换过程中,应尽量保证用户的服务质量,即无缝切换,因而异构无线网络中如何选择最优网络是通信领域中研究的一个热点问题。
以往的同构网络选择时只需要考虑接收信号强度,而异构网络中的网络选择问题是典型的多属性决策问题,为了提供用户满意的QoS和最小化服务代价,网络选择除了考虑接收信号强度,还需要根据网络、应用、用户和终端相关的QoS、偏好、服务价格、安全等级、移动性等多种因素进行判断。多属性决策(MADM)常用的网络选择方法包括简单加权法(SAW)、乘法指数权值(MEW)、灰度关联分析法(GRA)、接近理想方案的序数偏好方法(TOPSIS)等。同时多属性决策方法分为客观和主观赋权法,其中客观赋权法根据各个网络客观属性之间的差异来进行网络选择,例如熵权法(EW),主观赋权法根据用户的服务要求进行网络选择,例如层次分析法(AHP),这两种赋权法主要是计算出每个网络属性的权重,再将网络参数加权后的值作为效用函数值,从中选择最小成本或者最大效益的网络作为最佳目标网络。
除了主观赋权和客观赋权法,还有考虑主观和客观的网络决策算法,比如有AHP和TOPSIS或AHP和GRA结合的算法,但是这些算法按照一定的权重将规范化后的客观属性加权,并不能很好得解释这样结合后算法的实际物理意义。本发明将协同学理论应用到网络选择中,利用AHP方法得到根据业务的主观权重,计算属性子系统的有序度,反映各属性子系统的发展状况,二者结合后得到复合系统的系统熵值,熵值越小,说明复合系统的整体有序度较大,各属性子系统间协同发展得较好。
发明内容
技术问题:本发明的目的是提供一种基于AHP和协同学原理的多属性网络决策方法,该方法将每个网络看作是由多个属性子系统合成的复合系统,属性子系统的协同作用体现宏观的网络性能,从属性均衡协调发展的角度对网络性能评估,同时考虑不同业务下的用户服务需求,更符合异构网络决策问题的实际情况,在会话业务下能选择低时延、低抖动的网络,而在交互类业务下选择低价格、高吞吐量的网络,并且可以有效减少垂直切换次数。
技术方案:本发明的基于协同学原理的异构网络多属性网络决策方法,包括以下步骤:
1)确定候选网络复合系统的构成:将每个候选网络复合系统 看作是由吞吐量子系统、及时性子系统、可靠性子系统和费用子系统组成的系统,所述吞吐量子系统包含的属性为可用速率和峰值速率,及时性子系统包含的属性为包时延和包抖动,可靠性子系统包含的属性为包丢失,费用子系统包含的属性为每比特费用,以上属性分别为所对应属性子系统中的序参量分量;
2)计算属性子系统的序参量分量的有序度:对属性子系统,假定属性的取值越大网络性能越好,反之性能越差,而属性的取值越大网络性能越差,反之性能越好,其中k为属性子系统编号,,为属性子系统中效益型属性的个数,为属性子系统的属性总个数,,则属性子系统中各个序参量分量,的有序度为,其中分别为属性的最大值和最小值,i为属性子系统中属性的编号;
4)根据业务类型计算层次分析法权重,具体流程为:
b)根据下式计算得到判断矩阵的一致性比率为:
5)计算复合系统熵值:将步骤3)得到的属性子系统的有序度按照步骤4)得到的层次分析法权重进行加权复合,得到第个候选网络复合系统的系统熵值为,其中表示第个属性子系统的属性编号,表示编号的属性对应的权重,表示属性子系统对候选网络复合系统的贡献权重,为候选网络复合系统的个数;
本发明将协同学原理应用到网络选择问题中,将每个网络看作是由多个属性子系统构成的复合系统,属性子系统间的协同作用呈现网络的整体性能,建立了协同度评价指标模型,用于对宏观的网络性能进行评估。
本发明将每个网络看作是由多个属性子系统合成的复合系统,从属性均衡协调发展的角度对网络性能评估,同时考虑不同业务下的用户服务需求,实现了较好的决策。
有益效果:本发明与现有技术相比,具有以下优点:
1.将协同学原理应用到网络选择中,网络被视为多个属性子系统组成的复合系统,各个属性子系统相互影响又相互合作,属性子系统协同发展最好的网络才是整体性能最优的,若有一方面因素发展不好都会影响所选网络的整体性能,因而在客观方面能以系统内部协调度较好评价网络的总体性能,从而做出客观正确选择。
2.同时利用AHP方法得到各类业务的属性权重,与客观性能进行加权得到最后的效用函数而做出判决,使决策不仅考率了网络客观属性,还要考虑用户需求,使得决策结果更符合实际情况。
3.在会话类业务下,基于AHP和协同学理论的异构网络多属性决策方法的选择结果的平均包时延、包抖动均小于熵权法EW和灰色关联分析法GRA算法,在交互类业务下,基于AHP和协同学理论的异构网络多属性决策方法的选择结果的每比特价格小于EW,GRA算法,而吞吐量大于EW,GRA算法,并且可以有效减少垂直切换次数,因而此算法可以根据不同的业务类型为用户提供满意的QoS。
附图说明
