CN108901052A - 一种异构网络的切换方法及装置 - Google Patents
一种异构网络的切换方法及装置 Download PDFInfo
- Publication number
- CN108901052A CN108901052A CN201810914221.8A CN201810914221A CN108901052A CN 108901052 A CN108901052 A CN 108901052A CN 201810914221 A CN201810914221 A CN 201810914221A CN 108901052 A CN108901052 A CN 108901052A
- Authority
- CN
- China
- Prior art keywords
- service type
- preset service
- decision
- judgment
- weight
- 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 104
- 239000013598 vector Substances 0.000 claims abstract description 82
- 230000008569 process Effects 0.000 claims abstract description 37
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 27
- 239000011159 matrix material Substances 0.000 claims description 137
- 230000006870 function Effects 0.000 claims description 35
- 238000010606 normalization Methods 0.000 claims description 32
- 230000008901 benefit Effects 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 12
- 238000005265 energy consumption Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000010295 mobile communication Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/0005—Control or signalling for completing the hand-off
- H04W36/0083—Determination of parameters used for hand-off, e.g. generation or modification of neighbour cell lists
- H04W36/00835—Determination of neighbour cell lists
- H04W36/008357—Determination of target cell based on access point [AP] properties, e.g. AP service capabilities
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W36/00—Hand-off or reselection arrangements
- H04W36/14—Reselecting a network or an air interface
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Mobile Radio Communication Systems (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明实施例提供了一种异构网络的切换方法及装置，所述方法包括：获取多个候选网络中每个候选网络包含丢包率和网络负载的参数，将所获取的参数作为该候选网络的判决参数；获取每一预设业务类型及与每一预设业务类型对应的，至少一用户偏好的预设权重因子；对每一预设业务类型，利用判决参数，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，并确定每一预设业务类型对应的权重向量；使用预设权重因子，调整每一预设业务类型对应的权重向量；利用权重向量，采用直觉梯形模糊多属性决策算法，计算各候选网络的得分，将得分最高的候选网络确定为目标网络，并触发切换。
Description
技术领域
本发明涉及无线通信技术领域，特别是涉及一种异构网络的切换方法及装置。
背景技术
异构网络(Heterogeneous Network)是一种类型的网络，其是由不同制造商生产的计算机、网络设备和系统组成的。异构，是指两个或以上的无线通信系统采用了不同的接入技术，或者是采用相同的无线接入技术但属于不同的无线运营商。
现有的异构网络为：由3G(3rd-Generation，第三代移动通信技术)、4G(4th-Generation，第四代移动通信技术)、WLAN(Wireless Local Area Networks，无线局域网)等多种无线接入技术组成的异构网络。因现有的异构网络是由多种无线接入技术组成的，不同网络的覆盖范围和对移动性的支持能力各不相同。在实际应用中，根据用户所需业务类型和用户策略的变化，用户在移动过程中将经历同一网络制式下小区间的切换以及跨不同网络制式间的切换。
目前，针对现有异构网络的切换方法主要是：对切换参数进行不同组合得到切换判决标准，再根据切换判决标准进行切换决策。例如，基于多属性决策的切换判决方法，主要步骤包括：
首先，获取候选网络的参数，将其作为判决参数，使用熵权法来确定每一判决参数的权重，其中，所获取的判决参数包括：RSRP(Reference Signal Receiving Power，参考信号接收功率)、网络时延、带宽、服务费用及能耗；然后，采用简单加权法设计效用函数，对候选网络进行排序，具体的，建立一个与候选网络相关的收益函数，通过对各判决参数的权重进行线性加权求和，根据加权求和的结果对候选网络进行排序，从排序之后的候选网络中，选取最优网络作为判决结果进行接入。其中，熵权法是一种客观赋权法，根据判决参数的变异程度，由信息熵法计算出各判决参数所占的权重，再对各权重进行修正，得到最终的权重大小，该判决参数的熵值越小，则不确定性越大，其所占权重越大。
然而，发明人在实现本发明的过程中发现，现有技术至少存在如下问题：
由于现有的异构网络切换方法中使用的判决参数为：RSRP、网络时延、带宽、服务费用及能耗，这些判决参数可以直接反映异构网络的网络状况，且现有的异构网络切换方法中，采用简单加权法设计效用函数，对候选网络进行排序，该方法要求一个判决参数的重要性不受另一个判决参数的影响。但在实际应用中，由于异构网络的网络环境比较复杂，多种判决参数间相互影响，且网络的状态是动态变化的。在多种判决参数相互影响，网络状态动态变化的情况下，现有异构网络的切换方法，已不能满足用户对网络及相关业务的个性化需求，用户体验不好。
发明内容
本发明实施例的目的在于提供一种异构网络的切换方法及装置，以提高异构网络间的切换性能，满足用户对网络及相关业务的个性化需求。具体技术方案如下：
第一方面，本发明实施例提供了一种异构网络的切换方法，所述方法包括：
针对多个候选网络中的每个候选网络，获取该候选网络包含丢包率和网络负载的参数，将该候选网络包含丢包率和网络负载的参数，作为该候选网络的判决参数；
获取每一预设业务类型及与每一预设业务类型对应的，至少一用户偏好的预设权重因子；
对每一预设业务类型，利用所述判决参数，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，并将所述每一预设业务类型对应的各判决参数的权重组成的向量，确定为每一预设业务类型对应的权重向量；
使用所述每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，调整所述每一预设业务类型对应的权重向量；
利用所述每一预设业务类型对应的权重向量，采用直觉梯形模糊多属性决策算法，计算各所述候选网络的得分，将得分最高的候选网络确定为目标网络，并触发切换。
可选的，所述对每一预设业务类型，利用所述判决参数，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，并将所述每一预设业务类型对应的各判决参数的权重组成的向量，确定为每一预设业务类型对应的权重向量的步骤，包括：
对每一预设业务类型对应的各判决参数，每次选取两个判决参数，按照预设表示判决参数相对重要度的标度，确定所选取的每两个判决参数的相对重要程度，利用所述每两个判决参数的相对重要程度，构建每一预设业务类型对应的判断矩阵；
基于所构建的每一预设业务类型对应的判断矩阵，采用特征根法，计算所述每一预设业务类型对应的各判决参数的权重，并对所述每一预设业务类型对应的各判决参数的权重进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重；
将归一化后的每一预设业务类型对应的各判决参数的权重，组成所述每一预设业务类型对应的权重向量。
可选的，所述基于所构建的每一预设业务类型对应的判断矩阵，采用特征根法，计算所述每一预设业务类型对应的各判决参数的权重，并对所述每一预设业务类型对应的各判决参数的权重进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重的步骤，包括：
基于所构建的每一预设业务类型对应的判断矩阵，计算所述每一预设业务类型对应的判断矩阵中每一行元素的乘积wi；
对每一行元素的乘积wi，取n次方根，得到n次方根n为所述判决参数的个数；
