CN107071841B - 异构网络中基于动态权重优化的垂直切换方法 - Google Patents

Abstract

本发明公开了一种异构无线网络中基于动态权重优化的垂直切换方法。针对终端的移动性和网络状态的时变性带来的动态特性，以及不同业务类型对网络的个性化需求，导致垂直切换性能不佳的问题，从以下方面开展性能优化：首先采用层次分析法(AHP)和熵值法分别计算网络参数的主观权重和客观权重，并基于线性单目标最优化理论(SOP)初始化组合权重；其次引入权重调整因子，动态地调整各网络参数权重，以适应网络状况的动态变化特性；最后根据终端的个性化需求，采用切换阈值可调的效用函数来选择最佳接入网络。实验结果表明，本发明能有效降低终端的切换阻塞率和掉话率，减少不必要的切换，降低“乒乓效应”，提高垂直切换的综合性能。

Description

异构网络中基于动态权重优化的垂直切换方法

技术领域

本发明涉及移动通信领域中异构无线网络中的垂直切换方法，特别是涉及一种采用动态权重优化和具有可调切换阈值的效用函数进行垂直切换的方法。

背景技术

在异构无线网络中，MT的连接从一种网络转换到另一种网络时发生的切换称为垂直切换。垂直切换技术是异构无线网络中移动性管理的关键技术之一，直接关系到用户的服务质量(QoS)。

目前大多数针对垂直切换方法的研究都是以当前网络相关的多个判决属性作为决策指标，将垂直切换判决过程抽象为多属性决策问题。因此，为了准确刻画和处理这些判决参数，提高切换性能，近年来不少研究者将效用函数运用到了垂直切换方法中。

文献[Ormond O,Murphy J,et al.Utility-based in telligent networkselection in beyond 3G systems[C],IEEE ICCS,Istanbul,Turkey,2006,1831-1836]面向非实时的文件传输应用，考虑用户的时间要求，估计每个接入网络的文件传输时间，并基于消费盈余的概念来选择最佳接入网络。但是此方法没有考虑实时业务，不能充分满足终端不同应用类型对QoS的个性化需求。文献[Sun C,Stevens N E,et al.A constrainedMDP-based vertical handoff decision algorithm for 4G wireless networks[C].IEEE ICCS,Beijing,China,2008,2169-2174]将垂直切换判决形式化为一个以每个连接的总预期收益为目标的马尔科夫决策过程，其目标是在预期的总访问开销的约束条件下最大化每个连接的总预期收益。在切换判决中，仅考虑了不同网络的资源情况、用户的移动速度和位置信息，而没有考虑网络的其他参数，会导致判决不够准确。文献[Lee S K,SriramK,et al.Vertical handoff decision algorithms for providing optimizedperformance in heterogeneous wireless networks[J].IEEE Transactions onVehicular Technology,2009,58(2):865-881]采用一个效用函数来选择最佳的目标网络。效用函数考虑了节点的电量和不同接入网络的负载，却没有考虑网络状况的动态变化，在终端切换可能发生阻塞，降低切换性能。

发明内容

本发明旨在解决以上现有技术的问题。提出了一种使切换判决更符合实际情况，有效降低阻塞率和掉话率、满足MT的个性化需求的异构网络中基于动态权重优化的垂直切换方法。本发明的技术方案如下：

一种异构网络中基于动态权重优化的垂直切换方法，其包括以下步骤：

101、获取候选异构网络的参数，包括：接收信号强度RSS、带宽、时延、服务费用和能耗，将这些参数分别进行归一化为两类：效益型参数和成本型参数；

102、将步骤101归一化的参数采用AHP层次分析法计算出主观权重，采用熵值法计算出客观权重，并基于SOP线性单目标最优化理论计算两者的组合权重；

103、通过权重调整因子，优化步骤102的组合权重，以适应网络状况的动态变化特性，其中权重调整因子是由网络参数的均值和方差所确定的；

104、根据步骤101归一化参数信息和步骤103优化后的权重，采用简单加权法SAW设计效用函数，计算候选网络的效用值，确定目标网络，并计算目标网络与当前网络的效用差值，并比较该效用差值是否大于可调切换阈值，确定是否触发切换。

