CN110234155A - 一种基于改进topsis的超密集网络接入选择方法 - Google Patents

一种基于改进topsis的超密集网络接入选择方法 Download PDF

Info

Publication number
CN110234155A
CN110234155A CN201910427286.4A CN201910427286A CN110234155A CN 110234155 A CN110234155 A CN 110234155A CN 201910427286 A CN201910427286 A CN 201910427286A CN 110234155 A CN110234155 A CN 110234155A
Authority
CN
China
Prior art keywords
network
attribute
approach
user
target network
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.)
Pending
Application number
CN201910427286.4A
Other languages
English (en)
Inventor
钱志鸿
冯一诺
王雪
李京杭
毕晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilin University
Original Assignee
Jilin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilin University filed Critical Jilin University
Priority to CN201910427286.4A priority Critical patent/CN110234155A/zh
Publication of CN110234155A publication Critical patent/CN110234155A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/14—Network analysis or design
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/16—Discovering, processing access restriction or access information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W48/00—Access restriction; Network selection; Access point selection
    • H04W48/18—Selecting a network or a communication service

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computer Security & Cryptography (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

本发明属于无线通信技术领域，公开了一种基于改进TOPSIS的超密集网络接入选择方法；将m个网络作为目标网络，将目标网络的速率、带宽、丢包率、时延等n个属性作为评判网络好坏的主要标准，建立加权标准化决策矩阵；利用改进TOPSIS法进行网络评价；现有即将进行不同级别业务的N个用户，按照综合接近度的排序，业务级别越高的用户选择综合接近度越大的目标网络。本发明在原始TOPSIS法的基础上对属性分类求和，计算两类目标网络属性与理想解的综合接近度，这样使得不同业务级别的用户都能接入相对适合的网络，与此同时提高了资源利用率。

Description

一种基于改进TOPSIS的超密集网络接入选择方法
技术领域
本发明属于无线通信技术领域，尤其涉及一种基于改进TOPSIS的超密集网络接入选择方法。
背景技术
目前，最接近的现有技术：随着移动通信的飞速发展，网络越来越趋于异构化和密集化。面对未来超密集的网络架构，有效的接入选择技术能够为用户带来流畅的网络体验，保证用户无论何时何地都能够接入最佳网络。目前已有很多异构网络接入选择技术，例如基于模糊逻辑、基于神经网络、基于博弈论等。但是大多都存在算法复杂度高、准确度低的问题，而多属性决策算法不仅算法复杂度低、决策速度快、准确度也非常高，在多属性决策中常用的算法有SAW、GRA以及TOPSIS。SAW由于仅仅以权重为决定因素，会受到分配属性向量的影响，GRA算法的决策因素重要性分级方法影响网络选择的结果，而TOPSIS逼近理想解排序的方法很好的避免了这些问题，但经典的TOPSIS算法并有考虑网络属性综合性以及现实场景中多用户对多网络的问题。因为大多数以用户为中心的情况下只考虑某个相对重要的性能比较简单，但却忽略了成本型和效益型这两个分类的方式；通常为了仿真场景简单，大多数人都只考虑一个用户面对多个网络的情况。
综上所述，现有技术存在的问题是：现有的算法复杂度高、准确度低的问题，而多属性决策算法不仅算法复杂度低、决策速度快、准确度也非常高，但并没有考虑网络属性综合性以及现实场景中多用户对多网络的问题。
解决上述技术问题的难度：通过改进算法降低算法复杂度并实现多对多场景
解决上述技术问题的意义：算法复杂度降低、网络接入选择速度提高，提高了资源利用率。
发明内容
针对现有技术存在的问题，本发明提供了一种基于改进TOPSIS的超密集网络接入选择方法。
本发明是这样实现的，一种基于改进TOPSIS的超密集网络接入选择方法，所述基于改进TOPSIS的超密集网络接入选择方法包括：
第一步，将m个网络作为目标网络，将目标网络的速率、带宽、丢包率、时延等n个属性作为评判网络好坏的主要标准，建立加权标准化决策矩阵；
第二步，利用改进TOPSIS法进行网络评价：将建立的加权标准化决策矩阵中每个网络效益型和成本型属性元素分别进行求和计算，得到目标网络属性和向量；利用目标网络属性和向量得出正负理想解，求出距离以及与理想解的接近程度，进而得到综合接近度，并将数值由大到小排序；
第三步，现有即将进行不同级别业务的N个用户，按照综合接近度的排序，业务级别越高的用户选择综合接近度越大的目标网络。
进一步，所述第一步的目标网络包括网络1、网络2、网络3，网络属性共有四个，效益型属性包括速率和带宽，分别作为属性1和属性2，成本型属性包括丢包率和时延，分别作为属性3和属性4；建立加权标准化决策矩阵的具体步骤如下：
由3个目标网络和4个网络属性得到其决策矩阵D为；
其中，xij为第i个目标网络关于第j个属性的数值结果；
利用向量变换将决策矩阵标准化为；
R＝[rij]3×4；
其中，i＝1,2,3；j＝1,2,3,4；
设决策指标属性权重向量为W＝[w1 w2 w3 w4]T，将矩阵R的每列与其对应的权重相乘得到加权标准化决策矩阵V，则；
V＝[vij]3×4＝WR。
进一步，建立的加权标准化决策矩阵中3个目标网络的效益型和成本型属性元素分别进行求和计算，得到3个目标网络的两类属性和向量S、S'；利用两类目标网络属性的和向量得出正负理想解：3个目标网络的效益型属性的正负理想解分别为s1 +、s1 -；s2 +、s2 -；s3 +、s3 -；成本型属性的正负理想解分别为s1'+、s1'-；s2'+、s2'-；s3'+、s3'-。分别求出两类目标网络属性与理想解的距离d1 +、d1 -；d2 +、d2 -；d3 +、d3 -和d1'+、d1'-；d2'+、d2'-；d3'+、d3'-以及与理想解的接近程度C1、C2、C3；C1'、C2'、C3'，得到综合接近度A1、A2、A3，并将数值由大到小排序。
进一步，所述第三步进行不同级别业务的用户包括：进行在线直播的用户1、进行语音通话的用户2以及进行文件下载的用户3，按照综合接近度的排序，业务级别越高的用户选择综合接近度越大的目标网络。
本发明的另一目的在于提供一种应用所述基于改进TOPSIS的超密集网络接入选择方法的无线通信系统。
综上所述，本发明的优点及积极效果为：并在原始TOPSIS法的基础上对属性分类求和，计算两类目标网络属性与理想解的综合接近度，这样使得不同业务级别的用户都能接入相对适合的网络，与此同时提高了资源利用率。
本发明通过改进TOPSIS法，对加权标准化决策矩阵中效益型和成本型属性元素分别求和，再根据目标网络两类属性的和向量得到正负理想解，然后求与理想解的接近程度进而得到综合接近度，最后不同业务级别的用户根据综合接近度选择接入网络。与理想解的综合接近度在基于TOPSIS的超密集网络接入选择方法中起关键作用，计算综合接近度可以公平地考虑两类属性在网络选择中的重要性，使得不同业务级别的用户能够接入相对最优的网络。
附图说明
图1是本发明实施例提供的基于改进TOPSIS的超密集网络接入选择方法流程图。
图2是本发明实施例提供的基于改进TOPSIS的超密集网络接入选择方法实现流程图。
图3是本发明实施例提供的系统模型示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本发明为了实现同一时刻每一个用户的相对优质网络服务体验，需要一种更有效、更全面的超密集网络接入选择方法。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的基于改进TOPSIS的超密集网络接入选择方法包括以下步骤：
S101：将m个网络作为目标网络，将目标网络的速率、带宽、丢包率、时延等个属性作为评判网络好坏的主要标准，建立加权标准化决策矩阵；
S102：利用改进TOPSIS法进行网络评价：将建立的加权标准化决策矩阵中每个网络效益型和成本型属性元素分别进行求和计算，从而得到目标网络属性和向量；利用目标网络属性和向量得出正负理想解，求出距离以及与理想解的接近程度，进而得到综合接近度，并将数值由大到小排序；
S103：假设现有即将进行不同级别业务的N个用户，按照综合接近度的排序，业务级别越高的用户选择综合接近度越大的目标网络。
下面结合具体实施例对本发明的应用原理作进一步的描述。
如图2所示，本发明实施例提供的基于改进TOPSIS的超密集网络接入选择方法具体包括以下步骤：
(1)将m个网络作为目标网络，将目标网络的速率、带宽、丢包率、时延等n个属性作为评判网络好坏的主要标准，建立加权标准化决策矩阵；
(2)利用改进TOPSIS法进行网络评价：将建立的加权标准化决策矩阵中每个网络效益型和成本型属性元素分别进行求和计算，从而得到目标网络属性和向量；利用目标网络属性和向量得出正负理想解，求出距离以及与理想解的接近程度Ci、Ci'，进而得到综合接近度Ai，并将数值由大到小排序；
(3)假设现有即将进行不同级别业务的N个用户，按照综合接近度的排序，业务级别越高的用户选择综合接近度越大的目标网络。
在(1)中目标网络包括网络1、网络2、网络3，网络属性共有四个，效益型属性包括速率和带宽，分别作为属性1和属性2，成本型属性包括丢包率和时延，分别作为属性3和属性4。建立加权标准化决策矩阵的具体步骤如下：
由3个目标网络和4个网络属性得到其决策矩阵D为；
其中，xij为第i个目标网络关于第j个属性的数值结果。
利用向量变换将决策矩阵标准化为；
R＝[rij]3×4；
其中，i＝1,2,3；j＝1,2,3,4。
设决策指标属性权重向量为W＝[w1 w2 w3 w4]T，将矩阵R的每列与其对应的权重相乘得到加权标准化决策矩阵V，则；
V＝[vij]3×4＝WR；
如图2所示，在(2)中，目标网络属性被分为效益型和成本型两类，两个效益型属性(属性1与属性2)的加权标准化决策矩阵为V1＝[vij]3×2；两个成本型属性(属性3与属性4)的加权标准化决策矩阵为V2＝[vij]3×2。
由加权标准化决策矩阵可以计算属性1与属性2的和向量为S＝[si]3×1＝[s1 s2s3]T，其中，属性3与属性4的和向量为S'＝[si']3×1＝[s1' s2' s3']T，其中，
由效益型和向量与成本型和向量可以分别得到这两类属性的正负理想解：设效益型属性的正负理想解为si +、si -，则 设成本型属性的正负理想解为si'+、si'-，则计算每个目标网络的两类属性与其理想解的距离：设效益型成本属性与其正负理想解的距离为di +、di -，则设成本型属性与其正负理想解的距离为di'+、di'-，则
综上，设目标网络的两类属性与理想解的接近程度分别为Ci、Ci'，则令两类属性与理想解的综合接近度为Ai＝αCi+βCi'(i＝1,2,3，考虑到两种类型属性的公平性α＝0.5，β＝0.5)，并将综合接近度从大到小排序。
如图3所示，在(3)中共有3个进行不同级别业务的用户，具体业务情况如表1所示。
表1
用户 1 2 3
业务 在线直播 语音通话 浏览网页
最后按照综合接近度的排序，业务级别越高的用户选择综合接近度越大的目标网络。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于改进TOPSIS的超密集网络接入选择方法，其特征在于，所述基于改进TOPSIS的超密集网络接入选择方法包括：
第一步，将m个网络作为目标网络，将目标网络的速率、带宽、丢包率、时延等n个属性作为评判网络好坏的主要标准，建立加权标准化决策矩阵；
第二步，利用改进TOPSIS法进行网络评价：将建立的加权标准化决策矩阵中每个网络效益型和成本型属性元素分别进行求和计算，得到目标网络属性和向量；利用目标网络属性和向量得出正负理想解，求出距离以及与理想解的接近程度，进而得到综合接近度，并将数值由大到小排序；
第三步，现有即将进行不同级别业务的N个用户，按照综合接近度的排序，业务级别越高的用户选择综合接近度越大的目标网络。
2.如权利要求1所述的基于改进TOPSIS的超密集网络接入选择方法，其特征在于，所述第一步的目标网络包括网络1、网络2、网络3，网络属性共有四个，效益型属性包括速率和带宽，分别作为属性1和属性2，成本型属性包括丢包率和时延，分别作为属性3和属性4；建立加权标准化决策矩阵的具体步骤如下：
由3个目标网络和4个网络属性得到其决策矩阵D为；
其中，xij为第i个目标网络关于第j个属性的数值结果；
利用向量变换将决策矩阵标准化为；
R＝[rij]3×4；
其中，
设决策指标属性权重向量为W＝[w1 w2 w3 w4]T，将矩阵R的每列与其对应的权重相乘得到加权标准化决策矩阵V，则；
V＝[vij]3×4＝WR。
3.如权利要求2所述的基于改进TOPSIS的超密集网络接入选择方法，其特征在于，建立的加权标准化决策矩阵中3个目标网络的效益型和成本型属性元素分别进行求和计算，得到3个目标网络的两类属性和向量S、S'；利用两类目标网络属性的和向量得出正负理想解：3个目标网络的效益型属性的正负理想解分别为s1 +、s1 -；s2 +、s2 -；s3 +、s3 -；成本型属性的正负理想解分别为s1'+、s1'-；s2'+、s2'-；s3'+、s3'-；分别求出两类目标网络属性与理想解的距离d1 +、d1 -；d2 +、d2 -；d3 +、d3 -和d1'+、d1'-；d2'+、d2'-；d3'+、d3'-以及与理想解的接近程度C1、C2、C3；C1'、C2'、C3'，得到综合接近度A1、A2、A3，并将数值由大到小排序。
4.如权利要求1所述的基于改进TOPSIS的超密集网络接入选择方法，其特征在于，所述第三步进行不同级别业务的用户包括：进行在线直播的用户1、进行语音通话的用户2以及进行文件下载的用户3，按照综合接近度的排序，业务级别越高的用户选择综合接近度越大的目标网络。
5.一种应用权利要求1～4任意一项所述基于改进TOPSIS的超密集网络接入选择方法的无线通信系统。
CN201910427286.4A 2019-05-22 2019-05-22 一种基于改进topsis的超密集网络接入选择方法 Pending CN110234155A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910427286.4A CN110234155A (zh) 2019-05-22 2019-05-22 一种基于改进topsis的超密集网络接入选择方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910427286.4A CN110234155A (zh) 2019-05-22 2019-05-22 一种基于改进topsis的超密集网络接入选择方法

Publications (1)

Publication Number Publication Date
CN110234155A true CN110234155A (zh) 2019-09-13

Family

ID=67860904

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910427286.4A Pending CN110234155A (zh) 2019-05-22 2019-05-22 一种基于改进topsis的超密集网络接入选择方法

Country Status (1)

Country Link
CN (1) CN110234155A (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110519782A (zh) * 2019-09-24 2019-11-29 广东电网有限责任公司 一种通信网多通道选择方法及装置
CN110650043A (zh) * 2019-09-18 2020-01-03 中国民航大学 面向业务流程的关键业务系统识别与风险评估方法
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
CN111800318A (zh) * 2020-06-18 2020-10-20 扬州大学 基于sdn的天地一体化网络认证架构下的接入点决策方法
CN114205247A (zh) * 2021-12-15 2022-03-18 国网重庆市电力公司技能培训中心 配电物联网的接入方法、装置、计算机设备及存储介质
CN115834387A (zh) * 2023-02-14 2023-03-21 之江实验室 一种网络柔性适配方案选择系统和方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104185221A (zh) * 2014-02-19 2014-12-03 上海物联网有限公司 一种基于自适应权重调整的垂直网络切换方法
CN105979553A (zh) * 2016-05-25 2016-09-28 重庆邮电大学 一种基于模糊逻辑和topsis算法的分层网络切换决策方法
CN106658727A (zh) * 2016-04-28 2017-05-10 电子科技大学 一种基于多种相关属性的业务重要性确定与资源分配方法
CN107483487A (zh) * 2017-09-15 2017-12-15 北京理工大学 一种基于topsis的多维网络安全度量方法
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
CN109214675A (zh) * 2018-08-28 2019-01-15 华北电力大学 一种输电线路覆冰风险评估方法
CN109345029A (zh) * 2018-10-26 2019-02-15 石家庄铁道大学 一种基于改进Topsis法的隧道施工优选方法
CN109561486A (zh) * 2019-01-07 2019-04-02 吉林大学 一种sdn与d2d网络接入策略的模式选择方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104185221A (zh) * 2014-02-19 2014-12-03 上海物联网有限公司 一种基于自适应权重调整的垂直网络切换方法
CN106658727A (zh) * 2016-04-28 2017-05-10 电子科技大学 一种基于多种相关属性的业务重要性确定与资源分配方法
CN105979553A (zh) * 2016-05-25 2016-09-28 重庆邮电大学 一种基于模糊逻辑和topsis算法的分层网络切换决策方法
CN107483487A (zh) * 2017-09-15 2017-12-15 北京理工大学 一种基于topsis的多维网络安全度量方法
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
CN109214675A (zh) * 2018-08-28 2019-01-15 华北电力大学 一种输电线路覆冰风险评估方法
CN109345029A (zh) * 2018-10-26 2019-02-15 石家庄铁道大学 一种基于改进Topsis法的隧道施工优选方法
CN109561486A (zh) * 2019-01-07 2019-04-02 吉林大学 一种sdn与d2d网络接入策略的模式选择方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李晓伟 等: "基于TOPSIS的公路建设项目排序方法及应用", 《长安大学学报（自然科学版）》 *
王雪 等: "基于TOPSIS模型的公立医院医疗服务能力评价研究", 《问题与探索》 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110650043A (zh) * 2019-09-18 2020-01-03 中国民航大学 面向业务流程的关键业务系统识别与风险评估方法
CN110519782A (zh) * 2019-09-24 2019-11-29 广东电网有限责任公司 一种通信网多通道选择方法及装置
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
CN111800318A (zh) * 2020-06-18 2020-10-20 扬州大学 基于sdn的天地一体化网络认证架构下的接入点决策方法
CN111800318B (zh) * 2020-06-18 2022-02-18 扬州大学 基于sdn的天地一体化网络认证架构下的接入点决策方法
CN114205247A (zh) * 2021-12-15 2022-03-18 国网重庆市电力公司技能培训中心 配电物联网的接入方法、装置、计算机设备及存储介质
CN114205247B (zh) * 2021-12-15 2024-02-09 国网重庆市电力公司技能培训中心 配电物联网的接入方法、装置、计算机设备及存储介质
CN115834387A (zh) * 2023-02-14 2023-03-21 之江实验室 一种网络柔性适配方案选择系统和方法

Similar Documents

Publication Publication Date Title
CN110234155A (zh) 一种基于改进topsis的超密集网络接入选择方法
Zeng et al. Fmore: An incentive scheme of multi-dimensional auction for federated learning in mec
CN104217073B (zh) 一种网络社团引力导引的可视化布局方法
CN105657750A (zh) 一种网络动态资源的计算方法及装置
CN111757354A (zh) 一种基于竞争博弈的多用户切片资源分配方法
CN103024017A (zh) 一种社交网络重要目标及社区群体识别方法
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
CN106951471A (zh) 一种基于svm的标签发展趋势预测模型的构建方法
Ko et al. Joint client selection and bandwidth allocation algorithm for federated learning
CN107734482B (zh) 基于d2d和业务卸载的内容分发方法
CN103781157A (zh) 一种基于多网络并行传输的异构网络接入决策方法
CN114269007A (zh) 基站节能策略确定方法、装置以及方法存储介质
Kang et al. Low-complexity learning for dynamic spectrum access in multi-user multi-channel networks
CN111405587B (zh) 基于信道定价的虚拟无线网络资源分配方法
CN109618351A (zh) 基于stackelberg博弈的异构网络中的资源分配方法
CN113992677A (zh) 一种延迟与能耗联合优化的mec计算卸载方法
Shang et al. An admission control algorithm based on matching game and differentiated service in wireless mesh networks
CN112836828A (zh) 基于博弈论的自组织式联邦学习方法
Ou et al. Two-Tier Resource Allocation for Multitenant Network Slicing: A Federated Deep Reinforcement Learning Approach
CN105959368B (zh) 一种社交云热点资源预测与部署的方法
Mazalov et al. A game-theoretic model of virtual operators competition in a two-sided telecommunication market
CN105786622B (zh) 一种云环境下用于实时协同计算的节点选择方法
CN106535226A (zh) 一种基于协同学理论的多网络协同选择和聚合方法
CN107248920A (zh) 一种基于主从博弈的可再生能源分配算法
CN111047040A (zh) 基于IFPA算法的Web服务组合方法

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
AD01 Patent right deemed abandoned

Effective date of abandoning: 20220315

AD01 Patent right deemed abandoned