使用公式对每一行元素乘积wi的n次方根进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重向量ωi；其中，所使用的公式为：
i表示所述每一预设业务类型对应的判断矩阵中的第i行。
可选的，所述使用所述每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，调整所述每一预设业务类型对应的权重向量的步骤，包括：
针对每一预设业务类型，将所述每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，与所述每一预设业务类型对应的判断矩阵中该用户偏好所对应的判决参数的值相乘，更新所构建的每一预设业务类型对应的判断矩阵；
基于更新的每一预设业务类型对应的判断矩阵，采用特征根法，计算所述更新的每一预设业务类型对应的各判决参数的权重，并对所述更新的每一预设业务类型对应的各判决参数的权重进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重；
将归一化后的每一预设业务类型对应的各判决参数的权重，组成更新后的所述每一预设业务类型对应的权重向量。
可选的，所述利用所述每一预设业务类型对应的权重向量，采用直觉梯形模糊多属性决策算法，计算各所述候选网络的得分，将得分最高的候选网络确定为目标网络的步骤，包括：
对各所述候选网络的判决参数进行模糊语言评价，将模糊语言评价信息转化为梯形模糊数，得到模糊决策矩阵；
将各所述候选网络的各判决参数分为：效益型判决参数和成本型判决参数，并对所述模糊决策矩阵中所述效益型判决参数和所述成本型判决参数进行模糊数规范化，得到规范化后的规范化决策矩阵；
基于所述规范化决策矩阵，及层次分析法所得到的所述每一预设业务类型对应的权重向量，采用直觉梯形模糊权重平均算子公式求得所述每一预设业务类型对应各判决参数的平均属性值；
基于所述每一预设业务类型对应各判决参数的平均属性值，根据得分函数计算各所述候选网络的得分，并对所计算的各候选网络的得分进行排序，将得分最高的候选网络确定为目标网络。
可选的，采用如下效益型判决参数的模糊数规范化方法及成本型判决参数的模糊数规范化方法，分别对所述模糊决策矩阵中所述效益型判决参数和所述成本型判决参数进行模糊数规范化：
采用所述效益型判决参数的模糊数规范化方法为：
所述成本型判决参数的模糊数规范化方法为：
分别对所述模糊决策矩阵中所述效益型判决参数和所述成本型判决参数进行模糊数规范化；
其中，rij为所述模糊决策矩阵中各判决参数规范化后得到的规范化决策矩阵中对应的判决参数的属性值，aij、bij、cij、dij分别为所述模糊决策矩阵中第i行第j列对应的判决参数的属性值，μij、vij分别为所述模糊决策矩阵的隶属函数对应的隶属度和非隶属函数对应的非隶属度值，i为所述模糊决策矩阵的第i行，j为所述模糊决策矩阵的第j列。
可选的，所述直觉梯形模糊权重平均算子公式为：
其中，ω＝(ω1，ω2，...，ωk)T为所述每一预设业务类型对应的权重向量，ωk＞0，ωk表示所述每一预设业务类型对应的权重向量中第k个权重，n为所述判决参数的个数，amk′、bmk′、cmk′、dmk′分别为所述规范化决策矩阵中第m行第k列对应的判决参数的属性值，μmk′、vmk′分别为所述规范化决策矩阵第m行第k列的隶属函数对应的隶属度和非隶属函数对应的非隶属度，是直觉梯形模糊数。
可选的，所述得分函数为：
其中，为所述候选网络的得分，p、q、s、g分别为所述每一预设业务类型对应各判决参数的平均属性值，分别为所述每一预设业务类型对应各判决参数的平均属性值得到的隶属度和非隶属度值，μ，υ分别为所述每一预设业务类型对应各判决参数的平均属性值得到的隶属度和非隶属度，为直觉梯形模糊数。
可选的，所述预设业务类型包括：会话类业务、流类业务、交互类业务、后台类业务、机器与机器间无线通信M2M类业务。
第二方面，本发明实施例还提供了一种异构网络的切换装置，所述装置包括：
第一获取模块，用于针对多个候选网络中的每个候选网络，获取该候选网络包含丢包率和网络负载的参数，将该候选网络包含丢包率和网络负载的参数，作为该候选网络的判决参数；
第二获取模块，用于获取每一预设业务类型及与每一预设业务类型对应的，至少一用户偏好的预设权重因子；
权重计算模块，用于对每一预设业务类型，利用所述判决参数，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，并将所述每一预设业务类型对应的各判决参数的权重组成的向量，确定为每一预设业务类型对应的权重向量；
权重调整模块，用于使用所述每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，调整所述每一预设业务类型对应的权重向量；
确定切换模块，用于利用所述每一预设业务类型对应的权重向量，采用直觉梯形模糊多属性决策算法，计算各所述候选网络的得分，将得分最高的候选网络确定为目标网络，并触发切换。
第三方面，本发明实施例还提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面所述的一种异构网络的切换方法。
第四方面，本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述第一方面所述的一种异构网络的切换方法。
第五方面，本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面所述的一种异构网络的切换方法。
本发明实施例提供的一种异构网络的切换方法及装置，通过针对多个候选网络中的每个候选网络，获取该候选网络包含丢包率和网络负载的参数，将该候选网络包含丢包率和网络负载的参数，作为该候选网络的判决参数；获取针对每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子；对每一预设业务类型，利用判决参数，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，并将每一预设业务类型对应的各判决参数的权重组成的向量，确定为每一预设业务类型对应的权重向量；使用每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，调整每一预设业务类型对应的权重向量；利用每一预设业务类型对应的权重向量，采用直觉梯形模糊多属性决策算法，计算各候选网络的得分，将得分最高的候选网络确定为目标网络，并触发切换。
本发明实施例，综合考虑了用户偏好、预设业务类型以及包含网络负载、丢包率等网络特征的特点，通过权重优化算法对每一预设业务类型对应的各判决参数设定了合理的权重，再利用直觉梯形模糊多属性决策算法制定切换策略，选出最佳的切换网络。本发明实施例中，因综合考虑了用户偏好、预设业务类型以及不同网络特征的特点，即考虑了多种判决参数间的相互影响，且考虑的网络特征参数相对较全面，使得最终的切换结果能更客观准确的反应实际情况，可以提高异构网络间的切换性能，并且，本发明实施例基于直觉梯形模糊多属性决策算法来制定切换策略，可以在用户移动过程中改变业务类型时，帮助用户在多种预设业务类型中及时调整切换策略，可以满足用户对网络及相关业务的个性化需求。
当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种异构网络的切换方法的流程图；
图2为本发明实施例中权重计算的一种实施方式流程图；
图3为本发明实施例提供的一种层次结构模型示意图；
图4为图2所示实施例中步骤S202的一种实施方式流程图；
图5为本发明实施例中权重调整的一种实施方式流程图；
图6为本发明实施例中网络确定切换的一种实施方式流程图；
图7为本发明实施例提供的一种异构网络的切换装置的结构示意图；
图8为本发明实施例提供的一种电子设备的结构示意图。
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、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为了解决现有技术问题，本发明实施例提供了一种异构网络的切换方法及装置，以提高异构网络间的切换性能，满足用户对网络及相关业务的个性化需求。
下面首先对本发明实施例所提供的一种异构网络的切换方法进行介绍。
目前，随着网络技术的快速发展，多种5G(5th-Generation，第五代移动通信技术)新业务如AR(Augmented Reality，增强现实)、VR(Virtual Reality，虚拟现实)、3D/4K高清视频等，对网络提出了如大带宽、低延迟、高容量、超可靠等新的挑战。使得现有的由3G、4G、WLAN等多种无线接入技术组成的异构网络已不能满足用户对网络及相关业务的个性化需求。
为了满足AR/VR等业务对于高速传输等个性化需求，5G网络引入了基于毫米波(mmWave)频段的5G NR(New Radio，新空口)技术。本发明实施例中，以包含5G NR、4G LTE(Long Term Evolution，长期演进)、WLAN等多种无线接入技术的复杂异构网络的切换方法为例进行说明。
如图1所示，图1为本发明实施例提供的一种异构网络的切换方法的流程图，该方法可以包括：
S101，针对多个候选网络中的每个候选网络，获取该候选网络包含丢包率和网络负载的参数，将该候选网络包含丢包率和网络负载的参数，作为该候选网络的判决参数。
本发明实施例中，首先，针对多个候选网络中的每个网络，可以先获取每个候选网络中包含丢包率和网络负载的参数，然后，将每个候选网络包含丢包率和网络负载的参数，作为该候选网络的判决参数。
具体的，本发明实施例中的多个候选网络可以为：5G NR、4G LTE以及WLAN网络。所获取的每个候选网络的判决参数还可以包括：接收信号强度、网络可用带宽、网络延迟、网络费用、终端能耗等。
S102，获取每一预设业务类型及与每一预设业务类型对应的，至少一用户偏好的预设权重因子。
可选地，本发明实施例中的预设业务类型可以包括：会话类业务、流类业务、交互类业务、后台类业务、M2M(Machine-to-Machine，机器与机器间无线通信)类业务。用户偏好可以包括：网络费用和终端能耗。