图1为采用AHP和协同学理论实现网络选择的算法流程示意图。
图2为P=0.5时会话业务下的时延、抖动参数和交互类业务下的价格、吞吐量参数的平均统计结果。
图3为会话语音业务下各算法的切换次数随着状态转移概率P的变化图。
图4为交互类业务下各算法的切换次数随着状态转移概率P的变化图。
具体实施方式
下面结合实施例和说明书附图对发明的技术方案进行详细说明:
本发明的思路是将协同学理论运用到解决异构网络的网络选择问题,层次分析法AHP用于求不同业务下的主观属性权重,协同学原理用于对网络属性进行客观判决。建立协同度评价模型,得到属性子系统的有序度,按照AHP权重加权合成得到复合系统的熵值。
以复合系统的熵值为效用函数,对候选网络进行排序并选择代价函数最小的网络,熵值越小的网络对应的属性子系统间协同效应越大,网络性能越好。
整个网络选择过程采用AHP方法和协同学原理实现网络选择的总体流程图见附图1。
本发明的基于协同学原理的异构网络多属性网络决策方法,包括以下步骤:
1)确定候选网络复合系统的构成:在基于协同学原理的多属性网络决策方法中,每个候选网络看作是由多个属性子系统合成的复合系统,各个属性子系统相互影响又相互合作,产生协同作用和合作效应。从系统的角度,将每个网络看作是由多个属性子系统合成的复合系统,各个属性子系统相互影响又相互合作,产生协同作用和合作效应,假设每个候选网络复合系统是由吞吐量子系统、及时性子系统、可靠性子系统和费用子系统组成的系统,即,所述吞吐量子系统包含的属性为可用速率和峰值速率,及时性子系统包含的属性为包时延和包抖动,可靠性子系统包含的属性为包丢失,费用子系统包含的属性为每比特费用,以上属性分别为所对应属性子系统中的序参量分量。
2)计算属性子系统的序参量分量的有序度:对属性子系统,假定属性的取值越大网络性能越好,反之性能越差,而属性的取值越大网络性能越差,反之性能越好,其中k为属性子系统编号,,为属性子系统中效益型属性的个数,为属性子系统的属性总个数,,则属性子系统中各个序参量分量,的有序度为
(1)
其中分别为网络属性的最大值和最小值,i为属性子系统中属性编号,该公式相当于对各个序参量分量即网络属性进行规范化,使其均满足有序度越大网络的属性性能越好,取值范围为0~1。可知属性的有序度越大,对有序的“贡献”越大,即属性在属性子系统的协同过程中越占据主导作用。
4)根据业务类型计算层次分析法AHP权重:
其中表示第m个网络属性相对第n个网络属性的重要程度,和代表第m个网络属性和第n个网络属性的权重,值是引用数字1到9或其倒数作为标度的,数值大小代表了属性的相对重要程度。判断矩阵的主对角线均为1,关于主对角线对称的两个矩阵元素值呈倒数关系,,且。判断矩阵B存在特征方程满足,其中为非零特征向量,为特征值,计算出判断矩阵的最大特征值和对应的特征向量。
b)计算判断矩阵的一致性比率:为对所建立的网络属性的判断矩阵B进行一致性校验:对各网络属性因素两两比较时,得到的判断矩阵不一定满足一致性,可能出现与并不相等,因此需衡量属性判断矩阵的合理性,若不合理,那么得到的主观权重也是不合理的。一致性的衡量指数用一致性比率表示:
c)判断是否满足,如是,说明建立的判断矩阵不合理,则返回步骤a),需要根据用户的业务需求调整,将重要性设的过大的属性降低其重要性,即降低该属性在判断矩阵中的元素值,用户看重但重要性设置不高的属性提高其重要性,即提高该属性在判断矩阵中的元素值,对判断矩阵中的个别元素值略微调整,比如3,5分别代表不同的重要程度,是人为给定的,重要性为5时矩阵不一致那么可以调整重要程度为3、7或其他,从而修改了判断矩阵B;若时,说明判断矩阵满足一致性,进入步骤d)。
5)计算复合系统熵值:利用信息论的无序与有序来间接衡量各属性子系统间的协同度,越是无序不协调的属性系统其无序程度即熵值越大,反之越是有序协调的属性系统其熵值越小,即熵值可以间接反映了属性子系统的协同效用。根据AHP权重计算各个属性子系统的权重即属性子系统所包含的属性权重之和,将属性子系统的有序度按照各个属性子系统的权重分别加权求和得到各个网络复合系统的熵值,第个候选网络复合系统的系统熵值为
其中表示第个属性子系统的属性编号,表示编号的属性对应的权重,表示属性子系统对候选网络复合系统的贡献权重,为候选网络复合系统的个数。这四个属性子系统按照各自的贡献权重与自身熵值加权求和得到复合系统的熵值,因此当四个属性子系统的有序度都较大时其复合系统熵值较小,系统较为有序,协同度即合作效应也越大,网络的性能也越好。
该网络是属性子系统间协同发展最好的网络,熵值最小的网络是属性子系统间协同发展最好的网络,说明各属性系统均衡协调发展得越好。
