CN107105453A - 基于层次分析法和进化博弈理论的异构网络选择接入方法 - Google Patents
基于层次分析法和进化博弈理论的异构网络选择接入方法 Download PDFInfo
- Publication number
- CN107105453A CN107105453A CN201710208891.3A CN201710208891A CN107105453A CN 107105453 A CN107105453 A CN 107105453A CN 201710208891 A CN201710208891 A CN 201710208891A CN 107105453 A CN107105453 A CN 107105453A
- Authority
- CN
- China
- Prior art keywords
- mrow
- game
- msubsup
- user
- ith
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 239000013598 vector Substances 0.000 claims abstract description 19
- 208000001613 Gambling Diseases 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000010187 selection method Methods 0.000 claims description 10
- 230000008901 benefit Effects 0.000 claims description 6
- 238000005562 fading Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 238000011160 research Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006555 catalytic reaction Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000011273 social behavior Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/08—Load balancing or load distribution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
- H04W28/24—Negotiating SLA [Service Level Agreement]; Negotiating QoS [Quality of Service]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W48/00—Access restriction; Network selection; Access point selection
- H04W48/20—Selecting an access point
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W52/00—Power management, e.g. TPC [Transmission Power Control], power saving or power classes
- H04W52/02—Power saving arrangements
- H04W52/0209—Power saving arrangements in terminal devices
- H04W52/0212—Power saving arrangements in terminal devices managed by the network, e.g. network or access point is master and terminal is slave
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Computer Security & Cryptography (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
本发明公开一种基于层次分析法和进化博弈理论的异构网络选择接入方法,包括:1根据层次分析法,求出不同业务对不同网络属性要求的归一化权重值向量;2使用进化博弈模型对异构无线网络进行数学建模,并对奖励函数模型进行定义;3求解异构无线网络中用户的平均奖励函数值,根据进化博弈的支付导向型模型进行网络基站选择;4每一轮博弈结束后,本轮博弈后的用户连接状态与前一轮博弈后的用户连接状态进行比对;若完全相同,系统进入均衡状态,博弈过程结束;否则,返回第3步,直至系统进入均衡状态。本发明能在充分保证QoS的情况下,有效提高用户之间公平性和减少用户终端能耗,从而实现用户在享受高QoS的同时,提高终端的续航能力。
Description
技术领域
本发明属于通信技术领域,具体是一种基于层次分析法和进化博弈理论的异构网络选择接入方法。
背景技术