针对于用户所需的每一预设业务类型，可以先获取与每一预设业务类型对应的，至少一用户偏好的预设权重因子，该预设权重因子也可称为权重调整因子。具体的，与每一预设业务类型对应的，至少一用户偏好的预设权重因子的值，本领域技术人员可根据实际需求进行设置，本发明在此不作限制。
S103，对每一预设业务类型，利用判决参数，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，并将每一预设业务类型对应的各判决参数的权重组成的向量，确定为每一预设业务类型对应的权重向量。
在获取每个候选网络的判决参数之后，对用户所需的每一预设业务类型，使用所获取的判决参数，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，并将每一预设业务类型对应的各判决参数的权重组成的向量，确定为每一预设业务类型对应的权重向量。具体的，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，确定每一预设业务类型对应的权重向量的实现过程在下文进行详细介绍。
S104，使用每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，调整每一预设业务类型对应的权重向量。
在获取与每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子之后，可以使用所获取的该预设权重因子，对所确定的每一预设业务类型中用户偏好所对应的判决参数的权重进行调整，进而对所确定的每一预设业务类型对应的权重向量进行调整，具体的调整方式在下文进行详细介绍。
S105，利用每一预设业务类型对应的权重向量，采用直觉梯形模糊多属性决策算法，计算各候选网络的得分，将得分最高的候选网络确定为目标网络，并触发切换。
在对用户所需的每一预设业务类型，使用所获取的每个候选网络的判决参数，采用层次分析法，计算并得到每一预设业务类型对应的权重向量，且使用每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，调整所确定的每一预设业务类型对应的权重向量之后，利用该调整之后的每一预设业务类型对应的权重向量，采用直觉梯形模糊多属性决策算法，计算各候选网络的得分，最后，将得分最高的候选网络确定为目标网络，并触发切换。具体的，采用直觉梯形模糊多属性决策算法，计算各候选网络的得分，将得分最高的候选网络确定为目标网络的过程在下文进行详细介绍。
本发明实施例提供的一种异构网络的切换方法，综合考虑了用户偏好、预设业务类型以及包含网络负载、丢包率等网络特征的特点，通过权重优化算法对每一预设业务类型对应的各判决参数设定了合理的权重，再利用直觉梯形模糊多属性决策算法制定切换策略，选出最佳的切换网络。本发明实施例中，因综合考虑了用户偏好、预设业务类型以及不同网络特征的特点，即考虑了多种判决参数间的相互影响，且考虑的网络特征参数相对较全面，使得最终的切换结果能更客观准确的反应实际情况，可以提高异构网络间的切换性能，并且，本发明实施例基于直觉梯形模糊多属性决策算法来制定切换策略，可以在用户移动过程中改变业务类型时，帮助用户在多种预设业务类型中及时调整切换策略，可以满足用户对网络及相关业务的个性化需求。
在图1所示实施例的基础上，如图2所示，图2为本发明实施例中权重计算的一种实施方式流程图，该方式可以包括：
S201，对每一预设业务类型对应的各判决参数，每次选取两个判决参数，按照预设表示判决参数相对重要度的标度，确定所选取的每两个判决参数的相对重要程度，利用每两个判决参数的相对重要程度，构建每一预设业务类型对应的判断矩阵。
本发明实施例中一种可选的实现方式为：针对每一预设业务类型，利用所获取每一预设业务类型对应的各判决参数，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，并将每一预设业务类型对应的各判决参数的权重组成的向量，确定为每一预设业务类型对应的权重向量。
本发明实施例中一种可选的实现方式为：首先，分析各候选网络、预设业务类型以及各判决参数之间的关系，构建异构网络的层次结构模型，图3为本发明实施例提供的一种层次结构模型示意图。在该层次结构模型中，最高层为目标层(即最终选择切换的目标网络)，中间层为业务层和属性层，其中，业务层包括每一预设业务类型对应的业务，属性层包括每个候选网络的判决参数，最底层为不同的候选方案，该候选方案即为各个候选网络的集合。
在构建层次结构模型之后，针对每一预设业务类型对应的各判决参数，每次选取两个判决参数，比较所选取的每两个判决参数对层次结构模型目标层的影响，按照1-9标度确定所选取的每两个判决参数的相对重要程度，构建每一预设业务类型对应的判断矩阵。
示例性的，每一预设业务类型所构建的对应的判断矩阵可以为：
其中，Hmatrix表示每一预设业务类型所构建的对应的判断矩阵，RSS(ReceivedSignal Strength，接收信号强度)、L表示网络负载、B表示网络可用带宽、D表示网络延迟、C表示网络费用、P表示终端能耗、N表示丢包率。判断矩阵H＝(hij)n×n中，hij表示该判断矩阵中第i行代表的判决参数与第j列代表的判决参数的相对重要程度，n为判决参数的个数。
示例性的，以会话类业务为例，会话类业务的判断矩阵可以为：
S202，基于所构建的每一预设业务类型对应的判断矩阵，采用特征根法，计算每一预设业务类型对应的各判决参数的权重，并对每一预设业务类型对应的各判决参数的权重进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重。
在构建每一预设业务类型对应的判断矩阵之后，可以基于所构建的判断矩阵，采用特征根法，计算每一预设业务类型对应的各判决参数的权重。然后，对每一预设业务类型对应的各判决参数的权重进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重，具体的计算及归一化过程在下文进行详细介绍。
S203，将归一化后的每一预设业务类型对应的各判决参数的权重，组成所述每一预设业务类型对应的权重向量。
示例性的，以会话类业务为例，经归一化后的该会话类业务对应的各判决参数的权重分别为：
(ω1，ω2，...，ω7)＝{0.2527，0.0659，0.0659，0.4245，0.0229，0.0324，0.1356}其中，ω1，ω2，...，ω7分别对应的判决参数为：RSS、L、B、D、C、P、N。
使用同样的计算方法，计算各预设业务类型对应的各判决参数的权重，可以如下表1所示，表1为各预设业务类型对应的各判决参数的权重值。
表1.各预设业务类型对应的各判决参数的权重值
本发明实施例中，对每一预设业务类型，利用所获取的判决参数，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，并将每一预设业务类型对应的各判决参数的权重组成的向量，确定为每一预设业务类型对应的权重向量，该层次分析法是一种主观赋权法，可以将各候选网络、预设业务类型以及各判决参数排列为一个有序的递阶层次结构的整体，然后在该层次结构中将各个判决参数进行两两的比较、判断，计算各个判决参数的相对重要性系数，得到权重。
在图2所示实施例的基础上，如图4所示，图4为图2所示实施例中步骤S202的一种实施方式流程图，该方式可以包括：
S2021，基于所构建的每一预设业务类型对应的判断矩阵，计算所述每一预设业务类型对应的判断矩阵中每一行元素的乘积wi。
本发明实施例中，基于所构建的每一预设业务类型对应的判断矩阵，计算每一预设业务类型对应的判断矩阵中每一行元素的乘积wi。具体的，计算每一预设业务类型对应的判断矩阵中每一行元素的乘积wi所采用的公式可以为：
其中，i＝1，2，…，n，i表示每一预设业务类型对应的判断矩阵中的第i行，hij表示判断矩阵中的第i行第j列的元素，n为判决参数的个数。
S2022，对每一行元素的乘积wi，取n次方根，得到n次方根n为判决参数的个数。
S2023，使用公式对每一行元素乘积wi的n次方根进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重向量ωi。
本发明实施例中，基于所构建的每一预设业务类型对应的判断矩阵，计算每一预设业务类型对应的判断矩阵中每一行元素的乘积wi之后，对计算得到的每一行元素的乘积wi，取n次方根，得到n次方根再使用如下公式对每一行元素乘积wi的n次方根进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重向量ωi。其中，所使用的公式为：
在图2所示实施例的基础上，如图5所示，图5为本发明实施例中权重调整的一种实施方式流程图，该方式可以包括：
S501，针对每一预设业务类型，将每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，与每一预设业务类型对应的判断矩阵中该用户偏好所对应的判决参数的值相乘，更新所构建的每一预设业务类型对应的判断矩阵。
本发明实施例中，确定每一预设业务类型对应的权重向量之后，针对每一预设业务类型，考虑用户偏好，使用每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，调整每一预设业务类型对应的权重向量。具体的，将每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，与每一预设业务类型对应的判断矩阵中该用户偏好所对应的判决参数的值相乘，更新所构建的每一预设业务类型对应的判断矩阵中该用户偏好所对应的判决参数的相对重要程度。
示例性的，以用户偏好为低网络开销(即网络费用)为例，可以适当提高所构建的判断矩阵中网络费用这一判决参数相对于其他判决参数的重要程度，即提高网络费用的权重。这样，在进行目标网络切换决策时，可以避免选择网络费用小的候选网络的可能性。可以运用如下的公式对所构建的每一预设业务类型对应的判断矩阵进行更新：
且t＞1.
其中，h4，h9，h13，h16，为所构建的每一预设业务类型对应的判断矩阵中的值，h′4，h′9，h′13，h′16，为更新后的每一预设业务类型对应的判断矩阵中的值。t为与每一预设业务类型对应的，该用户偏好所预先设置的预设权重因子，是大于1的数，可以是小数，也可以是整数，t取值越大，表示网络费用这一判决参数的重要程度越高。
S502，基于更新的每一预设业务类型对应的判断矩阵，采用特征根法，计算更新的每一预设业务类型对应的各判决参数的权重，并对更新的每一预设业务类型对应的各判决参数的权重进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重。
S503，将归一化后的每一预设业务类型对应的各判决参数的权重，组成更新后的每一预设业务类型对应的权重向量。
本发明实施例中，使用每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，更新所构建的每一预设业务类型对应的判断矩阵之后，对该更新的每一预设业务类型对应的判断矩阵，采用特征根法，计算更新的每一预设业务类型对应的各判决参数的权重，得到更新后的每一预设业务类型对应的权重向量的过程，可参见上文图2所示实施例中权重的计算过程，本发明实施例在此不作赘述。
本发明实施例中，使用每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，调整每一预设业务类型对应的权重向量，将用户偏好考虑在每一预设业务类型对应的权重向量中，可以更客观准确地反映实际情况，进一步使得最终选择的目标网络能够最大程度地与网络特性、业务类型、用户偏好相吻合。
在图1所示实施例的基础上，如图6所示，图6为本发明实施例中网络确定切换的一种实施方式流程图，该方式可以包括：
S601，对各候选网络的判决参数进行模糊语言评价，将模糊语言评价信息转化为梯形模糊数，得到模糊决策矩阵。
本发明实施例中，对所获取的各候选网络的判决参数，使用模糊语言对各候选网络的判决参数进行评价，然后，将模糊语言评价信息转化为梯形模糊数，进一步得到模糊决策矩阵，具体的转化方式，可参见表2所示，表2为语言变量评价与梯形模糊数转化表。
表2.语言变量评价与梯形模糊数转化
| 语言变量评价 | 梯形模糊数 |
| 很高(VH) | (0.8，0.9，0.9，1) |
| 高(H) | (0.6，0.7，0.7，0.8) |
| 中(M) | (0.4，0.5，0.5，0.6) |
| 低(L) | (0.2，0.3，0.3，0.4) |
| 很低(VL) | (0，0.1，0.1，0.2) |
示例性的，各候选网络为：5G NR、4G LTE以及WLAN网络，得到的模糊决策矩阵可以如下表3所示，表3为模糊决策矩阵表：
表3.模糊决策矩阵表
其中，G1表示接收信号强度、G2表示网络负载、G3表示网络可用带宽、G4表示网络延迟、G5表示网络费用、G6表示终端能耗、G7表示丢包率。
S602，将各候选网络的各判决参数分为：效益型判决参数和成本型判决参数，并对模糊决策矩阵中效益型判决参数和成本型判决参数进行模糊数规范化，得到规范化后的规范化决策矩阵。
将各候选网络的各判决参数分为：效益型判决参数和成本型判决参数，其中，效益型判决参数包括：接收信号强度、网络可用带宽；成本型判决参数包括：网络负载、网络延迟、网络费用、终端能耗和丢包率。对模糊决策矩阵中效益型判决参数和成本型判决参数分别进行模糊数规范化，得到规范化后规范化决策矩阵，其中，效益型判决参数的模糊数规范化所采用的方法为：
成本型判决参数的模糊数规范化所采用的方法为：
其中，rij为模糊决策矩阵中各判决参数规范化后得到的规范化决策矩阵中对应的判决参数的属性值，aij、bij、cij、dij分别为模糊决策矩阵中第i行第j列对应的判决参数的属性值，μij、vij分别为模糊决策矩阵的隶属函数和非隶属函数对应的隶属度和非隶属度值，i为模糊决策矩阵的第i行，j为模糊决策矩阵的第j列，且aij≤bij≤cij≤dij，0≤μij≤1，0≤vij≤1，0≤μij+vij≤1。
示例性的，上述表3中的各判决参数的属性值可以表示为：a11、b11、c11、d11的值依次为：0.6、0.7、0.7、0.8，μ11、v11的值依次为0.6、0.2。本发明实施例中所采用的隶属函数为：
本发明实施例中所采用的非隶属函数为：
其中，是直觉梯形模糊数，aij、bij、cij、dij分别为模糊决策矩阵中第i行第j列对应的判决参数的属性值，μij、vij分别为模糊决策矩阵的隶属函数和非隶属函数对应的隶属度和非隶属度值。
示例性的，对上述表3中的各判决参数进行模糊数规范化之后，得到模糊数规范化后规范化决策矩阵可以如下表4所示，表4为规范化决策矩阵表：
表4.规范化决策矩阵表
S603，基于规范化决策矩阵，及层次分析法所得到的每一预设业务类型对应的权重向量，采用直觉梯形模糊权重平均算子公式求得每一预设业务类型对应各判决参数的平均属性值。
本发明实施例中，在得到规范化后的规范化决策矩阵之后，基于该规范化决策矩阵，及上述层次分析法所得到的每一预设业务类型对应的权重向量，采用直觉梯形模糊权重平均算子公式求得每一预设业务类型对应各判决参数的平均属性值。具体的，所采用的直觉梯形模糊权重平均算子公式为：
其中，ω＝(ω1，ω2，...，ωk)T为每一预设业务类型对应的权重向量，ωk＞0，ωk表示每一预设业务类型对应的权重向量中第k个权重，n为判决参数的个数，amk′、bmk′、cmk′、dmk′分别为规范化决策矩阵中第m行第k列对应的判决参数的属性值，μmk′、vmk′分别为规范化决策矩阵第m行第k列的隶属函数对应的隶属度和非隶属函数对应的非隶属度，是直觉梯形模糊数，为规范化决策矩阵中第m行第k列对应的直觉梯形模糊数，ITFWA(Intuitionistic trapezoidal fuzzy weight averaging operator，直觉梯形模糊权重平均算子)，在本发明实施例中，规范化决策矩阵中的m与模糊决策矩阵中的i相对应，并且可以取相同的值，规范化决策矩阵中的k与模糊决策矩阵中的j相对应，并且可以取相同的值。且，上述模糊决策矩阵中各判决参数规范化后得到的规范化决策矩阵中对应的判决参数的属性值rij＝([amk′，bmk′，cmk′，dmk′]；μmk′，vmk′)，该rij中的i与amk′，bmk′，cmk′，dmk′中的m相对应，并且可以取相同的值，rij中的j与amk′，bmk′，cmk′，dmk′中的k对应，并且可以取相同的值。
示例性的，以会话类业务为例，基于规范化决策矩阵，及上述层次分析法所得到的会话类业务对应的权重向量，采用直觉梯形模糊权重平均算子公式求得会话类业务对应各判决参数的平均属性值可以为：
其中，表示规范化决策矩阵中第f个候选网络所对应的各判决参数的平均属性值，f与规范化决策矩阵中的m相对应，并且可以取相同的值，其计算结果可以表示为：([af″，bf″，cf″，df″]；)，其中，af″，bf″，cf″，df″分别为规范化决策矩阵中第f个候选网络对应的各判决参数的平均属性值，分别为规范化决策矩阵第f个候选网络的隶属函数和非隶属函数对应的隶属度和非隶属度，为规范化决策矩阵中第f个候选网络所对应的各判决参数的平均属性值，n为判决参数的个数。
计算得到该会话类业务对应的各判决参数的平均属性值为：
其中，为该会话类业务对应的LTE网络所对应的各判决参数的平均属性值，为该会话类业务对应的WLAN网络所对应的各判决参数的平均属性值，为该会话类业务对应的5G NR网络所对应的各判决参数的平均属性值。
S604，基于每一预设业务类型对应各判决参数的平均属性值，根据得分函数计算各候选网络的得分，并对所计算的各候选网络的得分进行排序，将得分最高的候选网络确定为目标网络。
在计算得到每一预设业务类型对应各判决参数的平均属性值之后，根据得分函数计算各候选网络的得分，然后，根据所计算的各候选网络的得分对各候选网络进行排序，最后，将得分最高的候选网络确定为目标网络。其中，所使用的得分函数公式为：
其中，为所述候选网络的得分，p、q、s、g分别为每一预设业务类型对应各判决参数的平均属性，分别为每一预设业务类型对应各判决参数的平均属性值得到的隶属度和非隶属度值，μ，υ分别为所述每一预设业务类型对应各判决参数的平均属性值得到的隶属度和非隶属度，为直觉梯形模糊数。
示例性的，以会话类业务为例，基于计算得到的该会话类业务对应的各判决参数的平均属性值，得到各候选网络的得分分别为： 其中，表示LTE网络的得分，表示WLAN网络的得分，表示5G NR网络的得分，则排序的结果为：所以将得分最高的候选网络，即5G NR网络确定为目标网络。
本发明实施例提供的一种异构网络的切换方法，综合考虑了用户偏好、预设业务类型以及包含网络负载、丢包率等网络特征的特点，通过权重优化算法对每一预设业务类型对应的各判决参数设定了合理的权重，再利用直觉梯形模糊多属性决策算法制定切换策略，选出最佳的切换网络。本发明实施例中，因综合考虑了用户偏好、预设业务类型以及不同网络特征的特点，即考虑了多种判决参数间的相互影响，且考虑的网络特征参数相对较全面，使得最终的切换结果能更客观准确的反应实际情况，可以提高异构网络间的切换性能，并且，本发明实施例基于直觉梯形模糊多属性决策算法来制定切换策略，可以在用户移动过程中改变业务类型时，帮助用户在多种预设业务类型中及时调整切换策略，可以满足用户对网络及相关业务的个性化需求。
相应于上述方法实施例，本发明实施例提供了一种异构网络的切换装置，如图7所示，所述装置可以包括：
第一获取模块701，用于针对多个候选网络中的每个候选网络，获取该候选网络包含丢包率和网络负载的参数，将该候选网络包含丢包率和网络负载的参数，作为该候选网络的判决参数；
第二获取模块702，用于获取每一预设业务类型及与每一预设业务类型对应的，至少一用户偏好的预设权重因子；
权重计算模块703，用于对每一预设业务类型，利用所述判决参数，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，并将所述每一预设业务类型对应的各判决参数的权重组成的向量，确定为每一预设业务类型对应的权重向量；
权重调整模块704，用于使用所述每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，调整所述每一预设业务类型对应的权重向量；
确定切换模块705，用于利用所述每一预设业务类型对应的权重向量，采用直觉梯形模糊多属性决策算法，计算各所述候选网络的得分，将得分最高的候选网络确定为目标网络，并触发切换。
本发明实施例提供的一种异构网络的切换装置，综合考虑了用户偏好、预设业务类型以及包含网络负载、丢包率等网络特征的特点，通过权重优化算法对每一预设业务类型对应的各判决参数设定了合理的权重，再利用直觉梯形模糊多属性决策算法制定切换策略，选出最佳的切换网络。本发明实施例中，因综合考虑了用户偏好、预设业务类型以及不同网络特征的特点，即考虑了多种判决参数间的相互影响，且考虑的网络特征参数相对较全面，使得最终的切换结果能更客观准确的反应实际情况，可以提高异构网络间的切换性能，并且，本发明实施例基于直觉梯形模糊多属性决策算法来制定切换策略，可以在用户移动过程中改变业务类型时，帮助用户在多种预设业务类型中及时调整切换策略，可以满足用户对网络及相关业务的个性化需求。
需要说明的是，本发明实施例的装置是与图1所示的一种异构网络的切换方法对应的装置，图1所示的一种异构网络的切换方法的所有实施例均适用于该装置，且均能达到相同的有益效果。
可选的，所述权重计算模块包括：
构建子模块，用于对每一预设业务类型对应的各判决参数，每次选取两个判决参数，按照预设表示判决参数相对重要度的标度，确定所选取的每两个判决参数的相对重要程度，利用所述每两个判决参数的相对重要程度，构建每一预设业务类型对应的判断矩阵；
第一计算子模块，用于基于所构建的每一预设业务类型对应的判断矩阵，采用特征根法，计算所述每一预设业务类型对应的各判决参数的权重，并对所述每一预设业务类型对应的各判决参数的权重进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重；
第一组合子模块，用于将归一化后的每一预设业务类型对应的各判决参数的权重，组成所述每一预设业务类型对应的权重向量。
可选的，所述第一计算子模块包括：
第二计算子模块，用于基于所构建的每一预设业务类型对应的判断矩阵，计算所述每一预设业务类型对应的判断矩阵中每一行元素的乘积wi；
第三计算子模块，用于对每一行元素的乘积wi，取n次方根，得到n次方根n为所述判决参数的个数；
第四计算子模块，用于使用公式对每一行元素乘积wi的n次方根进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重向量ωi；其中，所使用的公式为
i表示所述每一预设业务类型对应的判断矩阵中的第i行。
可选的，所述权重调整模块包括：
更新子模块，用于针对每一预设业务类型，将所述每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，与所述每一预设业务类型对应的判断矩阵中该用户偏好所对应的判决参数的值相乘，更新所构建的每一预设业务类型对应的判断矩阵；
第五计算子模块，用于基于更新的每一预设业务类型对应的判断矩阵，采用特征根法，计算所述更新的每一预设业务类型对应的各判决参数的权重，并对所述更新的每一预设业务类型对应的各判决参数的权重进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重；
第二组合子模块，用于将归一化后的每一预设业务类型对应的各判决参数的权重，组成更新后的所述每一预设业务类型对应的权重向量。
可选的，所述确定切换模块包括：
第一转化子模块，用于对各所述候选网络的判决参数进行模糊语言评价，将模糊语言评价信息转化为梯形模糊数，得到模糊决策矩阵；
第二转化子模块，用于将各所述候选网络的各判决参数分为：效益型判决参数和成本型判决参数，并对所述模糊决策矩阵中所述效益型判决参数和所述成本型判决参数进行模糊数规范化，得到规范化后的规范化决策矩阵；
第六计算子模块，用于基于所述规范化决策矩阵，及层次分析法所得到的所述每一预设业务类型对应的权重向量，采用直觉梯形模糊权重平均算子公式求得所述每一预设业务类型对应各判决参数的平均属性值；
确定切换子模块，用于基于所述每一预设业务类型对应各判决参数的平均属性值，根据得分函数计算各所述候选网络的得分，并对所计算的各候选网络的得分进行排序，将得分最高的候选网络确定为目标网络。
可选的，采用如下效益型判决参数的模糊数规范化方法及成本型判决参数的模糊数规范化方法，分别对所述模糊决策矩阵中所述效益型判决参数和所述成本型判决参数进行模糊数规范化：
采用所述效益型判决参数的模糊数规范化方法为：
所述成本型判决参数的模糊数规范化方法为：
分别对所述模糊决策矩阵中所述效益型判决参数和所述成本型判决参数进行模糊数规范化；
其中，rij为所述模糊决策矩阵中各判决参数规范化后得到的规范化决策矩阵中对应的判决参数的属性值，aij、bij、cij、dij分别为所述模糊决策矩阵中第i行第j列对应的判决参数的属性值，μij、vij分别为所述模糊决策矩阵的隶属函数对应的隶属度和非隶属函数对应的非隶属度值，i为所述模糊决策矩阵的第i行，j为所述模糊决策矩阵的第j列。
可选的，所述直觉梯形模糊权重平均算子公式为：
其中，ω＝(ω1，ω2，...，ωk)T为所述每一预设业务类型对应的权重向量，ωk＞0，ωk表示所述每一预设业务类型对应的权重向量中第k个权重，n为所述判决参数的个数，amk′、bmk′、cmk′、dmk′分别为所述规范化决策矩阵中第m行第k列对应的判决参数的属性值，μmk′、vmk′分别为所述规范化决策矩阵第m行第k列的隶属函数对应的隶属度和非隶属函数对应的非隶属度，是直觉梯形模糊数。
可选的，所述得分函数为：
其中，为所述候选网络的得分，p、q、s、g分别为所述每一预设业务类型对应各判决参数的平均属性值，分别为所述每一预设业务类型对应各判决参数的平均属性值得到的隶属度和非隶属度值，μ，υ分别为所述每一预设业务类型对应各判决参数的平均属性值得到的隶属度和非隶属度，为直觉梯形模糊数。
可选的，所述预设业务类型包括：会话类业务、流类业务、交互类业务、后台类业务、机器与机器间无线通信M2M类业务。
本发明实施例还提供了一种电子设备，如图8所示，包括处理器801、通信接口802、存储器803和通信总线804，其中，处理器801，通信接口802，存储器803通过通信总线804完成相互间的通信，
存储器803，用于存放计算机程序；
处理器801，用于执行存储器803上所存放的程序时，实现本发明实施例所提供的方法。
本发明实施例提供的一种电子设备，综合考虑了用户偏好、预设业务类型以及包含网络负载、丢包率等网络特征的特点，通过权重优化算法对每一预设业务类型对应的各判决参数设定了合理的权重，再利用直觉梯形模糊多属性决策算法制定切换策略，选出最佳的切换网络。本发明实施例中，因综合考虑了用户偏好、预设业务类型以及不同网络特征的特点，即考虑了多种判决参数间的相互影响，且考虑的网络特征参数相对较全面，使得最终的切换结果能更客观准确的反应实际情况，可以提高异构网络间的切换性能，并且，本发明实施例基于直觉梯形模糊多属性决策算法来制定切换策略，可以在用户移动过程中改变业务类型时，帮助用户在多种预设业务类型中及时调整切换策略，可以满足用户对网络及相关业务的个性化需求。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessing，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的一种异构网络的切换方法，以获取相同的技术效果。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的的一种异构网络的切换方法，以获取相同的技术效果。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.一种异构网络的切换方法，其特征在于，包括：
针对多个候选网络中的每个候选网络，获取该候选网络包含丢包率和网络负载的参数，将该候选网络包含丢包率和网络负载的参数，作为该候选网络的判决参数；