综上所述,将协同学原理应用到解决多属性网络的决策,把每个网络看作是由多个属性子系统合成的复合系统,属性子系统的协同作用体现宏观的网络性能,从属性均衡协调发展的角度对网络性能评估,同时考虑不同业务下的用户服务需求,更符合异构网络决策问题的实际情况。如附图2中的表格所示是在状态转移概率P=0.5时,在会话类业务下,基于协同学原理的异构网络多属性决策方法的选择结果的平均包时延、包抖动均小于熵权法EW和灰色关联分析法GRA算法,在交互类业务下,基于协同学原理的异构网络多属性决策方法的选择结果的每比特价格小于EW,GRA算法,而吞吐量大于EW,GRA算法,并且通过附图3和附图4可见本发明算法可以有效减少垂直切换次数,因而说明基于协同学原理的网络决策方法可以根据不同的业务类型为用户提供满意的QoS。
Claims (1)
1.一种基于协同学原理的异构网络多属性决策方法,其特征在于,该方法包括以下步骤:
1)确定候选网络复合系统的构成:将每个候选网络复合系统 看作是由吞吐量子系统、及时性子系统、可靠性子系统和费用子系统组成的系统,所述吞吐量子系统包含的属性为可用速率和峰值速率,及时性子系统包含的属性为包时延和包抖动,可靠性子系统包含的属性为包丢失,费用子系统包含的属性为每比特费用,以上属性分别为所对应属性子系统中的序参量分量;
2)计算属性子系统的序参量分量的有序度:对属性子系统,假定属性的取值越大网络性能越好,反之性能越差,而属性的取值越大网络性能越差,反之性能越好,其中k为属性子系统编号,,为属性子系统中效益型属性的个数,为属性子系统的属性个数,,则属性子系统中各个序参量分量,的有序度为,其中分别为属性的最大值和最小值,i为属性子系统中属性的编号;
4)根据业务类型计算层次分析法权重,具体流程为:
b)根据下式计算得到判断矩阵的一致性比率为:
c)判断是否满足,如是,则返回步骤a),否则进入步骤d);
5)计算复合系统熵值:将所述步骤3)得到的属性子系统的有序度按照步骤4)得到的层次分析法权重进行加权复合,得到第个候选网络复合系统的系统熵值为,其中表示第个属性子系统的属性编号,表示编号的属性对应的权重,表示属性子系统对候选网络复合系统的贡献权重,为候选网络复合系统的个数;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310518123.XA CN103607756B (zh) | 2013-10-29 | 2013-10-29 | 一种基于协同学原理的异构网络多属性决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310518123.XA CN103607756B (zh) | 2013-10-29 | 2013-10-29 | 一种基于协同学原理的异构网络多属性决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103607756A true CN103607756A (zh) | 2014-02-26 |
CN103607756B CN103607756B (zh) | 2017-04-05 |
Family
ID=50125947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310518123.XA Active CN103607756B (zh) | 2013-10-29 | 2013-10-29 | 一种基于协同学原理的异构网络多属性决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103607756B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131920A (zh) * | 2016-06-21 | 2016-11-16 | 南京邮电大学 | 一种基于多属性与排队理论的异构网络选择方法 |
CN106535226A (zh) * | 2016-10-17 | 2017-03-22 | 南京邮电大学 | 一种基于协同学理论的多网络协同选择和聚合方法 |
CN107949038A (zh) * | 2017-10-31 | 2018-04-20 | 南京邮电大学 | 一种基于ahp和相似度的网络选择方法 |
CN109756892A (zh) * | 2019-01-15 | 2019-05-14 | 安徽理工大学 | 一种基于异构网络的网络选择和数据传输加密的方法 |
CN110213739A (zh) * | 2019-06-11 | 2019-09-06 | 北京航空航天大学 | 面向矿车无人驾驶运输系统的多模式通信方法和装置 |
