CN107949038B - 一种基于ahp和相似度的网络选择方法 - Google Patents

Abstract

本发明是一种基于AHP和相似度的网络选择方法，该方法针对异构无线网络场景下用户业务多样化的需求，将业务分为三种类型：会话类业务、流媒体业务及交互类业务，有效针对用户不同的业务需求提高用户服务质量。具体步骤如下：根据业务特点为每种业务赋予不同的判断矩阵，用AHP求出每种业务下的网络属性权重，考虑到用户需求及网络环境的动态变化，为衡量用户需求与网络属性的相符程度，该方法推导了一种属性相似度计算公式，计算用户需求与网络属性之间的相似度，加权得到用户需求与候选网络的总相似度，选择相似度最大的网络接入。

Description

一种基于AHP和相似度的网络选择方法

技术领域

本发明属于通信技术领域，涉及一种基于AHP和相似度的网络选择方法。

背景技术

现在用户所处的位置一般有多个无线网络覆盖，而且这些网络特性各不相同，如无线宽带技术数据传输率高而覆盖范围有限，而蜂窝网络覆盖范围广阔但是资费高。这些网络各有所长又各有所短，没有一种网络可以满足用户所有需求，短时期内谁也无法替代对方。因此，如何设计一种高效的网络接入机制，从而为用户提供无缝切换和服务质量保证，是无线通信领域的重要研究课题。

较早的网络选择方法只考虑接收信号强度，通过预测信号强度来选择最佳网络。博弈论近来也被用于网络选择，它可以用来有效处理用户与用户、网络与网络及用户与网络之间的竞争关系。但这些方法没有针对用户不同类型的业务需求以及网络环境的动态变化为用户选择最优网络。异构网络选择问题是一个多属性决策问题，需要从用户和网络两个角度考虑，为用户提供高质量的服务。在进行网络选择时，需要考虑多种因素，包括可用速率、峰值传输速率、包时延、包抖动、包丢失以及每比特费用等。因此首先要考虑的问题就是计算这些属性的权重，常用的多属性决策方法有主观赋权法以及客观赋权法。主观赋权法优点是用户可以根据自己不同的业务需求决定不同的网络属性的权重，常见的主观赋权法有层次分析法和G-1法等。客观赋权法可以根据方案之间的差异进行权重确定，能够很好的反应属性的权重。

本发明将层次分析法(AHP)和相似度结合提出了一种新的网络接入选择方法，首先基于不同的业务类型，从用户角度为每种业务赋予不同的判决矩阵，根据层次分析法计算出每种业务下网络各属性的权重。其次，用户对网络属性的要求有一个理想值(也可以是区间)，分三种情况(固定值与固定值、固定值与区间、区间与区间)，根据相似度公式计算出网络各属性与用户理想值之间的相似度，最后加权得到用户需求与网络属性之间的总相似度，选择相似度最大的网络作为最佳网络，可以有效针对用户不同业务类型提升用户服务质量。

发明内容

技术问题：本发明的目的是提供一种基于AHP和相似度的网络选择方法，该方法针对异构无线网络场景下用户业务多样化的需求，根据业务特点为每种业务赋予不同的判断矩阵，用AHP求出每种业务下的网络属性权重，考虑到用户需求及网络环境的动态变化，为衡量用户需求与网络属性的相符程度，该方法推导了一种属性相似度计算公式，从用户角度为其选择最符合其需求的网络，可以有效针对用户不同业务类型的需求提高用户服务质量。

技术方案：本发明的基于AHP和相似度的网络选择方法，包括以下步骤：

1)根据AHP计算不同业务类型的网络属性权重，具体如下：

a)建立网络选择问题的递阶层次结构：将该问题分为三层，最上方是目标层，表示最佳网络，中间是准则层，表示可用速率r₁、峰值传输速率r₂、包时延r₃、包抖动r₄、包丢失r₅与每比特费用r₆这些参与网络选择的属性，最下方是方案层，表示用户可以选择接入的网络的集合；

b)根据用户对不同业务类型的需求分别确定计算属性权重所需的判断矩阵

其中a_ij表示在业务k下属性r_i相对于属性r_j的重要程度,n为属性个数；

c)根据不同业务类型的判断矩阵计算主观权重：由判断矩阵的对角对称性可知，一定存在特征方程A_k×V＝λ×V，其中V表示非零的特征向量，λ表示对应特征值。其中V对应着权重向量，而特征值λ近似对应属性的个数。因此，通过计算矩阵A_k的非零特征向量就可以得到属性的权重向量W_k＝[w_k1 w_k2 ··· w_k6]；

d)一致性检验：计算一致性比例

其中n为属性个数，RI为随机一致性指标(查表可知)，λ_max为判断矩阵A_k最大特征值。当CR≤0.1时，认为判断矩阵的一致性是可以接受的，否则应对判断矩阵作适当修正；

2)建立网络待测对象和用户需求标准对象的相似度计算模型：将用户所处范围内的网络看作一个个待测对象，该待测对象是一个整体，由可用速率r₁、峰值传输速率r₂、包时延r₃、包抖动r₄、包丢失r₅与每比特费用r₆构成，候选网络j用

表示，

表示网络j第i个属性值。同时，用户对网络属性r₁、r₂、r₃、r₄、r₅和r₆的需求构成一个标准对象，用户需求用

表示，

表示在业务k下用户对第i个属性的理想值；

3)计算用户需求属性与网络属性的属性相似度

其中

表示在业务k下用户对属性i的需求，

表示网络j第i个属性值，

分三种情况讨论(

是固定值，

是固定值

是区间，

都是区间)；

4)计算用户需求r_k ^U与候选网络r_j ^N的加权总相似度

其中n为属性个数，

是业务k下网络j第i个属性与用户对属性i需求之间的相似度，

是业务k下候选网络r_j ^N与用户需求r_k ^U的总相似度；

5)选择步骤4)中最大相似度对应的网络作为最佳网络。

本发明将相似度应用到网络选择问题中，将用户所处范围内的网络看作一个个待测对象，该待测对象是一个整体，由可用速率r₁、峰值传输速率r₂、包时延r₃、包抖动r₄、包丢失r₅与每比特费用r₆构成。同时，用户对网络属性r₁、r₂、r₃、r₄、r₅和r₆的需求构成一个标准对象。

本发明从网络和用户角度考虑网络选择问题，建立网络待测对象与用户需求标准对象之间的相似度计算模型，计算用户需求有候选网络的总相似度，选择最大相似度的网络作为目标网络，可以有效提升用户服务质量。

有益效果：本发明与现有技术相比，具有以下优点：

1.将相似度应用到网络选择中，将用户所处范围内的网络看作一个个待测对象，该待测对象是一个整体，由可用速率r₁、峰值传输速率r₂、包时延r₃、包抖动r₄、包丢失r₅与每比特费用r₆构成，网络各属性是组成整体的一部分，部分影响整体，若某部分属性很好，但其余部分较差，也会影响网络整体性能。同时，用户对网络属性r₁、r₂、r₃、r₄、r₅和r₆的需求构成一个标准对象。建立网络待测对象与用户需求标准对象之间的相似度计算模型，计算用户需求有候选网络的总相似度，选择最大相似度的网络作为目标网络，选择最符合用户需求的网络。

2.利用层次分析法计算三种业务下网络属性的权重，与属性相似度加权求和得到网络的总相似度，既考虑了客观属性，也考虑了用户需求，主客观相结合，可以为用户选择最符合其需求的网络。

3.在三种业务下，基于AHP和相似度的网络选择方法相比较于GRA和EW方法可以有效减少单位时间切换次数。话音业务下，本方法的包抖动和包时延最小。流媒体业务下，本方法的包丢失和每比特费用最小，吞吐量最大。交互类业务下，本方法的每比特费用最低，吞吐量最大。因此本方法可以有效针对用户不同的业务类型，提高用户服务质量。

附图说明

图1为采用AHP和相似度实现网络选择的方法流程示意图。

图2为会话语音业务下各方法的切换次数随着状态转移概率P的变化图。

图3为会话类业务下各方法的包时延随着状态转移概率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：

本发明的思路是运用AHP和相似度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，相似度用来建立网络待测对象与用户需求标准对象之间的相似度计算模型，得到属性相似度，与AHP计算得到的主观权重加权求和得到用户需求与候选网络的总相似度，选择相似度最大的网络作为目标网络，可以有效提升用户服务质量。

整个网络选择过程采用AHP方法和相似度实现网络选择的总体流程图见附图1。

本发明的基于AHP和相似度的异构网络多属性网络决策方法，包括以下步骤：

1)根据AHP计算不同业务类型的网络属性权重，步骤如下：

a)建立网络选择问题的递阶层次结构：将该决策问题分为三层，最上方是目标层，表示最佳网络，中间是准则层，表示可用速率r₁、峰值传输速率r₂、包时延r₃、包抖动r₄、包丢失r₅与每比特费用r₆这些参与网络选择的属性，最下方是方案层，表示用户可以选择接入的网络的集合。

b)根据用户对不同业务类型的需求分别确定计算属性权重所需的判断矩阵A_k：

其中a_ij表示在业务k下属性r_i相对于属性r_j的重要程度,n为属性个数。Saaty提出了以数字1-9和其倒数作为a_ij的值，a_ij越大表示属性r_i相对于属性r_j更重要，占的权重越大。

c)根据不同业务类型的判断矩阵计算主观权重：由判断矩阵的对角对称性可知，一定存在特征方程A_k×V＝λ×V，其中V表示非零的特征向量，λ表示对应特征值。其中V对应着权重向量，而特征值λ近似对应属性的个数。因此，通过计算矩阵A_k的非零特征向量就可以得到属性的权重向量W＝[w₁ w₂ ··· w_n]。

d)判决矩阵一致性检验：在人为给定判决矩阵中的元素时，由于人的主观性，元素不一定相一致，如a₁₂＝2,a₂₃＝4，若元素之间满足一致性，则a₁₃＝8，因此当a₁₃＝8不满足时，元素之间存在不一致。即元素满足一致性的条件是：

因此，需要对判决矩阵进行一致性检验。首先计算一致性指标CI：

查表得到相应的平均随机一致性指标RI，其RI值如表1所示：

表1平均随机性一致性指标RI

最后得到一致性比例CR：

当CR≤0.1时，认为判断矩阵的一致性是可以接受的，否则应对判断矩阵作适当修正。

2)建立网络待测对象和用户需求标准对象的相似度计算模型：将用户所处范围内的网络看作一个个待测对象，该待测对象是一个整体，由可用速率r₁、峰值传输速率r₂、包时延r₃、包抖动r₄、包丢失r₅与每比特费用r₆构成，候选网络j用

表示，

表示网络j第i个属性值。同时，用户对网络属性r₁、r₂、r₃、r₄、r₅和r₆的需求构成一个标准对象，用户需求用

表示，

表示在业务k下用户对第i个属性的理想值。

3)计算用户需求属性与网络属性的属性相似度：

其中

表示在业务k下用户对属性i的需求，

表示网络j第i个属性值，

分三种情况讨论(

是固定值，

是固定值

是区间，

都是区间)；

4)用户需求与候选网络总相似度计算:根据步骤1)得到的权重向量W＝[w₁ w₂··· w_n]和步骤3)得到的属性相似度

计算总加权总相似度

5)选择步骤4)中最大相似度对应的网络作为最佳网络。

该网络是最符合用户需求的网络，选择该网络最符合用户需求，可以有效提升用户服务质量。

综上所述，将相似度应用到网络选择问题中，将用户所处范围内的网络看作一个个待测对象，该待测对象是一个整体，由可用速率r₁、峰值传输速率r₂、包时延r₃、包抖动r₄、包丢失r₅与每比特费用r₆构成。同时，用户对网络属性r₁、r₂、r₃、r₄、r₅和r₆的需求构成一个标准对象。建立网络待测对象与用户需求标准对象之间的相似度计算模型，计算用户需求有候选网络的总相似度，选择最大相似度的网络作为目标网络，可以有效提升用户服务质量。如附图2是本方法、EW方法和GRA方法的单位时间切换次数随状态转移概率P变化的情形，可见本方法可以有效减少网络切换次数，提高用户服务质量。附图3是会话类业务下三种方法的包时延比较图，可见本方法的包时延小于上述两种方法。

Claims (1)

1.一种基于AHP和相似度的网络选择方法，其特征在于，该方法包括以下步骤：

1)计算不同业务类型的网络属性权重，具体如下：

a)建立网络选择问题的递阶层次结构：将该问题分为三层，最上方是目标层，表示最佳网络，中间是准则层，表示可用速率r₁、峰值传输速率r₂、包时延r₃、包抖动r₄、包丢失r₅与每比特费用r₆这些参与网络选择的属性，最下方是方案层，表示用户选择接入的网络的集合；

b)根据用户对不同业务类型的需求分别确定计算属性权重所需的判断矩阵

其中a_ij表示在业务k下属性r_i相对于属性r_j的重要程度,n为属性个数；

c)根据不同业务类型的判断矩阵计算主观权重：由判断矩阵的对角对称性知道，一定存在特征方程A_k×V＝λ×V，其中V表示非零的特征向量，λ表示对应特征值,其中V对应着权重向量，而特征值λ近似对应属性的个数，通过计算矩阵A_k的非零特征向量得到属性的权重向量W_k＝[w_k1 w_k2 ··· w_k6]；

d)一致性检验：计算一致性比例

其中n为属性个数，RI为随机一致性指标，λ_max为判断矩阵A_k最大特征值,当CR≤0.1时，认为判断矩阵的一致性是能够接受的，否则应对判断矩阵作适当修正；

2)建立网络待测对象和用户需求标准对象的相似度计算模型：将用户所处范围内的网络看作一个个待测对象，该待测对象是一个整体，由可用速率r₁、峰值传输速率r₂、包时延r₃、包抖动r₄、包丢失r₅与每比特费用r₆构成，候选网络j用

表示，

表示网络j第i个属性值；同时，用户对网络属性r₁、r₂、r₃、r₄、r₅和r₆的需求构成一个标准对象，用户需求用

表示，

表示在业务k下用户对第i个属性的理想值；

3)计算用户需求属性与网络属性的属性相似度

其中

表示在业务k下用户对属性i的需求，

表示网络j第i个属性值，

分三种情况讨论，

是固定值，

是固定值

是区间，

都是区间；

4)计算用户需求r_k ^U与候选网络r_j ^N的加权总相似度

其中n为属性个数，

是业务k下网络j第i个属性与用户对属性i需求之间的相似度，

是业务k下候选网络r_j ^N与用户需求r_k ^U的总相似度；

5)选择步骤4)中最大相似度对应的网络作为最佳网络。

Images