获取每一预设业务类型及与每一预设业务类型对应的，至少一用户偏好的预设权重因子；
对每一预设业务类型，利用所述判决参数，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，并将所述每一预设业务类型对应的各判决参数的权重组成的向量，确定为每一预设业务类型对应的权重向量；
使用所述每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，调整所述每一预设业务类型对应的权重向量；
利用所述每一预设业务类型对应的权重向量，采用直觉梯形模糊多属性决策算法，计算各所述候选网络的得分，将得分最高的候选网络确定为目标网络，并触发切换。
2.根据权利要求1所述的方法，其特征在于，所述对每一预设业务类型，利用所述判决参数，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，并将所述每一预设业务类型对应的各判决参数的权重组成的向量，确定为每一预设业务类型对应的权重向量的步骤，包括：
对每一预设业务类型对应的各判决参数，每次选取两个判决参数，按照预设表示判决参数相对重要度的标度，确定所选取的每两个判决参数的相对重要程度，利用所述每两个判决参数的相对重要程度，构建每一预设业务类型对应的判断矩阵；
基于所构建的每一预设业务类型对应的判断矩阵，采用特征根法，计算所述每一预设业务类型对应的各判决参数的权重，并对所述每一预设业务类型对应的各判决参数的权重进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重；
将归一化后的每一预设业务类型对应的各判决参数的权重，组成所述每一预设业务类型对应的权重向量。
3.根据权利要求2所述的方法，其特征在于，所述基于所构建的每一预设业务类型对应的判断矩阵，采用特征根法，计算所述每一预设业务类型对应的各判决参数的权重，并对所述每一预设业务类型对应的各判决参数的权重进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重的步骤，包括：
基于所构建的每一预设业务类型对应的判断矩阵，计算所述每一预设业务类型对应的判断矩阵中每一行元素的乘积wi；
对每一行元素的乘积wi，取n次方根，得到n次方根n为所述判决参数的个数；
使用公式对每一行元素乘积wi的n次方根进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重向量ωi；其中，所使用的公式为：
i表示所述每一预设业务类型对应的判断矩阵中的第i行。
4.根据权利要求2所述的方法，其特征在于，所述使用所述每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，调整所述每一预设业务类型对应的权重向量的步骤，包括：
针对每一预设业务类型，将所述每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，与所述每一预设业务类型对应的判断矩阵中该用户偏好所对应的判决参数的值相乘，更新所构建的每一预设业务类型对应的判断矩阵；
基于更新的每一预设业务类型对应的判断矩阵，采用特征根法，计算所述更新的每一预设业务类型对应的各判决参数的权重，并对所述更新的每一预设业务类型对应的各判决参数的权重进行归一化，得到归一化后的每一预设业务类型对应的各判决参数的权重；
将归一化后的每一预设业务类型对应的各判决参数的权重，组成更新后的所述每一预设业务类型对应的权重向量。
5.根据权利要求1所述的方法，其特征在于，所述利用所述每一预设业务类型对应的权重向量，采用直觉梯形模糊多属性决策算法，计算各所述候选网络的得分，将得分最高的候选网络确定为目标网络的步骤，包括：
对各所述候选网络的判决参数进行模糊语言评价，将模糊语言评价信息转化为梯形模糊数，得到模糊决策矩阵；
将各所述候选网络的各判决参数分为：效益型判决参数和成本型判决参数，并对所述模糊决策矩阵中所述效益型判决参数和所述成本型判决参数进行模糊数规范化，得到规范化后的规范化决策矩阵；
基于所述规范化决策矩阵，及层次分析法所得到的所述每一预设业务类型对应的权重向量，采用直觉梯形模糊权重平均算子公式求得所述每一预设业务类型对应各判决参数的平均属性值；
基于所述每一预设业务类型对应各判决参数的平均属性值，根据得分函数计算各所述候选网络的得分，并对所计算的各候选网络的得分进行排序，将得分最高的候选网络确定为目标网络。
6.根据权利要求5所述的方法，其特征在于，采用如下效益型判决参数的模糊数规范化方法及成本型判决参数的模糊数规范化方法，分别对所述模糊决策矩阵中所述效益型判决参数和所述成本型判决参数进行模糊数规范化：
采用所述效益型判决参数的模糊数规范化方法为：
所述成本型判决参数的模糊数规范化方法为：
分别对所述模糊决策矩阵中所述效益型判决参数和所述成本型判决参数进行模糊数规范化；
其中，rij为所述模糊决策矩阵中各判决参数规范化后得到的规范化决策矩阵中对应的判决参数的属性值，aij、bij、cij、dij分别为所述模糊决策矩阵中第i行第j列对应的判决参数的属性值，μij、vij分别为所述模糊决策矩阵的隶属函数对应的隶属度和非隶属函数对应的非隶属度值，i为所述模糊决策矩阵的第i行，j为所述模糊决策矩阵的第j列。
7.根据权利要求5所述的方法，其特征在于，所述直觉梯形模糊权重平均算子公式为：
其中，ω＝(ω1，ω2，...，ωk)T为所述每一预设业务类型对应的权重向量，ωk＞0，ωk表示所述每一预设业务类型对应的权重向量中第k个权重，n为所述判决参数的个数，amk′、bmk′、cmk′、dmk′分别为所述规范化决策矩阵中第m行第k列对应的判决参数的属性值，μmk′、vmk′分别为所述规范化决策矩阵第m行第k列的隶属函数对应的隶属度和非隶属函数对应的非隶属度，是直觉梯形模糊数。
8.根据权利要求5所述的方法，其特征在于，所述得分函数为：
其中，为所述候选网络的得分，p、q、s、g分别为所述每一预设业务类型对应各判决参数的平均属性值，分别为所述每一预设业务类型对应各判决参数的平均属性值得到的隶属度和非隶属度值，μ，υ分别为所述每一预设业务类型对应各判决参数的平均属性值得到的隶属度和非隶属度，为直觉梯形模糊数。
9.根据权利要求1所述的方法，其特征在于，所述预设业务类型包括：会话类业务、流类业务、交互类业务、后台类业务、机器与机器间无线通信M2M类业务。
10.一种异构网络的切换装置，其特征在于，包括：
第一获取模块，用于针对多个候选网络中的每个候选网络，获取该候选网络包含丢包率和网络负载的参数，将该候选网络包含丢包率和网络负载的参数，作为该候选网络的判决参数；
第二获取模块，用于获取每一预设业务类型及与每一预设业务类型对应的，至少一用户偏好的预设权重因子；
权重计算模块，用于对每一预设业务类型，利用所述判决参数，采用层次分析法，计算每一预设业务类型对应的各判决参数的权重，并将所述每一预设业务类型对应的各判决参数的权重组成的向量，确定为每一预设业务类型对应的权重向量；
权重调整模块，用于使用所述每一预设业务类型对应的，至少一用户偏好所预先设置的预设权重因子，调整所述每一预设业务类型对应的权重向量；
确定切换模块，用于利用所述每一预设业务类型对应的权重向量，采用直觉梯形模糊多属性决策算法，计算各所述候选网络的得分，将得分最高的候选网络确定为目标网络，并触发切换。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810914221.8A CN108901052B (zh) | 2018-08-10 | 2018-08-10 | 一种异构网络的切换方法及装置 |
| PCT/CN2018/108568 WO2020029411A1 (zh) | 2018-08-10 | 2018-09-29 | 一种异构网络的切换方法及装置 |
| US17/267,717 US11432211B2 (en) | 2018-08-10 | 2018-09-29 | Method and apparatus for handover between heterogeneous networks |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810914221.8A CN108901052B (zh) | 2018-08-10 | 2018-08-10 | 一种异构网络的切换方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108901052A true CN108901052A (zh) | 2018-11-27 |
| CN108901052B CN108901052B (zh) | 2020-04-03 |
Family
ID=64353973
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810914221.8A Active CN108901052B (zh) | 2018-08-10 | 2018-08-10 | 一种异构网络的切换方法及装置 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11432211B2 (zh) |
| CN (1) | CN108901052B (zh) |
| WO (1) | WO2020029411A1 (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110708729A (zh) * | 2019-09-09 | 2020-01-17 | 北京邮电大学 | 一种固移融合网络环境中的异构网络切换管理方法及装置 |
| CN110927581A (zh) * | 2019-11-11 | 2020-03-27 | 国网天津市电力公司电力科学研究院 | 基于熵权法的储能设备运行状态多层级指标评估方法 |
| CN110944349A (zh) * | 2019-11-15 | 2020-03-31 | 华南理工大学 | 基于直觉模糊数和topsis的异构无线网络选择方法 |
| CN110996366A (zh) * | 2019-12-13 | 2020-04-10 | 哈尔滨工业大学 | 一种异构专用网络垂直切换中权重确定方法 |
| CN111182153A (zh) * | 2020-01-03 | 2020-05-19 | 惠州Tcl移动通信有限公司 | 系统语言的设置方法、装置、存储介质及移动终端 |
| CN112164059A (zh) * | 2020-10-20 | 2021-01-01 | 沈阳东软智能医疗科技研究院有限公司 | 一种病灶检测方法、装置及相关产品 |
| CN112804702A (zh) * | 2021-01-04 | 2021-05-14 | 重庆邮电大学 | 基于效用函数的多链路空地数据交换链路性能评估方法 |
| CN112996063A (zh) * | 2019-12-18 | 2021-06-18 | 中国移动通信集团四川有限公司 | 一种网络切换方法及服务器 |
| CN113038548A (zh) * | 2019-12-25 | 2021-06-25 | 上海朗帛通信技术有限公司 | 一种被用于无线通信的节点中的方法和装置 |
| CN113038525A (zh) * | 2021-03-12 | 2021-06-25 | 重庆邮电大学 | 一种5g系统中的小区预切换方法 |
| CN113873605A (zh) * | 2021-09-18 | 2021-12-31 | 联想(北京)有限公司 | 网络切换方法、装置、电子设备及存储介质 |
| WO2022062639A1 (zh) * | 2020-09-23 | 2022-03-31 | Oppo广东移动通信有限公司 | 数据传输方法、装置、电子设备及存储介质 |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111542073B (zh) * | 2020-04-16 | 2023-03-24 | 全球能源互联网研究院有限公司 | 一种电力业务与网络适配的异构网络选择方法及系统 |
| CN112382118B (zh) * | 2020-09-16 | 2021-10-22 | 哈尔滨工程大学 | 车位智能预约管理系统、方法、存储介质、计算机设备 |
| CN112260941B (zh) * | 2020-09-22 | 2023-01-24 | 江苏方天电力技术有限公司 | 一种异构网络数据融合方法 |
| CN113038557B (zh) * | 2021-03-22 | 2023-01-24 | 南京工程学院 | 一种异构泛在网络越区切换及其优化方法 |
| CN113489614A (zh) * | 2021-07-16 | 2021-10-08 | 广东石油化工学院 | 一种异构无线网络的通信方法及系统 |
| CN113490248B (zh) * | 2021-07-27 | 2022-03-11 | 重庆邮电大学 | 一种多模终端切换方法及装置 |
| CN114698012B (zh) * | 2022-01-20 | 2024-05-28 | 吉林大学 | 一种多模智能终端的网络垂直切换方法 |
| CN115278792B (zh) * | 2022-06-23 | 2024-05-24 | 重庆邮电大学 | 超密集异构无线网络中感知终端接入偏好的切换判决方法 |
| CN115175274A (zh) * | 2022-07-13 | 2022-10-11 | 国网山西省电力公司信息通信分公司 | 面向智能配电的5g异构无线网络接入选择方法 |
| CN115515198B (zh) * | 2022-08-01 | 2024-04-16 | 武汉科技大学 | 基于博弈论和自适应跳跃的异构车载网络选择方法及系统 |
| CN117580132B (zh) * | 2024-01-16 | 2024-04-12 | 杭州海康威视数字技术股份有限公司 | 基于强化学习的移动设备异构网络接入方法、装置及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100087195A1 (en) * | 2008-10-03 | 2010-04-08 | Yi-Hung Lu | Adaptive Handover Apparatus And Method In A Heterogeneous Network Environment |
| CN103874132A (zh) * | 2014-03-25 | 2014-06-18 | 北京工业大学 | 一种基于用户的异构无线网络接入选择方法 |
| 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 |
| CN104812027A (zh) * | 2014-01-23 | 2015-07-29 | 北京邮电大学 | 基于直觉模糊集多属性决策的网络选择方法 |
| CN108024307A (zh) * | 2017-12-03 | 2018-05-11 | 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 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7243148B2 (en) * | 2002-01-15 | 2007-07-10 | Mcafee, Inc. | System and method for network vulnerability detection and reporting |
| US20070173248A1 (en) * | 2006-01-20 | 2007-07-26 | Ramesh Sekhar | System and method for analyzing a wireless connection |
-
2018
- 2018-08-10 CN CN201810914221.8A patent/CN108901052B/zh active Active
- 2018-09-29 WO PCT/CN2018/108568 patent/WO2020029411A1/zh active Application Filing
- 2018-09-29 US US17/267,717 patent/US11432211B2/en active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100087195A1 (en) * | 2008-10-03 | 2010-04-08 | Yi-Hung Lu | Adaptive Handover Apparatus And Method In A Heterogeneous Network Environment |
| CN104812027A (zh) * | 2014-01-23 | 2015-07-29 | 北京邮电大学 | 基于直觉模糊集多属性决策的网络选择方法 |
| CN103874132A (zh) * | 2014-03-25 | 2014-06-18 | 北京工业大学 | 一种基于用户的异构无线网络接入选择方法 |
| 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 |
| CN108024307A (zh) * | 2017-12-03 | 2018-05-11 | 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 |
Cited By (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110708729A (zh) * | 2019-09-09 | 2020-01-17 | 北京邮电大学 | 一种固移融合网络环境中的异构网络切换管理方法及装置 |
| CN110927581A (zh) * | 2019-11-11 | 2020-03-27 | 国网天津市电力公司电力科学研究院 | 基于熵权法的储能设备运行状态多层级指标评估方法 |
| CN110944349B (zh) * | 2019-11-15 | 2021-09-21 | 华南理工大学 | 基于直觉模糊数和topsis的异构无线网络选择方法 |
| CN110944349A (zh) * | 2019-11-15 | 2020-03-31 | 华南理工大学 | 基于直觉模糊数和topsis的异构无线网络选择方法 |
| CN110996366A (zh) * | 2019-12-13 | 2020-04-10 | 哈尔滨工业大学 | 一种异构专用网络垂直切换中权重确定方法 |
| CN110996366B (zh) * | 2019-12-13 | 2021-10-22 | 哈尔滨工业大学 | 一种异构专用网络垂直切换中权重确定方法 |
| CN112996063B (zh) * | 2019-12-18 | 2023-04-07 | 中国移动通信集团四川有限公司 | 一种网络切换方法及服务器 |
| CN112996063A (zh) * | 2019-12-18 | 2021-06-18 | 中国移动通信集团四川有限公司 | 一种网络切换方法及服务器 |
| CN113038548A (zh) * | 2019-12-25 | 2021-06-25 | 上海朗帛通信技术有限公司 | 一种被用于无线通信的节点中的方法和装置 |
| CN111182153A (zh) * | 2020-01-03 | 2020-05-19 | 惠州Tcl移动通信有限公司 | 系统语言的设置方法、装置、存储介质及移动终端 |
| WO2022062639A1 (zh) * | 2020-09-23 | 2022-03-31 | Oppo广东移动通信有限公司 | 数据传输方法、装置、电子设备及存储介质 |
| CN112164059A (zh) * | 2020-10-20 | 2021-01-01 | 沈阳东软智能医疗科技研究院有限公司 | 一种病灶检测方法、装置及相关产品 |
| CN112164059B (zh) * | 2020-10-20 | 2024-02-13 | 沈阳东软智能医疗科技研究院有限公司 | 一种病灶检测方法、装置及相关产品 |
| CN112804702A (zh) * | 2021-01-04 | 2021-05-14 | 重庆邮电大学 | 基于效用函数的多链路空地数据交换链路性能评估方法 |
| CN113038525A (zh) * | 2021-03-12 | 2021-06-25 | 重庆邮电大学 | 一种5g系统中的小区预切换方法 |
| CN113038525B (zh) * | 2021-03-12 | 2022-06-03 | 重庆邮电大学 | 一种5g系统中的小区预切换方法 |
| CN113873605A (zh) * | 2021-09-18 | 2021-12-31 | 联想(北京)有限公司 | 网络切换方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2020029411A1 (zh) | 2020-02-13 |
| CN108901052B (zh) | 2020-04-03 |
| US11432211B2 (en) | 2022-08-30 |
| US20210352545A1 (en) | 2021-11-11 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108901052B (zh) | 一种异构网络的切换方法及装置 | |
| CN108235390B (zh) | 一种异构无线网络中基于贝叶斯决策的垂直切换方法 | |
| Zhu et al. | Adaptive multiservice heterogeneous network selection scheme in mobile edge computing | |
| Lahby et al. | An enhanced-TOPSIS based network selection technique for next generation wireless networks | |
| Yu et al. | A hybrid MADM algorithm based on attribute weight and utility value for heterogeneous network selection | |
| CN103686914B (zh) | 基于服务偏好和网络条件的垂直切换方法snvho | |
| Chinnappan et al. | Complexity–consistency trade‐off in multi‐attribute decision making for vertical handover in heterogeneous wireless networks | |
| CN102349270A (zh) | 用于在多个接入网上负载平衡的方法和系统 | |
| CN108024307B (zh) | 一种基于物联网的异构网络接入选择方法及系统 | |
| CN107889195B (zh) | 一种区分业务的自学习异构无线网络接入选择方法 | |
| CN107484209A (zh) | 一种考虑用户QoS的网络负载均衡垂直切换方法 | |
| Ramirez-Perez et al. | On the effectiveness of multi-criteria decision mechanisms for vertical handoff | |
| CN106792995B (zh) | 一种5g网络中保障内容低时延传输的用户接入方法 | |
| CN110234155A (zh) | 一种基于改进topsis的超密集网络接入选择方法 | |
| Gaur et al. | Application specific thresholding scheme for handover reduction in 5G Ultra Dense Networks | |
| Ahmed et al. | Design and implementation of a context-aware decision algorithm for heterogeneous networks | |
| Hao et al. | Knowledge-centric proactive edge caching over mobile content distribution network | |
| Zhao et al. | Context-aware multi-criteria handover with fuzzy inference in software defined 5G HetNets | |
| Cinemre et al. | Learning-based multi attribute network selection in heterogeneous wireless access | |
| Ahuja et al. | Optimal network selection in heterogeneous wireless environment for multimedia services | |
| Ahmed et al. | Vertical handover E-TOPSIS algorithm mathematical model using AHP and standard deviation weighing method | |
| Zhao et al. | Vertical handoff decision algorithm combined improved entropy weighting with GRA for heterogeneous wireless networks | |
| Baghla et al. | VIKOR MADM based optimization method for vertical handover in heterogeneous networks | |
| Alkhawlani et al. | Hybrid approach for radio network selection in heterogeneous wireless networks | |
| Pervaiz et al. | User adaptive QoS aware selection method for cooperative heterogeneous wireless systems: A dynamic contextual approach |
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 |