进一步的，所述步骤101中效益型参数包括RSS、带宽；成本型参数包括时延、服务费用和能耗，两类参数的归一化方法分别为：

效益型参数：

成本型参数：

其中，c_ij表示第i个接入网络为用户终端提供的实际参数值，

表示参数c_ij的归一化值，且

c_ij ^max和c_ij ^min分别表示用户应用对c_ij提出的最大及最小需求值。

进一步的，所述步骤102将归一化的参数采用AHP层次分析法计算出主观权重的步骤具体包括：

1)分析评价系统中各判决参数之间的关系，构建递阶的层次结构模型，该模型中，最上层的总目标为总是最佳连接ABC，所支配的下一层的为网络的判决参数，最下层为不同的候选方案；

2)根据会话业务对网络参数的需求，依次取两个参数，本发明一共考虑了5个参数：接收信号强度RSS、带宽、时延、服务费用和能耗。依次取两个参数则是分别取RSS和带宽、RSS和时延、RSS和服务费用……，比较它们对目标层的影响，并用1～9这9个等级来标注它们对目标层影响程度的相对大小，从而得到一个判断矩阵，在本发明中该矩阵的大小是5×5；比较其对目标层的影响，按照1～9度标度确定两者的相对重要程度，用a_ij表示，即可得到成对的判断矩阵A＝(a_ij)_n×n；n表示所选择的参数个数；

3)对判断矩阵A的每一列进行归一化得到矩阵A’，然后对矩阵A’的每一行求均值，即可求得主观权重向量W₁＝(w_1j)_1×n中的各元素；w_1j表示表示大小为1×n的主观权重向量W₁中的各个元素，j＝1,2,…,n；

4)通过随机一致性指标RI对W₁进行一致性检验，当CR<0.1时，表明该判断矩阵A的一致性程度在允许范围以内，否则，需要对判断矩阵A进行调整，直至满足条件为止。

进一步的，所述步骤3)对矩阵A’的每一行求均值，即可求得主观权重向量W₁＝(w_1j)_1×n中的各元素的公式为：

进一步的，所述步骤2)采用熵值法计算客观权重向量W₂＝(w_2j)_1×n包括以下步骤：根据所述步骤101中归一化的参数值，计算第j个属性在网络i中所占的比重

则可得第j个属性的信息熵值

然后基于第j个属性的差异系数(1-e_j)，可以计算W₂中的各个元素

进一步的，所述计算组合权重具体包括：计算组合权重向量W₃＝(w_3j)_1×n，由AHP和熵值法计算的主客观权重向量分别为W₁和W₂，用x、y分别表示W₁和W₂的系数，则主客观组合权重为

进一步的，通过最小化组合权重与W₁、W₂的偏差平方和f_k＝|W₃-W_k|²，W_k表示W₁或W₂，k＝1或2，对应前面计算的两类权重：主观权重向量W₁和客观权重向量W₂；

可以构建和求解SOP模型

F表示构建的一个目标F；

该模型可以通过构造拉格朗日函数进行求解

w_kj表示w_1j或w_2j，k＝1或2，因为前面计算了两类权重：主观权重向量W₁和客观权重向量W₂，而W₁、W₂的元素分别是w_1j、w_2j。w_2j第一次出现在式(5)中，表示大小为1×n的客观权重向量W₂中的各个元素，j＝1,2,…,n；

其中，λ为拉格朗日乘子，在约束条件下分别对x、y求偏导，并令

可以求得最优解x＝y＝0.5，将x、y代入到式(6)中即可计算组合权重向量W₃。

通过构造拉格朗日函数求解得到最优的x、y为x＝y＝0.5。

进一步的，所述步骤103中调整权重调整因子，优化步骤102的组合权重具体包括：组合权重向量W₃需要考虑网络状况的动态变化特性，基于各参数的均值α_j和标准差β_j，引入权重调整因子μ_j，对W₃进行自适应调整：

其中，

m表示m个候选网络，考虑了5个候选网络，故m＝5；

所以，调整更新后得到各网络参数的最终权重

w_3j表示大小为1×n的组合权重向量W₃中的各个元素，j＝1,2,…,n；

进一步的，所述步骤104中采用简单加权法SAW设计效用函数具体包括：

在t时刻候选网络i的效用函数可以采用SAW法表示为

通过式(13)计算各候选网络的效用值f_i(t)，并比较得出最大的f_i(t)值对应的网络g，将其作为最优的目标网络。

进一步的，所述异构网络终端的业务类型可以分为三类，分别是实时业务、半实时业务和非实时业务，考虑它们对接入网络的个性化需求，当目标网络g满足以下条件时，即可进行切换

其中，f_c(t)和f_g(t)分别表示当前网络和目标网络的效用值，θ表示可调的切换阈值

θ＝θ_th-ε₁ξ₁-ε₂ξ₂ (15)

式中，θ_th为固定切换阈值，决定θ的最大值；ε₁和ε₂分别为实时业务和半实时业务的变化因子，决定两者的最大变化范围；ξ₁和ξ₂分别为实时业务和半实时业务所占比例。

本发明的优点及有益效果如下：

1.本发明针对网络状况的动态变化导致的垂直切换性能不佳的问题，首先采用AHP和熵值法分别计算网络参数的主、客观权重，并计算组合权重，然后基于权重调整因子对组合权重进行调整更新，使切换判决更符合实际情况，有效降低阻塞率和掉话率。

2.根据MT的不同业务类型对接入网络的个性化需求，设计了具有可调切换阈值的效用函数。在进行垂直切换时，MT能根据当前业务类型合理地选择切换网络，有效减少不必要的切换，降低“乒乓效应”，满足MT的个性化需求。

附图说明

图1是本发明提供优选实施例方法的实现流程图；

图2为采用AHP计算主观权重的步骤；

图3为AHP的层次结构模型；

图4为异构无线网络系统模型；

图5为不同方法的切换阻塞率对比；

图6为不同方法的平均切换次数对比；

图7为实时业务比例对平均掉话率的影响；

图8为半实时业务比例对平均掉话率的影响。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。

本发明解决上述技术问题的技术方案是，

一种异构网络中基于动态权重优化的垂直切换方法，其根据网络状况的动态变化，以及终端不同业务类型对接入网络的个性化需求，设计以下垂直切换步骤：

101、获取候选网络的参数，包括：RSS、带宽、时延、服务费用和能耗。这些参数可以划分成两类：效益型和成本型，将其分别进行归一化；

102、将步骤101归一化的参数分别采用AHP和熵值法计算出两类权重：主观权重和客观权重。并基于SOP理论计算两者的组合权重。

103、通过权重调整因子，进一步优化步骤102的组合权重，以适应网络状况的动态变化特性。其中权重调整因子是由网络参数的均值和方差所确定的。

104、根据步骤101归一化参数信息和步骤103优化后的权重，采用SAW设计效用函数，计算候选网络的效用值。通过比较目标网络与当前网络的效用差值是否大于可调切换阈值，确定是否触发切换。

进一步的，所述步骤101中候选网络的参数可分为两类：成本型和效益型。其中，效益型参数越大越好，如RSS、带宽；成本型参数越小越好，如：时延、服务费用和能耗。这两类参数的归一化方法分别为：

效益型参数：

成本型参数：

其中，c_ij表示第i个接入网络为用户终端提供的实际参数值，c_ij ^max和c_ij ^min分别表示用户应用对c_ij提出的最大及最小需求值。

进一步的，MT根据所述步骤101中获取的网络参数，并归一化，按照所述步骤102中通过SOP计算组合权重具体包括步骤：

采用AHP计算主观权重向量W₁＝(w_1j)_1×n。首先分析评价系统中各判决参数之间的关系，构建层次结构模型。然后依次取两个参数，比较其对模型目标层的影响，按照1～9度标度确定两者的相对重要程度(用a_ij表示)，即可得到成对的判断矩阵A＝(a_ij)_n×n。再者对判断矩阵A的每一列进行归一化得到矩阵A’，然后对矩阵A’的每一行求均值，即得到W₁的各个元素

最后，通过一致性比率对主观权重向量W₁进行一致性检验。

采用熵值法计算客观权重向量W₂＝(w_2j)_1×n。首先根据所述步骤101中归一化的参数值，得到参数矩阵

然后根据计算第j个属性在网络i中所占的比重

计算第j个属性的信息熵值

最后基于第j个属性的差异系数(1-e_j)，可以计算W₂中的各个元素

计算组合权重向量W₃＝(w_3j)_1×n。由AHP和熵值法计算的主客观权重向量分别为W₁和W₂，用x、y分别表示W₁和W₂的系数，则主客观组合权重为

为了既考虑用户的主观偏好，又兼顾决策的客观真实性，达到主客观的统一，通过最小化组合权重与W₁、W₂的偏差平方和f_k＝|W₃-W_k|²，可以构建和求解SOP模型

该模型可以通过构造拉格朗日函数进行求解

其中，λ为拉格朗日乘子。在约束条件下分别对x、y求偏导，并令

可以求得最优解x＝y＝0.5。将x、y代入到式(6)中即可计算组合权重向量W₃。

进一步的，所述步骤102中组合权重向量W₃需要考虑网络状况的动态变化特性，基于各参数的均值α_j和标准差β_j，引入权重调整因子μ_j，对W₃进行自适应调整：

其中，

所以，调整更新后得到各网络参数的最终权重

进一步的，根据所述步骤101中归一化参数值和步骤103中各网络参数的权重，在t时刻候选网络i的效用函数可以采用SAW法表示为

通过式(13)计算各候选网络的效用值f_i(t)，并比较得出最大的f_i(t)值对应的网络g，将其作为最优的目标网络。

进一步的，所述终端的业务类型可以分为三类，分别是实时业务、半实时业务和非实时业务。考虑它们对接入网络的个性化需求，当目标网络g满足以下条件时，即可进行切换

其中，f_c(t)和f_g(t)分别表示当前网络和目标网络的效用值，θ表示可调的切换阈值

θ＝θ_th-ε₁ξ₁-ε₂ξ₂ (15)

式中，θ_th为固定切换阈值，决定θ的最大值；ε₁和ε₂分别为实时业务和半实时业务的变化因子，决定两者的最大变化范围；ξ₁和ξ₂分别为实时业务和半实时业务所占比例。

该方法综合考虑了网络状况的动态变化对切换性能的影响，以及不同业务类型的对接入网络的个性化需求，不仅能降低切换阻塞率和掉话率，还能减少不必要的切换，降低“乒乓效应”。

本发明提出的图1所示的垂直切换方法包括以下步骤：

步骤一、获取候选网络的参数，包括：RSS、带宽、时延、服务费用和能耗。这些参数可以划分成两类：效益型和成本型，将其分别进行归一化。

步骤二、将归一化参数分别采用AHP和熵值法计算出两类权重：主观权重和客观权重，并基于SOP理论计算两者的组合权重。

步骤三、通过权重调整因子，进一步优化组合权重，以适应网络状况的动态变化特性，其中权重调整因子是由网络参数的均值和方差所确定的。

步骤四、根据归一化参数和优化的组合权重，采用SAW设计效用函数，计算候选网络的效用值。通过比较目标网络与当前网络的效用差值是否大于可调切换阈值，确定是否触发切换。

我们首先对图2所示的主观权重向量的计算步骤进行分析：

(1)分析评价系统中各判决参数之间的关系，构建图3所示的递阶的层次结构模型。该模型中，最上层的总目标为总是最佳连接(ABC)，所支配的下一层的为网络的判决参数，如RSS、带宽、时延等，最下层为不同的候选方案。

(2)根据会话业务对网络参数的需求，依次取两个参数，比较其对目标层的影响，按照1～9度标度确定两者的相对重要程度(用a_ij表示)，即可得到成对的判断矩阵A＝(a_ij)_n×n。

(3)对判断矩阵A的每一列进行归一化得到矩阵A’，然后对矩阵A’的每一行求均值，即可求得主观权重向量W₁＝(w_1j)_1×n中的各元素。

(4)通过随机一致性指标(RI)对W₁进行一致性检验。当CR<0.1时，表明该判断矩阵A的一致性程度在允许范围以内。否则，需要对判断矩阵A进行调整，直至满足条件为止。

为了对本发明进行验证，我们在MATLAB平台上进行仿真实验，并设置如下仿真场景：场景内分布有2个LTE和3个WLAN，如图4所示，LTE和WLAN的半径分别为600m和100m。终端每隔一段时间随机改变运动方向，系统呼叫到达率和离开率均服从参数为λ的泊松分布，平均服务时间为40s。

为了进一步突出本发明的优越性，将本发明所提方法与文献[Wei S,Qing AZ.Cost-function-based network selection strategy in integrated wireless andmobile networks[J].IEEE Transactions on Vehicular Technology,2008,57(6):3778-3788]中基于代价函数的网络选择策略(Cost-Function-Based Network SelectionStrategy，CFNS)、文献[Bhosale S,Daruwala R.Multi-criteria vertical handoffdecision algorithm using analytic hierarchy modeling and simple additiveweighting in an integrated WLAN/WiMAX/UMTS environment-A case study[J].KSIITransactions on Internet and Information Systems,2014,8(1):35-57]中基于层次分析法和简单加权法的多准则切换判决算法(Vertical Handoff Decision AlgorithmUsing Hierarchy Modeling and Additive Weighting，AHP-SAW)进行比较分析，得到如图5-8所示的仿真结果。

图5显示了三种算法在不同到达率下的平均阻塞率。随着单位时间内到达的用户数的增加，采用三种算法的平均阻塞率都呈递增趋势。但是，采用多属性AHP-SAW算法比采用RSS和带宽两个判决属性的CFNS算法平均阻塞率低，体现出了综合考虑多个判决属性算法的优越性。另外，本文算法的平均阻塞率比AHP-SAW算法更低，这是因为本文算法在切换判决阶段考虑了网络状况的动态变化特性，引入权重调整机制，较好地保证了切换的有效性，从而使阻塞率有了一定改善。

由于终端的移动性，使其经历的网络条件不断变化，从而产生了多次网络选择的过程。本节假设MT按照如图4所示的具有代表性的运动轨迹进行移动，对其切换过程进行多次仿真，统计出如图6所示的平均累计切换次数。随着用户移动距离的增加，经历的切换次数也不断增加。在穿过异构网络的整个过程中，采用CFNS算法发生了13.42次切换，采用AHP-SAW算法发生了12.04次切换，而采用本文算法发生了10.88次切换。这说明本文算法经历的切换次数少于其余两种算法。究其原因，在确定属性权重时采用组合赋权法与权重动态调整相结合之后，使网络选择时的判决结果更接近实际情况，改善了CFNS算法仅考虑两个属性判决不够准确以及AHP-SAW算法主观性太强的问题，使得不必要切换次数明显减少。

本文通过平均掉话率来分析可调切换阈值的影响。可以设定适当的仿真值：θ_th＝0.18(或θ_th＝0.16)，ε₂＝0.08，ξ₂＝0.3，通过ε₁和ξ₁的变化来引起θ的变化；同理，设定θ_th＝0.18(或θ_th＝0.16)，ε₁＝0.12，ξ₁＝0.3_,，通过ε₂和ξ₂的变化来引起θ的变化。仿真结果如图7、图8所示。可以看出，当θ_th减少时，引起θ值的减少，使掉话率降低；当ε₁或ε₂减少时，引起θ值的增加，使掉话率增加。而且，无论是AHP-SAW算法还是本文算法，随着ξ₁或ξ₂的增加，切换的掉话率都逐渐降低。因为当用户的实时业务或半实时业务的比例增加时，通过式(15)引起θ值减少，而θ值的降低使用户面临的可选择网络的机会增加，可以更快地向目标网络切换，从而降低了切换的掉话率。另外，本文算法的性能始终优于AHP-SAW算法，这是因为动态权重优化带来了更好的性能。

以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后，技术人员可以对本发明作各种改动或修改，这些等效变化和修饰同样落入本发明权利要求所限定的范围。

Claims (8)

1.一种异构网络中基于动态权重优化的垂直切换方法，其特征在于，包括以下步骤：

101、获取候选异构网络的参数，包括：接收信号强度RSS、带宽、时延、服务费用和能耗，将这些参数分别进行归一化为两类：效益型参数和成本型参数；

102、将步骤101归一化的参数采用AHP层次分析法计算出主观权重，采用熵值法计算出客观权重，并基于SOP线性单目标最优化理论计算两者的组合权重；

103、通过权重调整因子，优化步骤102的组合权重，以适应网络状况的动态变化特性，其中权重调整因子是由网络参数的均值和方差所确定的；所述步骤103中调整权重调整因子，优化步骤102的组合权重具体包括：组合权重向量W₃需要考虑网络状况的动态变化特性，基于各参数的均值α_j和标准差β_j，引入权重调整因子μ_j，对W₃进行自适应调整：

其中，

c_ij表示第i个接入网络为用户终端提供的实际参数值，

表示参数c_ij的归一化值，m表示m个候选网络，考虑了5个候选网络，故m＝5；

所以，调整更新后得到各网络参数的最终权重

w_3j表示大小为1×n的组合权重向量W₃中的各个元素，j＝1,2,…,n；n表示所选择的参数个数；j表示所选择的第j个参数；

104、根据步骤101归一化参数信息和步骤103优化后的权重，采用简单加权法SAW设计效用函数，计算候选网络的效用值，确定目标网络，并计算目标网络与当前网络的效用差值，并比较该效用差值是否大于可调切换阈值，确定是否触发切换；

所述异构网络终端的业务类型可以分为三类，分别是实时业务、半实时业务和非实时业务，考虑它们对接入网络的个性化需求，当目标网络g满足以下条件时，即可进行切换

其中，f_c(t)和f_g(t)分别表示当前网络和目标网络的效用值，θ表示可调的切换阈值

θ＝θ_th-ε₁ξ₁-ε₂ξ₂ (15)

式中，θ_th为固定切换阈值，决定θ的最大值；ε₁和ε₂分别为实时业务和半实时业务的变化因子，决定两者的最大变化范围；ξ₁和ξ₂分别为实时业务和半实时业务所占比例。

2.根据权利要求1所述的异构网络中基于动态权重优化的垂直切换方法，其特征在于，所述步骤101中效益型参数包括RSS、带宽；成本型参数包括时延、服务费用和能耗，两类参数的归一化方法分别为：

效益型参数：

成本型参数：

其中，c_ij表示第i个接入网络为用户终端提供的实际参数值，

表示参数c_ij的归一化值，且

c_ij ^max和c_ij ^min分别表示用户应用对c_ij提出的最大及最小需求值。

3.根据权利要求1或2所述的异构网络中基于动态权重优化的垂直切换方法，其特征在于，所述步骤102将归一化的参数采用AHP层次分析法计算出主观权重的步骤具体包括：

1)分析评价系统中各判决参数之间的关系，构建递阶的层次结构模型，该模型中，最上层的总目标为总是最佳连接ABC，所支配的下一层的为网络的判决参数，最下层为不同的候选方案；

2)根据会话业务对网络参数的需求，依次取两个参数，比较其对目标层的影响，按照1～9度标度确定两者的相对重要程度，用a_ij表示，即可得到成对的判断矩阵A＝(a_ij)_n×n；n表示所选择的参数个数；

3)对判断矩阵A的每一列进行归一化得到矩阵A’，然后对矩阵A’的每一行求均值，即可求得主观权重向量W₁＝(w_1j)_1×n中的各元素；w_1j表示大小为1×n的主观权重向量W₁中的各个元素，j＝1,2,…,n；

4)通过随机一致性指标RI对W₁进行一致性检验，当CR<0.1时，表明该判断矩阵A的一致性程度在允许范围以内，否则，需要对判断矩阵A进行调整，直至满足条件为止。

4.根据权利要求3所述的异构网络中基于动态权重优化的垂直切换方法，其特征在于，所述步骤3)对矩阵A’的每一行求均值，即可求得主观权重向量W₁＝(w_1j)_1×n中的各元素的公式为：

5.根据权利要求1所述的异构网络中基于动态权重优化的垂直切换方法，其特征在于，所述步骤102)采用熵值法计算客观权重向量W₂＝(w_2j)_1×n包括以下步骤：根据所述步骤101中归一化的参数值，计算第j个属性在网络i中所占的比重

则可得第j个属性的信息熵值

然后基于第j个属性的差异系数(1-e_j)，m表示m个候选网络，可以计算W₂中的各个元素

6.根据权利要求1或2所述的异构网络中基于动态权重优化的垂直切换方法，其特征在于，所述计算组合权重具体包括：计算组合权重向量W₃＝(w_3j)_1×n，由AHP和熵值法计算的主客观权重向量分别为W₁和W₂，用x、y分别表示W₁和W₂的系数，则主客观组合权重为

7.根据权利要求6所述的异构网络中基于动态权重优化的垂直切换方法，其特征在于，通过最小化组合权重与W₁、W₂的偏差平方和f_k＝|W₃-W_k|²，W_k表示W₁或W₂，k＝1或2，对应前面计算的两类权重：主观权重向量W₁和客观权重向量W₂；

可以构建和求解SOP模型

F表示构建的一个目标F；

该模型可以通过构造拉格朗日函数进行求解

w_kj表示w_1j或w_2j，k＝1或2，因为前面计算了两类权重：主观权重向量W₁和客观权重向量W₂，而W₁、W₂的元素分别是w_1j、w_2j，w_2j第一次出现在式(5)中，表示大小为1×n的客观权重向量W₂中的各个元素，j＝1,2,…,n；

其中，λ为拉格朗日乘子，在约束条件下分别对x、y求偏导，并令

可以求得最优解x＝y＝0.5，将x、y代入到式(6)中即可计算组合权重向量W₃。

8.根据权利要求1所述的异构网络中基于动态权重优化的垂直切换方法，

其特征在于，所述步骤104中采用简单加权法SAW设计效用函数具体包括：

在t时刻候选网络i的效用函数可以采用SAW法表示为

通过式(13)计算各候选网络的效用值f_i(t)，并比较得出最大的f_i(t)值对应的网络g，将其作为最优的目标网络。

Images