CN110933691A (zh) * | 2019-11-28 | 2020-03-27 | 哈尔滨工业大学 | 一种用于专用融合网络中基于相对熵和理想解的垂直切换方法 |
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 |
CN114449536A (zh) * | 2022-01-27 | 2022-05-06 | 重庆邮电大学 | 一种基于深度强化学习的5g超密集网络多用户接入选择方法 |
CN116017626A (zh) * | 2023-01-04 | 2023-04-25 | 南京邮电大学 | 一种基于能效的多服务异构网络接入选择方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108024307B (zh) * | 2017-12-03 | 2020-06-02 | 北京邮电大学 | 一种基于物联网的异构网络接入选择方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102149171A (zh) * | 2011-04-01 | 2011-08-10 | 北京邮电大学 | 一种基于融合的异构无线接入网络的网络选择方法及装置 |
CN102427595A (zh) * | 2011-12-29 | 2012-04-25 | 北京邮电大学 | 用于异构融合无线网络的自适应优化切换控制方法和装置 |
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 |
-
2013
- 2013-10-29 CN CN201310518123.XA patent/CN103607756B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102149171A (zh) * | 2011-04-01 | 2011-08-10 | 北京邮电大学 | 一种基于融合的异构无线接入网络的网络选择方法及装置 |
CN102427595A (zh) * | 2011-12-29 | 2012-04-25 | 北京邮电大学 | 用于异构融合无线网络的自适应优化切换控制方法和装置 |
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 |
Non-Patent Citations (1)
Title |
---|
赵亮等: "基于VC-DRSA的信息系统多属性群决策安全评估", 《南京邮电大学学报(自然科学版)》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106131920A (zh) * | 2016-06-21 | 2016-11-16 | 南京邮电大学 | 一种基于多属性与排队理论的异构网络选择方法 |
CN106535226A (zh) * | 2016-10-17 | 2017-03-22 | 南京邮电大学 | 一种基于协同学理论的多网络协同选择和聚合方法 |
CN107949038B (zh) * | 2017-10-31 | 2020-07-03 | 南京邮电大学 | 一种基于ahp和相似度的网络选择方法 |
CN107949038A (zh) * | 2017-10-31 | 2018-04-20 | 南京邮电大学 | 一种基于ahp和相似度的网络选择方法 |
CN109756892A (zh) * | 2019-01-15 | 2019-05-14 | 安徽理工大学 | 一种基于异构网络的网络选择和数据传输加密的方法 |
CN110213739A (zh) * | 2019-06-11 | 2019-09-06 | 北京航空航天大学 | 面向矿车无人驾驶运输系统的多模式通信方法和装置 |
CN110933691A (zh) * | 2019-11-28 | 2020-03-27 | 哈尔滨工业大学 | 一种用于专用融合网络中基于相对熵和理想解的垂直切换方法 |
CN110933691B (zh) * | 2019-11-28 | 2022-06-21 | 哈尔滨工业大学 | 一种用于专用融合网络中基于相对熵和理想解的垂直切换方法 |
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 |
CN113115411B (zh) * | 2021-03-31 | 2022-05-24 | 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 |
CN114449536A (zh) * | 2022-01-27 | 2022-05-06 | 重庆邮电大学 | 一种基于深度强化学习的5g超密集网络多用户接入选择方法 |
CN114449536B (zh) * | 2022-01-27 | 2023-05-23 | 重庆邮电大学 | 一种基于深度强化学习的5g超密集网络多用户接入选择方法 |
CN116017626A (zh) * | 2023-01-04 | 2023-04-25 | 南京邮电大学 | 一种基于能效的多服务异构网络接入选择方法 |
CN116017626B (zh) * | 2023-01-04 | 2023-09-22 | 南京邮电大学 | 一种基于能效的多服务异构网络接入选择方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103607756B (zh) | 2017-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103607756A (zh) | 一种基于协同学原理的异构网络多属性决策方法 | |
CN102781072B (zh) | 基于多属性决策和群组决策的网络选择方法 | |
Vo et al. | Slicing the edge: Resource allocation for RAN network slicing | |
CN107734512B (zh) | 一种基于灰度关联层次分析的网络选择方法 | |
Wang et al. | An approach for spatial-temporal traffic modeling in mobile cellular networks | |
CN107484209B (zh) | 一种考虑用户QoS的网络负载均衡垂直切换方法 | |
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 | |
US8588702B2 (en) | Method, equipment for submitting a measurement report | |
CN103781157A (zh) | 一种基于多网络并行传输的异构网络接入决策方法 | |
Zhu et al. | Adaptive multiservice heterogeneous network selection scheme in mobile edge computing | |
CN104602325A (zh) | 一种基于层次分析法的异构无线网络选择方法 | |
Chao et al. | A novel big data based telecom user value evaluation method | |
CN108024307B (zh) | 一种基于物联网的异构网络接入选择方法及系统 | |
CN103957559A (zh) | 一种基于用户体验的异构网络接入选择方法 | |
CN107949038A (zh) | 一种基于ahp和相似度的网络选择方法 | |
Pervaiz et al. | Game theoretical formulation of network selection in competing wireless networks: An analytic hierarchy process model | |
CN113133019A (zh) | 一种输出网络优化方案的方法 | |
CN110113803A (zh) | 一种异构网络中基于用户体验的网络接入选择方法 | |
CN104125626A (zh) | 通信模式的选择方法及终端 | |
CN106535226A (zh) | 一种基于协同学理论的多网络协同选择和聚合方法 | |
WO2020215282A1 (en) | Method and apparatus for evaluate data traffic depressed by radio issues | |
CN115065999B (zh) | 一种结合业务多样性和终端偏好的网络垂直切换方法 | |
CN116366459A (zh) | 一种双模业务流分配方法 | |
Bulti et al. | Clustering-based adaptive low-power subframe configuration with load-aware offsetting in dense heterogeneous networks | |
CN112867101B (zh) | 一种基于灰度综合评价值的公安异构无线专网选择方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |