基于動態(tài)AHP的海上移動節(jié)點網絡選擇算法

毛忠陽, 張治霖, 劉錫國, 康家方

(1. 海軍航空大學航空通信教研室, 山東 煙臺 264001;2. 海軍航空大學信號與信息處理山東省重點實驗室, 山東 煙臺 264001)

0 引 言

隨著我國對海洋開發(fā)利用的進一步深入,海上通信的需求量急劇增加,海上軍事和民用業(yè)務的拓展對海上異構通信網的構建提出了更高的需求,這就要求海上移動終端兼顧高移動性和高通信能力,如何實現(xiàn)高移動性終端在海上異構無線網絡(marine heterogeneous wireless networks, MHWNs)中對動態(tài)變化環(huán)境的快速適應,完成實時通信任務,成為廣大學者關注的熱點問題和當前研究的主要方向?，F(xiàn)階段,一系列針對異構無線網絡中網絡選取的研究方案被提出。

一方面,在針對異構網絡節(jié)點的移動性問題上,已有研究方案大多將節(jié)點運動方式設定為靜止或緩慢移動。文獻[1]提出了一種基于逼近于理想值的排序方法(technique for order preference by similarity to an ideal solution, TOPSIS)的異構網絡多接入決策算法,該算法根據信號強度將網絡劃分成不同的候選子集,再根據子集中的網絡負載、費用、吞吐量和能耗等指標對靜止節(jié)點的網絡選取進行綜合考量。文獻[4]提出了一種基于多目標決策的異構無線網絡接入選擇算法,該算法引入多目標決策算法,對緩慢移動節(jié)點接入范圍內的網絡指標主觀權重和客觀熵信息權重進行綜合考慮,進而對網絡完成最優(yōu)選取。文獻[5]提出了一種用于異構無線環(huán)境的新網絡選擇算法,該算法使用修改后的粒子群優(yōu)化算法對參數(shù)的相對權重進行優(yōu)化,并根據用戶在可用網絡之間的切換速率來衡量算法的性能。然而,上述文獻對仿真節(jié)點運動方式的設定均是靜止或緩慢移動,不能很好地模擬海上移動節(jié)點的現(xiàn)實運動情況。因此,對高移動性節(jié)點的網絡選擇進行研究,是進一步完善異構網絡選擇問題的關鍵。

另一方面,在異構網絡屬性動態(tài)變化的問題上,需要在波動多變的網絡屬性參數(shù)中,選取適合業(yè)務完成的機動站點對移動節(jié)點進行連接。針對該問題,文獻[7]提出了一種改進TOPSIS的接入控制算法,該算法通過動態(tài)調整帶寬資源的分配方式和連接數(shù)量,提高了通信的可靠性。針對終端運行多個業(yè)務流的場景,文獻[8]利用序數(shù)偏好思想,對不同接入網絡進行排序,消除了傳統(tǒng)方法中的失序問題。然而,上述文獻均存在仿真環(huán)境屬性參數(shù)波動性較弱、主觀權重始終恒定的問題?？紤]到不同業(yè)務有不同的主觀需求,其對于預設的用戶偏好標準不能根據用戶的需求和環(huán)境的波動而動態(tài)改變,這在一定程度上限制了業(yè)務完成率的進一步提升。因此,在面對網絡屬性和業(yè)務更替的動態(tài)調整時算法缺少智能性。

圍繞異構網絡多屬性決策權重問題上,現(xiàn)有的算法普遍將多屬性權重分成客觀權重和主觀權重進行處理。在客觀權重方面,文獻[9-10]采用熵權法和客觀權重賦權法(criteria importance though intercrieria correlation, CRITIC)兩種方式來計算各個屬性的客觀權重,并將二者綜合起來,最后結合基于離差極小化的綜合賦權法,得到每個屬性的最終權重。文獻[11]運用協(xié)同學原理分析細裂紋演化,給出了協(xié)同學的數(shù)學解釋和驗證結果,這為提高客觀權重的理論選擇提供了一種很好的方向。在主觀權重方面,文獻[10-12]引入傳統(tǒng)層次分析(analytic hierarchy process, AHP)計算出網絡選擇問題的主觀權重,AHP可以有效地將多屬性問題分解成多個底層因素,具有簡潔實用、系統(tǒng)性強等優(yōu)點,有效地滿足了主觀意圖對權重的要求。但傳統(tǒng)AHP不能為決策提供新的方案,特別是面對基于任務驅動的多屬性決策問題上有著局限性。

因此,在剖析傳統(tǒng)AHP權重特性的基礎上,基于不同任務主觀權重相互獨立的特點,引入十級標度法,提出了動態(tài)AHP,將恒定主觀權重設置轉換為相互獨立的實時主觀權重設置,提高了算法面向服務的適應性。通過仿真發(fā)現(xiàn)相對于基于傳統(tǒng)AHP、協(xié)同學和距離的算法和基于距離的算法,所提算法在移動節(jié)點海上基于任務驅動的場景下,提高了節(jié)點的任務完成率,提升了網絡性能。

1 動態(tài)AHP和協(xié)同學原理算法

1.1 模型建立

用戶對隨時隨地能夠接入高質量的無線網絡的需求日漸強烈,為了支持不同用戶的不同業(yè)務,多種網絡并存且信號范圍互相覆蓋的異構無線網絡應運而生。用戶終端想要在重疊的信號范圍內選擇最合適數(shù)據傳輸?shù)木W絡連接,需要考慮網絡、業(yè)務和用戶3個維度的動態(tài)因素。而終端的高移動性作為用戶維度的動態(tài)因素,是海上異構網絡場景區(qū)別于其他場景的突出特點之一。MHWNs的網絡架構如圖1所示。

圖1 MHWNs架構

移動性節(jié)點網絡選擇算法復雜度高的原因在于,移動節(jié)點與每個機動站點的距離、可連接的機動站點個數(shù)和傳輸?shù)臉I(yè)務類型都在發(fā)生變化,算法為節(jié)點提供接入方案時需綜合全部要素。因此,如何對各動態(tài)要素進行有效權衡,是提高算法時效性和對移動性節(jié)點匹配性的一個重要突破口。

本文針對移動性節(jié)點采用高斯-馬爾可夫移動模型進行描述。在現(xiàn)實環(huán)境中,節(jié)點移動的速度和方向前后存在著影響,使用傳統(tǒng)隨機移動模型不能準確描述節(jié)點的隨機連續(xù)運動情況,而高斯-馬爾可夫移動模型中節(jié)點的運動軌跡與隨機移動模型相比有很大的緩和,克服了隨機移動模型急停急轉的缺陷。

1.2 海上通信網絡特征

鑒于地球弧度、海浪、氣候和船只的影響,同陸上通信相比,海上通信的地形更加開闊,障礙物遮擋物更少,使得海上繞射損耗較小,反射波影響較大。

本文針對海上通信網絡特點,不考慮繞射損耗、云霧衰減等惡劣環(huán)境的影響,選用考慮海面反射和大氣吸收損耗的海上通信信道模型進行模擬仿真。

1.3 算法描述

由于干擾的存在,臨時機動站點的網絡屬性處于不斷波動的狀態(tài),節(jié)點在面向服務時需要根據環(huán)境參數(shù)和業(yè)務需求來動態(tài)改變主觀權重,本文提出的動態(tài)層次分析(dynamic analytic hierarchy process, DAHP)法將不斷變化的網絡屬性信息作為輸入量,利用事先預設好的十級標度法將網絡屬性進行自行分級和自動對比,自主建立比較矩陣并計算在預設準則下的相對重要性,為平衡主觀性再結合其他客觀因素權重計算出各個網絡屬性相對于最終方案的總權重,總權重與實時的網絡屬性結合得到最優(yōu)接入方案。

(1) 建立權重決策矩陣

設有個可選網絡,建立備選網絡集合={,,…,}。

設有個網絡屬性,建立網絡屬性集合={,,…,},對于不同的網絡屬性要使用歸一化方法消除數(shù)據間衡量尺度的不公平性和差異性,以帶寬參數(shù)為例:

(1)

同時建立網絡屬性比較矩陣

(2)

式中:表示可選網絡在網絡屬性的相對重要程度。

(2) 確定主觀權重

考慮到不同環(huán)境下網絡屬性存在不同的波動大小,因此,不同類型的業(yè)務對網絡屬性的需求也不同。一方面,平穩(wěn)環(huán)境下網絡屬性波動較小,各種業(yè)務類型的通信任務都可以在任意時間完成;另一方面,干擾環(huán)境下網絡屬性波動劇烈,只有少量時間能傳輸對網絡屬性要求較高的通信任務,因此移動節(jié)點若想在干擾環(huán)境下傳輸不同種類的業(yè)務,則需給出不同的網絡參數(shù)主觀權重。針對以上需求,本文在傳統(tǒng)AHP的基礎上引入十級標度法構成DAHP算法,由于傳統(tǒng)AHP是人為給出屬性和屬性間的相對重要程度,并給出1～10的相對重要性等級結果,所以本文在五級標度法的基礎上擴展到十級標度法,能夠更好地貼合AHP的使用條件。標度方法為將最佳參數(shù)設置為標度6,再以最佳參數(shù)為中心,按照高斯分布樣式內密外疏進行標度,十級標度法適用于參數(shù)波動在限定范圍內的情況。將DAHP根據十級標度法直接給出,解決了原本傳統(tǒng)AHP中需要頻繁人為更改輸入的比較矩陣的問題,提高了算法的智能性。

收集到波動多變的網絡屬性參數(shù)后,本文算法采用十級標度法對屬性參數(shù)進行定級,參數(shù)越大網絡條件越好的網絡屬性定級結果如表1所示,參數(shù)越小網絡條件越好的網絡屬性定級結果與表格結果相反。

表1 十級標度法

將實時的網絡屬性參數(shù)定級后,建立實時的比較矩陣:

(3)

式中:(,)表示的是網絡屬性與網絡屬性進行的定級運算,定級運算指的是和作差后與0進行比較,根據比較結果給出最終屬性相對于屬性的權重比例。然后計算實時比較矩陣的最大特征值和最大特征值對應的特征向量。由于算法自行生成的比較矩陣不一定滿足一致性條件,需要對實時比較矩陣進行一致性檢驗,一致性比率CR定義為

(4)

式中：RI為平均隨機一致性指標;一致性指標CI的公式定義為

(5)

其中,為比較矩陣維數(shù)。

當CR>01時說明先前主觀生成的比較矩陣產生矛盾,需要對比較矩陣進行調整;當CR<01時說明比較矩陣一致性水平符合要求,此時最大特征值對應的特征向量即為各個網絡屬性的主觀權值,定義為矩陣。

定義DAHP權值矩陣為,設共有個機動站點,則第時刻第個機動站點的第個網絡屬性參數(shù)值為(,),網絡屬性參數(shù)對應的實時權重值為(,),則定義第時刻第個機動站點的DAHP權值(,)為歸一化后的網絡屬性及其屬性權重乘積的和,歸一化能將參數(shù)統(tǒng)一在(0,1)間,方便后續(xù)的計算和使用,表達式為

(6)

(3) 確定客觀權重

本文算法利用協(xié)同學原理建立客觀屬性權重。協(xié)同學認為系統(tǒng)是由許多子系統(tǒng)構成,子系統(tǒng)之間的相互影響和配合才使得系統(tǒng)能夠以特定的結構和功能正常運行,本文將每個備選網絡看作是一個系統(tǒng),備選網絡集合={,,…，},每個備選網絡都由3個子系統(tǒng)組成,分別由吞吐量、實時性和可靠性組成,子系統(tǒng)集合={,,},3個子系統(tǒng)之間既相互影響又相互協(xié)作,不同的協(xié)作程度致使備選網絡產生不同的差異,所以在網絡接入選擇時要選擇子系統(tǒng)之間協(xié)作度最高者進行接入。在子系統(tǒng)中支配子系統(tǒng)的序參量=(1,2,…,),表示子系統(tǒng)中網絡屬性的個數(shù),序參量的取值范圍是≤≤,其中和分別是第個序參量的最小值和最大值。子系統(tǒng)吞吐量包含的序參量為帶寬,子系統(tǒng)及時性包含的序參量為包延遲和包抖動,子系統(tǒng)包含的序參量為丟包率,其中序參量帶寬值越大網絡性能狀態(tài)越好越有序,序參量包延遲、包抖動和丟包率值越小網絡性能狀態(tài)越好越有序。

定義吞吐量子系統(tǒng)中的屬性1的有序度為

(7)

則用幾何平均法得到子系統(tǒng)的的有序度為

(8)

在得到實時AHP主觀權重、協(xié)同學客觀權重和子系統(tǒng)的有序度后，復合后的系統(tǒng)熵定義為

(9)

式中:∈表示第個網絡屬性是屬于第個子系統(tǒng),即∑∈代表了子系統(tǒng)在總系統(tǒng)的權重占比。

(4) 確定位置權重

鑒于高移動性節(jié)點的位置、與機動站點的相對距離在時刻變化,同時海上傳輸損耗主要來自距離損耗,距離損耗影響接收功率的大小,進而影響業(yè)務傳輸?shù)乃俾屎托?因此本文選用經過歸一化后的接收功率作為節(jié)點的位置權重,通過位置權重體現(xiàn)高速節(jié)點距離的變化。在計算節(jié)點的接收功率時,僅使用海面反射以及大氣吸收損耗的簡單模型進行仿真運算。設時刻第個機動站點的接收功率為, ,歸一化后的接收功率權值為

(10)

(5) 綜合主客觀與位置權重

在節(jié)點面向服務時,主觀權重按照要發(fā)送的業(yè)務類型而改變,而客觀權重中加入了部分主觀權重的比例,所以主觀權重不必過大也能使其結果按照主觀意向傾斜。在多次仿真取平均值后給出復合的系統(tǒng)權重定義

(,)=045(,)+035, +02(,)

(11)

移動節(jié)點根據可接入機動站點的復合系統(tǒng)權值大小選擇合適的機動站點接入,優(yōu)先接入可選網絡范圍內復合系統(tǒng)權值較大的機動站點。

1.4 算法流程

為了使算法仿真更貼近現(xiàn)實環(huán)境,移動節(jié)點采用高斯-馬爾可夫移動模型模擬移動,每個移動節(jié)點代表一個任務編隊,在仿真時間內進行連續(xù)的隨機移動。本文采用的海上通信信道,海上通信信道和陸上通信信道相比,海上障礙物遮擋少,使得繞射損耗減少,電波傳播余隙增大,反射波影響增大。

節(jié)點在運動時,先收集周邊臨時機動站點的網絡屬性參數(shù),然后用預先設定的十級標度法,算法將網絡狀態(tài)參數(shù)進行分級,把分級結果輸入到DAHP中進行主觀權重更新。再利用協(xié)同學原理得到客觀權重,同時為了考慮節(jié)點的移動性因素,用遠距離傳播造成的功率損耗得到位置權重,將3種指標進行加權計算得到可選機動站點的最終復合系統(tǒng)權重,選擇權重大的臨時機動站點進行連接。

編隊節(jié)點出發(fā)時算法開始運行,算法流程如圖2所示。

圖2 算法流程

2 仿真結果與分析

本文的場景設置為海上臨時機動站點環(huán)境,圖3給出了機動站點的位置和編號。通常情況下當海上節(jié)點移動速度大于30 km/h時可視作高速運動,機動站點在海平面以15節(jié)的速度緩慢向軸正方向移動,移動節(jié)點開始時從(0,0)出發(fā),之后的時間內以150 m/s的速度做連續(xù)隨機運動。由于仿真使用的是機動站點和海上節(jié)點的相對距離,所以機動站點的移動速度相對海上節(jié)點來說可以近似看做靜止。機動站點的通信范圍是視距范圍,編隊節(jié)點出發(fā)點設置為坐標原點,把帶寬參數(shù)視作不同業(yè)務類型間的主要區(qū)別,以此為例子進行蒙特卡羅仿真。仿真時間結束時節(jié)點停止移動。

圖3 機動站點位置圖

網絡選擇考慮4個屬性參數(shù),分別是帶寬、包延遲、包抖動和丟包率。本文采用馬爾可夫鏈表示動態(tài)變化的網絡屬性,每一秒的網絡屬性值都不同,這一時刻的網絡屬性值只與前一時刻相關,與其他時刻無關。網絡屬性相關值設定范圍如表2所示,部分業(yè)務參數(shù)值設定參照文獻[11]。

表2 仿真參數(shù)表

節(jié)點在移動過程中不間斷地產生隨機業(yè)務需求,基本業(yè)務類型分別是會話類業(yè)務、流媒體類業(yè)務和交互類業(yè)務,其對應的最低帶寬需求如表3所示。在傳輸業(yè)務的過程中,帶寬參數(shù)決定傳輸能否開始,包延遲、包抖動和丟包率決定傳輸時間。

表3 業(yè)務參數(shù)表

為驗證本文提出算法的性能,將其與基于距離的網絡接入算法、在文獻[16]基礎上改進的基于傳統(tǒng)AHP、協(xié)同學和距離的網絡接入算法和基于DAHP的網絡接入算法作性能對比?；诰嚯x的網絡接入算法即在節(jié)點運動過程中通過比較和機動站點間的發(fā)射功率和接收功率,選擇最大的機動站點接入;改進的基于傳統(tǒng)AHP、協(xié)同學和距離的網絡接入算法在原有文獻[1]的基礎上加入距離參數(shù)體現(xiàn)動態(tài)節(jié)點與靜態(tài)節(jié)點的不同,其傳統(tǒng)AHP主觀權重設定為=[0.65 0.15 0.2]。3個權重分別代表了3個子系統(tǒng)的權重。

圖4給出了通信過程中實時帶寬變化,由于環(huán)境變化對帶寬影響最為明顯,故帶寬的數(shù)值波動也最為劇烈。從圖4可以看出基于距離選擇機動站點進行連接,移動節(jié)點的實時帶寬波動劇烈,業(yè)務傳輸?shù)倪B續(xù)性受到制約。本文提出的DAHP算法能夠及時更新權重配置,經過50次蒙特卡羅仿真取平均可得,算法70%的仿真時間能實時地選擇帶寬較大的機動站點,大大提高了算法的時效性和節(jié)點網絡的業(yè)務傳輸能力,降低了網絡內的業(yè)務擁堵程度,一定程度上提高了節(jié)點通信網絡的時效性。

圖4 帶寬參數(shù)對比

圖5～圖7給出了包延遲、丟包率和包抖動的實時參數(shù)對比圖,從中可以看出本文提出的算法對包延遲和丟包率的性能指標有較好的提升,但對包抖動的性能提升有限,這是由于在此場景下認為包抖動對業(yè)務傳輸?shù)挠绊懴鄬^小,因此算法選擇犧牲包抖動性能,更關注帶寬、包延遲和丟包率3個指標對任務完成的影響。

圖5 包延遲參數(shù)對比

圖6 丟包率參數(shù)對比

圖7 包抖動參數(shù)對比

基于DAHP的算法不考慮節(jié)點移動性這一特征,把節(jié)點視作靜態(tài)節(jié)點,將全體機動站點納入連接范圍,故通常情況下在直觀上基于DAHP的算法性能參數(shù)是最優(yōu)的。而實際中僅僅用實時網絡參數(shù)并不能全面評價算法,最終決定業(yè)務完成度的參數(shù)是業(yè)務完成度和信息傳輸速率,故引入這兩種指標對算法進行評估。

把一段時間內未完成的任務數(shù)除以總的任務數(shù)定義為業(yè)務未完成率,用此參數(shù)衡量算法在基于任務驅動下的性能優(yōu)劣。圖8可以看出4種算法在波動環(huán)境場景下,節(jié)點接入網絡的業(yè)務完成情況隨著時間的增長逐漸產生差異,本文提出的算法和單一的基于DAHP的算法在面向服務時有更好的表現(xiàn)。對50次仿真結果進行統(tǒng)計平均,本文提出的算法相較于基于傳統(tǒng)AHP和基于距離的網絡選擇算法在業(yè)務完成率上提升10%;與基于DAHP的網絡選擇算法相比,有60%的概率在業(yè)務完成率性能上一致。這是因為基于DAHP的算法得到的是無通信距離約束的全局最優(yōu)解,而本文提出的算法在通信距離的約束下只能得到較優(yōu)解。

圖8 算法業(yè)務未完成度

圖9給出4種算法的傳輸速率對比圖,可以看出基于傳統(tǒng)AHP、協(xié)同學和距離的算法和基于距離的算法不僅平均傳輸速率低,還有較大的波動性。本文提出的算法相較于單一的DAHP網絡選擇算法在同樣保持較高傳輸速率的情況下,波動性減少44%,有利于移動節(jié)點切換和傳輸不同類型的業(yè)務,提高了業(yè)務完成率。

圖9 算法傳輸速率對比

圖10是節(jié)點不同的移動速率對算法未完成率的影響對比圖,通過50次蒙特卡羅仿真取平均得到如圖曲線。從圖中橫向對比可以看出,節(jié)點移動速度對算法的未完成率有雙向的影響,一方面節(jié)點移動速度較慢時,節(jié)點移出當前覆蓋范圍的時間較長,當前覆蓋范圍的基站參數(shù)不佳時難以切換到參數(shù)較優(yōu)的基站;另一方面節(jié)點移動速度較快時,節(jié)點頻繁的改變被覆蓋范圍,受距離影響迫使算法頻繁改變接入方案,不利于業(yè)務傳輸。因此移動節(jié)點在某一適中速度下才能發(fā)揮算法的最優(yōu)效能。從圖中縱向對比可以看出DAHP算法相較于其他算法在不同移動節(jié)點速度下仍具有優(yōu)勢,有效降低算法的業(yè)務未完成率。

圖10 節(jié)點移動速率影響對比

3 結 論

針對傳統(tǒng)網絡接入算法無法適應高移動性節(jié)點,時效性不強的問題,本文提出一種基于動態(tài)AHP、協(xié)同學和位置信息的多屬性網絡選擇算法。首先在傳統(tǒng)AHP方法上引入十級標度法,再在傳統(tǒng)主客觀權重基礎上提出由位置信息提供的位置權重,建立由主客觀、位置權重共同構成的綜合系統(tǒng)權重模型,最后搭建仿真環(huán)境對其性能進行仿真。通過對節(jié)點的實時業(yè)務完成度和傳輸速率進行分析,在移動節(jié)點基于任務驅動的網絡選擇場景下,引入動態(tài)AHP和位置權重提高了業(yè)務完成度和算法的時效性。網絡接入技術作為異構網絡資源管理的關鍵技術,有著廣闊的探索空間和巨大的研究價值,其中網絡權重的動態(tài)分配對面向服務的網絡選擇有著重要的意義,值得未來進行研究和探索。