无线异构网络主要由不同网络制式的网络基站以及同一网络制式不同发射功率的网络基站共同组成的无线通信系统,是无线移动通信未来发展的主要趋势,在城市商业区、学校、大型办公区域等基本都是处于所述的无线异构网络中。随着社会经济和文化的快速发展,用户对业务的需求呈现爆发式增长,此外用户对业务种类的需求也不断的多样化;然而用户处于复杂的无线异构网络中时,如何结合自身业务请求的特点来充分利用所处区域中不同网络基站的特性对提高用户的QoS(服务质量)有直接的影响;高效的网络选择方法对整个异构网络性能的提升意义重大,一直是该领域的一个研究热点。
由于无线异构网络自身网络制式的复杂性以及用户业务的多样性,所以无线异构网络中的网络选择方法大部分采用的都是分布式控制,又因为多属性决策方法和博弈理论在分布式控制系统研究上有许多优势,所以关于多属性决策方法和博弈理论在无线异构网络中网络选择方法的研究也非常多。Fu J等人提出了一种基于层次分析法(AHP)和灰度关联法(GRA)的网络选择算法;文中描述的是无线异构网络中单一类型业务请求的用户接入场景,首先根据层次分析法来获取每一个网络属性值的权重,然后通过灰度关联法对候选网络进行排序,每一个用户根据排序结果选择最优网络接入,有效的提高了用户的QoS。见文献Fu J,Wu J,Zhang J.A novel AHP and GRA based handover decision mechanismin heterogeneous wireless networks[C].Lecture Notes in Computer Science(including subserises Lecture Notes in Artificial Intelligence and LectureNotes in Bioinformatics),2010:213:220;Xiong Zhou等人针对由微基站和微微基站组成的异构无线网络提出一种基于Stackelberg博弈理论的网络选择方法。首先把该问题描述成一个Stackelberg博弈问题进行解决,其中领导者是微基站,跟随者是微微基站。然后使用分布式控制的方法通过对信道分配和功率合理分配,最后通过拉格朗日对偶算法实现网络系统效益最大化,其中主要指网络系统的吞吐量;见文献Xiong Zhou,Suili Feng,ZhuHan,Yuan Liu.Distributed User Association and Interference Coordination inHetNets Using Stackelberg Game[C]IEEE ICC-Ad-hoc and Sensor NetworkingSymposium,2015:2431:2436。Xiao Tang等人提出了一种在动态变化的无线异构网络中考虑长期效益的网络选择方法;首先用随机博弈模型来描述用户之间为了争夺网络系统中有限的资源的非合作行为;然后把用户选择最优策略的过程描述为马尔科夫决策的过程,最后通过值迭代算法来求解博弈的纳什均衡解。该方法有效降低了用户在动态变化的无线异构网络中网络切换的频率,并且提升系统总的数据传输速率以及用户之间的公平性;见文献XiaoTang,PinyiRen,YichengWang,Qinghe Du,Sun Li.User Association as aStochastic Game for Enhanced Performance in Heterogeneous Networks[C]IEEEICC-Mobile andWirelessNetworking Symposium,2015:3417:3422。
目前研究的无线异构网络中的网络选择方法有效的提高了网络系统基站的能效并且实现了网络基站的之间的负载均衡;但是对于无线异构网络中有多种用户业务请求类型的网络选择方法研究较少,并且目前的方法提升的都是网络基站的能效,对于在异构网络中通过用户的接入方法来提升用户终端的能效并没有具体的方法。
发明内容
本发明是为了解决上述现有技术存在的不足之处,提出一种基于层次分析法和进化博弈理论的异构网络选择接入方法,以期能为用户提供一种在充分保证QoS的情况下,有效提高用户之间公平性和减少用户终端能耗的接入策略,从而实现用户在享受高QoS的同时,提高终端的续航能力。
本发明为解决技术问题采用如下技术方案:
本发明一种基于层次分析法和进化博弈理论的异构网络选择接入方法的特点是所述异构网络是由M个网络基站、N个用户和K种业务类型构成,任意第i个网络基站记为BSi,任意第j个用户记为UEj;任意第k种业务类型记为BUk;
所述第j个用户UEj与第i个网络基站BSi的连接状态记为Sij,并有:Sij=1表示所述第j个用户UEj接入第i个网络基站BSi;Sij=0表示所述第j个用户UEj未接入第i个网络基站BSi;
若第j个用户UEj选择第k业务类型BUk,则令选择状态Bjk=1,否则Bjk=0;
所述第k种业务类型BUk的判决矩阵记为表示第k种业务类型中第u个属性对第v个属性的重要程度;1≤i≤M,1≤j≤N;1≤k≤K;所述网络选择方法是按如下步骤进行:
步骤1、根据Satty标度法自定义所述第k种业务类型的判决矩阵Pk;并利用式(1)得到第k种业务类型的一致性比例CRk:
式(1)中,λk表示所述判决矩阵Pk的最大特征值;RI表示一致性随机指标;
若CRk<δ,则表示执行步骤2;否则,返回步骤1重新得到判决矩阵;δ表示所设定的阈值;
步骤2、对所述判决矩阵Pk的最大特征值λk求解特征向量ξk并进行归一化处理,得到权值向量
步骤3、对所述无线异构网络用进化博弈模型进行数学建模;
步骤3.1、定义所述无线异构网络中N个用户为所述进化博弈模型中的一个单群体;
定义所述第j个用户UEj为所述进化博弈模型中的第j个博弈者;
定义第j个用户UEj对任意第i个网络基站BSi的选择为所述进化博弈模型中的第i个策略,则第j个用户UEj对M个网络基站的选择为一组策略集;
定义博弈轮数为r,并初始化r=1;
步骤3.2、利用式(2)获得每个博弈者第r轮博弈时接入第i个网络基站BSi所获取的带宽资源
式(2)中,Wi表示第i个网络基站BSi的总带宽资源;
步骤3.3、利用式(3)获得第r轮博弈时第j个博弈者对第k种业务类型BUk选择第i个策略的奖励函数
式(3)中,α和β表示是归一化系数;表示第r轮博弈时第i个网络基站BSi的接收灵敏度;表示第r轮博弈时第j个博弈者接入第i个网络基站BSi的路径损耗,表示第r轮博弈时第j个博弈者与第i个网络基站BSi之间的阴影衰落;表示第r轮博弈时第j个博弈者的发射功率;表示第r轮博弈时第k种业务类型BUk接入第i个网络基站BSi时所获取的效益值;并有:表示第r轮博弈时第i个网络基站BSi归一化的属性值向量;
步骤3.4、利用式(4)获得第r轮博弈时所有用户接入网络基站时的平均奖励值
步骤4、根据进化博弈的支付导向型模型进行网络基站选择:
步骤4.1、定义第j个用户UEj的第r轮博弈的策略选择记录向量为:其中,表示第j个用户UEj选择过第i个策略,表示第j个用户UEj未选择过第i个策略;
定义第j个用户UEj的第r轮博弈的奖励函数值记录向量为:其中,表示第r轮博弈时第j个用户UEj选择第i个策略的奖励函数值;
步骤4.2、初始化j=1
步骤4.3、初始化对都成立;
初始化对都成立;
步骤4.4、判断式(5)是否成立,若成立,则表示第r轮博弈时第j个用户UEj在使用第k业务类型BUk时选择第i个策略符合接入条件,并执行步骤4.8;否则,执行步骤4.5;
步骤4.5、令令赋值给并判断对是否都满足,若满足,则执行步骤4.7;否则,执行步骤4.6;
步骤4.6、随机产生一个范围在1-M之间的一个整数I,并将I赋值给i后,判断满足是否成立,若成立,则利用式(3)获得后,返回步骤4.4;否则,返回步骤4.6;
步骤4.7、求取向量中最大的元素值令即第r轮博弈时第j个用户对第k种业务类型选择第z个策略;
步骤4.8、将j+1赋值给j;并判断j>N是否成立,若成立,则执行步骤5,否则返回步骤4.3;
步骤5、令r+1赋值给r,并返回步骤3.2顺序执行,并对判断与是否均相同,若均相同,则博弈结束;否则,执行步骤5。
与现有技术相比,本发明的有益效果在于:
1、本发明基于层次分析法和进化博弈理论,在用户进行网络基站选择过程中综合考虑了用户业务类型特点和网络基站网络属性特点以及用户终端的能耗;适用于由多种网络制式的网络基站和多种用户业务请求类型组成的无线异构网络中;并在充分保证了用户QoS的情况下,有效提高了用户之间的公平性和减少了用户终端的能耗。
2、本发明基于进化博弈模型,在用户进行网络基站选择过程中综合考虑了用户获取信息的局限性以及用户作为博弈者的有限理性等特性,适用于无线异构网络系统数学建模;
3、本发明基于层次分析法研究了由不同网络制式的网络基站组成的无线异构网络中有多种用户业务请求类型的场景;相较于目前研究较多的无线异构蜂窝网络中单一业务用户接入的方法,适用性更强。
4、本发明通过在奖励函数模型中引入了用户终端的能耗,有效提高了用户终端的能效,在目前绝大部分移动用户终端均为电池供电的情况下,对于提高用户终端的续航能力意义重大。
5、本发明基于进化博弈的支付导向型模型进行用户的网络基站选择,大大提高了用户之间的公平性,并且保证了用户数目在很大的范围内变化时,用户之间的公平性都保持在一个很高的水平。
附图说明
图1为本发明方法流程图;
图2为本发明网络拓扑和用户接入示意图。
具体实施方式
在本实施例中,一种基于层次分析法和进化博弈理论的异构网络选择接入方法,应用于由M个网络基站、N个用户和K种业务类型构成的无线异构网络中,任意第i个网络基站记为BSi,任意第j个用户记为UEj;任意第k种业务类型记为BUk;
第j个用户UEj与第i个网络基站BSi的连接状态记为Sij,并有:Sij=1表示第j个用户UEj接入第i个网络基站BSi;Sij=0表示第j个用户UEj未接入第i个网络基站BSi;
若第j个用户UEj选择第k业务类型BUk,则令选择状态Bjk=1,否则Bjk=0;
第k种业务类型BUk的判决矩阵记为表示第k种业务类型中第u个属性对第v个属性的重要程度;1≤i≤M,1≤j≤N;1≤k≤K;如图1所示,该网络选择方法是按如下步骤进行:
步骤1、首先确定用户在选择网络连接中对哪些具体网络属性有要求,然后根据Satty标度法自定义第k种业务类型的判决矩阵Pk,Satty标度法具体数值参考表1;
表1 Satty标度数值对照表
重要性标度 | 两两比较重要性定义 |
1 | 两者同样重要 |
3 | 前者比后者稍微重要 |
5 | 前者比后者明显重要 |
7 | 前者比后者非常重要 |
9 | 前者比后者极端重要 |
2,4,6,8 | 表示相邻判决的中间值 |
倒数 | 如果u相比v具有上述标度,则v相比于u就为该标度的倒数 |
再利用式(1)得到第k种业务类型的一致性比例CRk:
式(1)中,λk表示所述判决矩阵Pk的最大特征值;RI表示一致性随机指标,RI值的大小根据判决矩阵的维度大小确定,具体参考表2;
表2 1-9阶判决矩阵的RI值
维度 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
RI | 0.00 | 0.00 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.46 |
然后对求得的一致性比例进行检验;若CRk<δ,则表示执行步骤2;否则,返回步骤1重新得到判决矩阵;δ表示所设定的阈值,δ通常设为0.1;
步骤2、对判决矩阵Pk的最大特征值λk求解特征向量ξk并进行归一化处理,得到权值向量
步骤3、对无线异构网络用进化博弈模型进行数学建模,网络拓扑和用户接入示意图参见图2;
步骤3.1、首先定义无线异构网络中N个用户为进化博弈模型中的一个单群体;
定义第j个用户UEj为进化博弈模型中的第j个博弈者;
定义第j个用户UEj对任意第i个网络基站BSi的选择为进化博弈模型中的第i个策略,则第j个用户UEj对M个网络基站的选择为一组策略集;所以,该群体中任意一个博弈者都有相同的策略集为:{BS1,BS2,…,BSi,…BSM};
定义博弈轮数为r,并初始化r=1;
步骤3.2、利用式(2)获得每个博弈者第r轮博弈时接入第i个网络基站BSi所获取的带宽资源
式(2)中,Wi表示第i个网络基站BSi的总带宽资源;
步骤3.3、利用式(3)获得第r轮博弈时第j个博弈者对第k种业务类型BUk选择第i个策略的奖励函数
式(3)中,α和β表示是归一化系数;表示第r轮博弈时第i个网络基站BSi的接收灵敏度;表示第r轮博弈时第j个博弈者接入第i个网络基站BSi的路径损耗,表示第r轮博弈时第j个博弈者与第i个网络基站BSi之间的阴影衰落;表示第r轮博弈时第j个博弈者的发射功率;表示第r轮博弈时第k种业务类型BUk接入第i个网络基站BSi时所获取的效益值;并有:表示第r轮博弈时第i个网络基站BSi归一化的属性值向量;
步骤3.4、利用式(4)获得第r轮博弈时所有用户接入网络基站时的平均奖励值
式(4)中,为了计算第r轮博弈时所有用户接入网络基站时的平均奖励需要从第一个用户开始,依次计算出所有用户的奖励函数值;针对其中第j个用户对第k业务连接到网络基站BSi的计算步骤如下,首先对第r轮博弈时UEj连接状态进行判定,即当前其接入哪一个网络基站,从而得到两者之间的距离信息以及网络基站的属性值向量,便于计算两者之间的路径损耗然后判断UEj的业务类型,便于计算UEj接入网络基站BSi可以获取的效益值在式(4)中,为了达到该目的,本实施例中定义了连接状态和业务类型状态两个变量,巧妙的解决了判定的难题。
步骤4、根据进化博弈的支付导向型模型进行网络基站选择;:
步骤4.1、定义第j个用户UEj的第r轮博弈的策略选择记录向量为:其中,表示第j个用户UEj选择过第i个策略,表示第j个用户UEj未选择过第i个策略;
定义第j个用户UEj的第r轮博弈的奖励函数值记录向量为:其中,表示第r轮博弈时第j个用户UEj选择第i个策略的奖励函数值;
每一轮博弈中,任意一个用户UEj都有一个策略选择记录向量和一个奖励函数值记录向量,一方面可以记录用户策略选择的历史数据,另一方面可以为后续计算做铺垫,有效提升后续计算效率。
步骤4.2、初始化j=1
步骤4.3、初始化对都成立;
初始化对都成立;
步骤4.4、判断式(5)是否成立,若成立,则表示第r轮博弈时第j个用户UEj在使用第k业务类型BUk时选择第i个策略符合接入条件,并执行步骤4.8;否则,执行步骤4.5;
步骤4.5、令令赋值给并判断对是否都满足,若满足,则执行步骤4.7,即判断第j个用户UEj是否选择过所有策;否则,执行步骤4.6;
步骤4.6、随机产生一个范围在1-M之间的一个整数I,并将I赋值给i后,判断满足是否成立,这里即通过策略选择记录判定是否选择过该策略,避免了重复选择同一策略造成的收敛速度降低的问题,在策略数目较多的时候,该定义意义更加明显;若成立,则利用式(3)获得后,返回步骤4.4;否则,返回步骤4.6;
步骤4.7、求取向量中最大的元素值令即第r轮博弈时第j个用户对第k种业务类型选择第z个策略;即所有策略对第j个用户UEj来说,均不满足选择条件,则第j个用户UEj会从所有策略中选择一个可以提供最高奖励函数值的第z个策略;
步骤4.8、将j+1赋值给j;并判断j>N是否成立,若成立,则执行步骤5,否则返回步骤4.3;如果所有用户均检验完毕,则第r轮博弈结束;
步骤5、令r+1赋值给r,并返回步骤3.2顺序执行,并对判断与是否均相同,若均相同,则博弈结束;否则,执行步骤5。比较前后两轮博弈结束后,判断是否每一个用户的连接状态均为发生改变,若满足,则表明系统进入均衡状态,整个博弈过程结束,否则继续进行下一轮博弈。
Claims (1)
1.一种基于层次分析法和进化博弈理论的异构网络选择接入方法,其特征是所述异构网络是由M个网络基站、N个用户和K种业务类型构成,任意第i个网络基站记为BSi,任意第j个用户记为UEj;任意第k种业务类型记为BUk;
所述第j个用户UEj与第i个网络基站BSi的连接状态记为Sij,并有:Sij=1表示所述第j个用户UEj接入第i个网络基站BSi;Sij=0表示所述第j个用户UEj未接入第i个网络基站BSi;
若第j个用户UEj选择第k业务类型BUk,则令选择状态Bjk=1,否则Bjk=0;
所述第k种业务类型BUk的判决矩阵记为 表示第k种业务类型中第u个属性对第v个属性的重要程度;1≤i≤M,1≤j≤N;1≤k≤K;所述网络选择方法是按如下步骤进行:
步骤1、根据Satty标度法自定义所述第k种业务类型的判决矩阵Pk;并利用式(1)得到第k种业务类型的一致性比例CRk:
<mrow>
<msub>
<mi>CR</mi>
<mi>k</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mo>(</mo>
<msub>
<mi>&lambda;</mi>
<mi>k</mi>
</msub>
<mo>-</mo>
<mi>n</mi>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<mi>n</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
<mo>&times;</mo>
<mi>R</mi>
<mi>I</mi>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
式(1)中,λk表示所述判决矩阵Pk的最大特征值;RI表示一致性随机指标;
若CRk<δ,则表示执行步骤2;否则,返回步骤1重新得到判决矩阵;δ表示所设定的阈值;
步骤2、对所述判决矩阵Pk的最大特征值λk求解特征向量ξk并进行归一化处理,得到权值向量
步骤3、对所述无线异构网络用进化博弈模型进行数学建模;
步骤3.1、定义所述无线异构网络中N个用户为所述进化博弈模型中的一个单群体;
定义所述第j个用户UEj为所述进化博弈模型中的第j个博弈者;
定义第j个用户UEj对任意第i个网络基站BSi的选择为所述进化博弈模型中的第i个策略,则第j个用户UEj对M个网络基站的选择为一组策略集;
定义博弈轮数为r,并初始化r=1;
步骤3.2、利用式(2)获得每个博弈者第r轮博弈时接入第i个网络基站BSi所获取的带宽资源
<mrow>
<msubsup>
<mi>w</mi>
<mi>i</mi>
<mi>r</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<msub>
<mi>W</mi>
<mi>i</mi>
</msub>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<msubsup>
<mi>S</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>r</mi>
</msubsup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>2</mn>
<mo>)</mo>
</mrow>
</mrow>
式(2)中,Wi表示第i个网络基站BSi的总带宽资源;
步骤3.3、利用式(3)获得第r轮博弈时第j个博弈者对第k种业务类型BUk选择第i个策略的奖励函数
<mrow>
<msub>
<mi>F</mi>
<mi>j</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&xi;</mi>
<mo>&OverBar;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>,</mo>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mi>r</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>&alpha;</mi>
<mo>&times;</mo>
<msubsup>
<mi>g</mi>
<mrow>
<mi>k</mi>
<mi>i</mi>
</mrow>
<mi>r</mi>
</msubsup>
<mo>+</mo>
<mi>&beta;</mi>
<mo>&times;</mo>
<mi>f</mi>
<mrow>
<mo>(</mo>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mi>r</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>L</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>r</mi>
</msubsup>
<mo>+</mo>
<msubsup>
<mi>D</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>r</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>3</mn>
<mo>)</mo>
</mrow>
</mrow>
式(3)中,α和β表示是归一化系数;Pi r表示第r轮博弈时第i个网络基站BSi的接收灵敏度;表示第r轮博弈时第j个博弈者接入第i个网络基站BSi的路径损耗,表示第r轮博弈时第j个博弈者与第i个网络基站BSi之间的阴影衰落;表示第r轮博弈时第j个博弈者的发射功率;表示第r轮博弈时第k种业务类型BUk接入第i个网络基站BSi时所获取的效益值;并有: 表示第r轮博弈时第i个网络基站BSi归一化的属性值向量;
步骤3.4、利用式(4)获得第r轮博弈时所有用户接入网络基站时的平均奖励值
<mrow>
<msub>
<mover>
<mi>U</mi>
<mo>&OverBar;</mo>
</mover>
<mi>r</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>N</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>k</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>K</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>M</mi>
</munderover>
<msubsup>
<mi>F</mi>
<mi>j</mi>
<mi>r</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&xi;</mi>
<mo>&OverBar;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>,</mo>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mi>r</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&times;</mo>
<msub>
<mi>B</mi>
<mrow>
<mi>j</mi>
<mi>k</mi>
</mrow>
</msub>
</mrow>
<mi>N</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤4、根据进化博弈的支付导向型模型进行网络基站选择:
步骤4.1、定义第j个用户UEj的第r轮博弈的策略选择记录向量为:其中, 表示第j个用户UEj选择过第i个策略,表示第j个用户UEj未选择过第i个策略;
定义第j个用户UEj的第r轮博弈的奖励函数值记录向量为:其中,表示第r轮博弈时第j个用户UEj选择第i个策略的奖励函数值;
步骤4.2、初始化j=1
步骤4.3、初始化对都成立;
初始化对都成立;
步骤4.4、判断式(5)是否成立,若成立,则表示第r轮博弈时第j个用户UEj在使用第k业务类型BUk时选择第i个策略符合接入条件,并执行步骤4.8;否则,执行步骤4.5;
<mrow>
<msubsup>
<mi>F</mi>
<mi>j</mi>
<mi>r</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mover>
<mi>&xi;</mi>
<mo>&OverBar;</mo>
</mover>
<mi>k</mi>
</msub>
<mo>,</mo>
<msubsup>
<mi>P</mi>
<mi>i</mi>
<mi>r</mi>
</msubsup>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msup>
<mover>
<mi>U</mi>
<mo>&OverBar;</mo>
</mover>
<mi>r</mi>
</msup>
<mo>&GreaterEqual;</mo>
<mn>0</mn>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
步骤4.5、令 令赋值给并判断对是否都满足,若满足,则执行步骤4.7;否则,执行步骤4.6;
步骤4.6、随机产生一个范围在1-M之间的一个整数I,并将I赋值给i后,判断满足是否成立,若成立,则利用式(3)获得后,返回步骤4.4;否则,返回步骤4.6;
步骤4.7、求取向量中最大的元素值令即第r轮博弈时第j个用户对第k种业务类型选择第z个策略;
步骤4.8、将j+1赋值给j;并判断j>N是否成立,若成立,则执行步骤5,否则返回步骤4.3;
步骤5、令r+1赋值给r,并返回步骤3.2顺序执行,并对判断与是否均相同,若均相同,则博弈结束;否则,执行步骤5。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710208891.3A CN107105453B (zh) | 2017-03-31 | 2017-03-31 | 基于层次分析法和进化博弈理论的异构网络选择接入方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710208891.3A CN107105453B (zh) | 2017-03-31 | 2017-03-31 | 基于层次分析法和进化博弈理论的异构网络选择接入方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107105453A true CN107105453A (zh) | 2017-08-29 |
CN107105453B CN107105453B (zh) | 2019-08-02 |
Family
ID=59676189
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710208891.3A Active CN107105453B (zh) | 2017-03-31 | 2017-03-31 | 基于层次分析法和进化博弈理论的异构网络选择接入方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107105453B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN108541071A (zh) * | 2018-04-10 | 2018-09-14 | 清华大学 | 基于双层博弈的无线通信系统多用户资源分配系统 |
CN108901058A (zh) * | 2018-07-06 | 2018-11-27 | 北方工业大学 | 一种物联网节点接入通道优化选择方法 |
CN109520517A (zh) * | 2017-09-19 | 2019-03-26 | 中华电信股份有限公司 | 路线规划方法及其系统 |
CN111083724A (zh) * | 2019-12-26 | 2020-04-28 | 重庆邮电大学 | 一种雾计算网络下基于ocwg-topsis的用户关联方法 |
CN111601278A (zh) * | 2020-04-30 | 2020-08-28 | 南京大学 | 一种软件定义的异构车联网接入管理与优化方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102984736A (zh) * | 2012-12-14 | 2013-03-20 | 南京邮电大学 | 无线泛在异构网络资源优化方法 |
CN103702406A (zh) * | 2013-12-30 | 2014-04-02 | 北京交通大学 | 异构网络中基于博弈论的联合用户功率和速率控制方法 |
CN103813411A (zh) * | 2014-01-16 | 2014-05-21 | 南京邮电大学 | 一种基于博弈论的多接入带宽分配方法 |
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 |
-
2017
- 2017-03-31 CN CN201710208891.3A patent/CN107105453B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102984736A (zh) * | 2012-12-14 | 2013-03-20 | 南京邮电大学 | 无线泛在异构网络资源优化方法 |
CN103702406A (zh) * | 2013-12-30 | 2014-04-02 | 北京交通大学 | 异构网络中基于博弈论的联合用户功率和速率控制方法 |
CN103813411A (zh) * | 2014-01-16 | 2014-05-21 | 南京邮电大学 | 一种基于博弈论的多接入带宽分配方法 |
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 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109520517A (zh) * | 2017-09-19 | 2019-03-26 | 中华电信股份有限公司 | 路线规划方法及其系统 |
CN109520517B (zh) * | 2017-09-19 | 2023-01-31 | 台湾中华电信股份有限公司 | 路线规划方法及其系统 |
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 |
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 |
CN108541071A (zh) * | 2018-04-10 | 2018-09-14 | 清华大学 | 基于双层博弈的无线通信系统多用户资源分配系统 |
CN108541071B (zh) * | 2018-04-10 | 2019-03-01 | 清华大学 | 基于双层博弈的无线通信系统多用户资源分配系统 |
CN108901058A (zh) * | 2018-07-06 | 2018-11-27 | 北方工业大学 | 一种物联网节点接入通道优化选择方法 |
CN111083724A (zh) * | 2019-12-26 | 2020-04-28 | 重庆邮电大学 | 一种雾计算网络下基于ocwg-topsis的用户关联方法 |
CN111083724B (zh) * | 2019-12-26 | 2022-02-11 | 重庆邮电大学 | 一种雾计算网络下基于ocwg-topsis的用户关联方法 |
CN111601278A (zh) * | 2020-04-30 | 2020-08-28 | 南京大学 | 一种软件定义的异构车联网接入管理与优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107105453B (zh) | 2019-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107105453B (zh) | 基于层次分析法和进化博弈理论的异构网络选择接入方法 | |
Li et al. | Multi-armed-bandit-based spectrum scheduling algorithms in wireless networks: A survey | |
Wang et al. | Joint interference alignment and power control for dense networks via deep reinforcement learning | |
Zhang et al. | Deep reinforcement learning for multi-agent power control in heterogeneous networks | |
Feng et al. | BOOST: Base station on-off switching strategy for green massive MIMO HetNets | |
Ding et al. | Two-side coalitional matching approach for joint MIMO-NOMA clustering and BS selection in multi-cell MIMO-NOMA systems | |
Dong et al. | Energy efficiency optimization and resource allocation of cross-layer broadband wireless communication system | |
Feng et al. | Cell selection in two-tier femtocell networks with open/closed access using evolutionary game | |
Kaleem et al. | Dynamic target wireless network selection technique using fuzzy linguistic variables | |
CN106028456A (zh) | 一种5g高密度网络中虚拟小区的功率分配方法 | |
CN107911857B (zh) | 一种超密集异构网络中基于上行下行解耦的多接入方法 | |
CN115866787A (zh) | 融合终端直传通信和多接入边缘计算的网络资源分配方法 | |
Shang et al. | An admission control algorithm based on matching game and differentiated service in wireless mesh networks | |
CN111343721B (zh) | 一种最大化系统广义能效的d2d分布式资源分配方法 | |
Ke et al. | Task offloading, caching and matching in ultra-dense relay networks | |
CN106535226A (zh) | 一种基于协同学理论的多网络协同选择和聚合方法 | |
CN103281702A (zh) | 一种基于多小区动态成簇的协作通信方法 | |
Guan et al. | Deep reinforcement learning based efficient access scheduling algorithm with an adaptive number of devices for federated learning IoT systems | |
Liu et al. | Dynamic multiple access based on deep reinforcement learning for Internet of Things | |
CN107919931A (zh) | 认知网中一种基于隐马尔可夫的多信道功率控制机制 | |
Zhang et al. | Deep reinforcement learning-based uplink power control in cell-free massive MIMO | |
AlNashwan et al. | User-centric network selection in wireless heterogeneous networks | |
Han et al. | Power Control Research for Device-to-Device Wireless Network Underlying Reinforcement Learning | |
Cai et al. | Non-Cooperative Resource Management for Intelligent Reflecting Surface Aided Networks | |
Bai et al. | Cognitive radio optimal price power control algorithm based on stackelberg game |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |