基于MADM 與模糊綜合評價的異構(gòu)無線網(wǎng)絡(luò)選擇算法*

張繼榮 徐 鋒

（西安郵電大學(xué)通信與信息工程學(xué)院 西安 710100）

1 引言

如今，網(wǎng)絡(luò)融合已經(jīng)成為下一代無線通信網(wǎng)絡(luò)的一大趨勢，作為無線通信關(guān)鍵技術(shù)之一，異構(gòu)無線網(wǎng)絡(luò)選擇算法對于下一代無線網(wǎng)絡(luò)的研究意義重大且影響深遠［1～4］。怎樣準確地為承載著不同類型業(yè)務(wù)、具有不同優(yōu)先策略的用戶選擇理想的網(wǎng)絡(luò)并且能夠相對較好的均衡無線網(wǎng)絡(luò)負載這一持續(xù)被關(guān)注的問題有待更進一步的解決和優(yōu)化。文獻［5］提出了一種基于RSS（接收信號強度）的算法解決網(wǎng)絡(luò)選擇問題，盡管該算法復(fù)雜度低，但由于它基于單一屬性決策，極易引起網(wǎng)絡(luò)負載崩潰而且網(wǎng)絡(luò)選擇準確性低。文獻［6］提出一種基于博弈論的網(wǎng)絡(luò)接入選擇算法，雖然在多個用戶同時選擇接入網(wǎng)的環(huán)境下有較高的公平性和準確性，但其算法復(fù)雜度很高，在一個博弈周期里只能得出一個用戶的選網(wǎng)結(jié)果，因此選擇效率太低。文獻［7］提出一種基于效用函數(shù)的選網(wǎng)策略，考慮了多個網(wǎng)絡(luò)指標和業(yè)務(wù)特性，決策速度較快且算法復(fù)雜度不高，但由于目標函數(shù)在整個接入過程中都無法調(diào)整，算法靈活性較低。文獻［8］提出了一種模糊邏輯接入算法選擇網(wǎng)絡(luò)，只能在參數(shù)較少時較快選網(wǎng)，參數(shù)增多后就需要花費更多的計算時間和資源。文獻［9］提出了一種多屬性決策算法，采用理想解近似排序（TOPSIS）算法進行最終的網(wǎng)絡(luò)接入決策，很好地避開了單一決策帶來的缺陷，但很容易導(dǎo)致失序問題?？紤]到算法復(fù)雜度和決策時間、計算資源、網(wǎng)絡(luò)負載平衡和算法有效性、準確性等一系列問題，本文基于3GPP 劃分的四種基本的通信業(yè)務(wù)類型——會話類、交互類、流媒體類、后臺類，結(jié)合多個網(wǎng)絡(luò)屬性——時延、抖動、丟包率、帶寬、負載和兩種用戶策略的優(yōu)先指標——用戶服務(wù)質(zhì)量、價格，采用MADM（Multi attribute decision making algorithm，多屬性決策算法）和模糊綜合評價法進行網(wǎng)絡(luò)決策。本文對權(quán)重融合策略進行了改進，根據(jù)熵權(quán)法和層次分析法計算出來的兩類權(quán)重，在用戶服務(wù)質(zhì)量優(yōu)先（QoSP）的情況下，用乘法合成法［10］進行融合，在價格優(yōu)先（PP）的情況下，用一個常數(shù)比例因子α（α=0.4）進行線性加權(quán)組合［11］賦權(quán)，最后利用模糊綜合評價法［12～13］分別進行網(wǎng)絡(luò)決策。該算法不僅可以快速而準確地進行網(wǎng)絡(luò)選擇、較好地避免失序問題和負載不均衡的缺陷，還能保證用戶對服務(wù)質(zhì)量和價格的偏好。

2 MADM

2.1 基于熵權(quán)法的權(quán)重計算

熵權(quán)法［14］是一種客觀賦權(quán)方法，根據(jù)各指標的變異程度，利用信息熵計算出各指標的熵權(quán)，再通過熵權(quán)對各指標的權(quán)重進行修正，從而得出較為客觀的權(quán)重。綜合各個備選網(wǎng)絡(luò)的屬性值后建立如表1。

表1 各個網(wǎng)絡(luò)屬性值

熵權(quán)法計算步驟如下：

1）指標值的歸一化

將各個指標的數(shù)據(jù)進行歸一化處理。假設(shè)給定了m個網(wǎng)絡(luò)類型和n個網(wǎng)絡(luò)屬性：其中Xi代表備選網(wǎng)絡(luò)集合，Yj代表網(wǎng)絡(luò)屬性集合。

假設(shè)對各屬性數(shù)據(jù)歸一化后的值為此時：

Yij即表示第i 個網(wǎng)絡(luò)的第j 個屬性的歸一化數(shù)值。

2）計算第j 個指標下第i 個方案的指標值的比重pij

3）計算第j項指標的熵值

根據(jù)信息論中信息熵的定義，一組數(shù)據(jù)的信息熵：

如果pij=0，則定義：

4）計算各項指標的權(quán)值

根據(jù)信息熵的計算公式，計算出各個指標的信息熵為

通過信息熵計算各指標的權(quán)重：

其中1-Ej為信息熵冗雜度。

根據(jù)式（1）～（8）計算得出基于熵權(quán)法的客觀權(quán)重為

2.2 基于層次分析法的權(quán)重計算

層次分析法［15］是一種定性加定量相結(jié)合的、系統(tǒng)化、層次化的主觀分析方法。其基本步驟如下：

1）定義目標層、準則層、方案層［15］

2）構(gòu)建成對比較判決矩陣。以下是由Saaty等［12］提出的屬性重要性標度表格，如表2。

表2 判決矩陣相對重要性等級表

3）一致性檢驗

其中，CI、RI 均為一致性檢驗指標，CR 為一致性比率，λmax為判決矩陣的特征向量對應(yīng)的最大特征值，RI為平均隨機一致性指標，其取值見表3。

表3 一致性檢驗RI值

當CR＜0.1 時，一致性檢驗通過，若未通過，則需要重新構(gòu)造判決矩陣。

4）計算各項指標的權(quán)重

一致性檢驗通過之后，用幾何平均法求解各項網(wǎng)絡(luò)指標權(quán)重：

此處的i，j分別為判決矩陣的行和列。

通過以上步驟求出QoS 優(yōu)先情況下各類業(yè)務(wù)的權(quán)重。

3 基于模糊綜合評價法的網(wǎng)絡(luò)選擇算法

模糊綜合評價法是一種基于每個指標的最優(yōu)取值建立成本型或效益型理想矩陣，進而對候選方案進行排序的方法。其基本步驟如下：

1）確定理想方案

根據(jù)表1，建立成本型理想方案為其中，μj表示所有網(wǎng)絡(luò)中的第j個網(wǎng)絡(luò)屬性的最優(yōu)取值。

2）建立相對偏差模糊矩陣R

其中，aij表示第i個網(wǎng)絡(luò)中第j個屬性的原始值。

3）計算各網(wǎng)絡(luò)評價指標的權(quán)重

將上文中熵權(quán)法和層次分析法計算得出的權(quán)重分以下兩種情況利用不同的方法分別進行融合：

（1）用戶策略為價格優(yōu)先時采用線性加權(quán)法

其中，W為綜合權(quán)重，F(xiàn)=R·W jT為層次分析法所求權(quán)重，經(jīng)過從0到1的取不同值遍歷后，發(fā)現(xiàn)比例因子α取常數(shù)0.4 時，接入網(wǎng)的決策結(jié)果既不偏向熵權(quán)法決策也不偏向?qū)哟畏治龇Q策，即相對其他取值來說更有效地結(jié)合了主客觀權(quán)重。

（2）用戶策略為QoS優(yōu)先時采用乘法合成法其中，Wj為第j 個網(wǎng)絡(luò)屬性的組合權(quán)重，和分別為熵權(quán)法和層次分析法求出的第j個網(wǎng)絡(luò)屬性的權(quán)重。

4）計算候選方案總得分F，進行方案排序

其中，WjT表示綜合權(quán)重的轉(zhuǎn)置矩陣。由于本文采用的是成本型理想方案矩陣，故得分F 越小者排序越靠前，即網(wǎng)絡(luò)越接近最佳選擇。

4 仿真結(jié)果與分析

4.1 實驗仿真

本文采用4G、WLAN、Wimax、5G 四種不同的接入技術(shù)組成的異構(gòu)無線網(wǎng)絡(luò)環(huán)境。假設(shè)網(wǎng)絡(luò)選擇過程不受用戶和各網(wǎng)絡(luò)接入點間的距離影響。圖1～圖4 分別為在兩種優(yōu)先策略下利用模糊綜合評價對乘法合成法權(quán)重融合策略和線性加權(quán)組合賦權(quán)的網(wǎng)絡(luò)決策結(jié)果圖。業(yè)務(wù)類型1、2、3、4 分別表示會話類、后臺類、流媒體類、交互類業(yè)務(wù)。

圖1 QoSP乘法合成法權(quán)重融合網(wǎng)絡(luò)選擇結(jié)果

4.2 負載分析及算法排序準確率分析

由圖2可以看出，四種業(yè)務(wù)類型下，5G和4G都會被優(yōu)先選擇，但采用線性加權(quán)進行權(quán)重融合時，明顯可以看出WLAN和Wimax被選擇的機會很少，相當于它們處于空載的幾率比較大，極易造成負載失衡；而圖1 用乘法合成法融合權(quán)重時，由于后臺類對時延和帶寬要求較低，對丟包率要求高的特點，在4G 和WLAN 中優(yōu)先選擇了丟包率低的WLAN，并且在流媒體業(yè)務(wù)中，選擇4G 和WLAN 的幾率相當，也有部分用戶會選擇Wimax。因此，在用戶服務(wù)質(zhì)量優(yōu)先時，采用乘法合成法融合權(quán)重更能為用戶準確分配合適的網(wǎng)絡(luò)，并且能較好的均衡負載。

圖2 QoSP線性加權(quán)組合賦權(quán)網(wǎng)絡(luò)選擇結(jié)果

由圖3 可知，基于四種業(yè)務(wù)類型的大多數(shù)情況下，用戶都會選擇WLAN 和4G 以及Wimax 進行接入，5G幾乎得不到被選擇接入的機會，因而極易造成5G 空載，其他三種網(wǎng)絡(luò)資源競爭激烈；而圖4中，雖然5G依然不容易被優(yōu)先選擇，但和其他三種網(wǎng)絡(luò)類型的得分差距明顯減小，且4G 和WLAN 的選擇幾率相當。得出結(jié)論：價格優(yōu)先考慮時，用線性加權(quán)法進行組合賦權(quán)，較好地避免了網(wǎng)絡(luò)空載，并在一定程度上避免了用戶對網(wǎng)絡(luò)資源的競爭，各網(wǎng)絡(luò)負載得到均衡分配。

圖3 PP乘法合成法權(quán)重融合網(wǎng)絡(luò)選擇結(jié)果

圖4 PP線性加權(quán)組合賦權(quán)網(wǎng)絡(luò)選擇結(jié)果

基于本文算法與TOPSIS 的負載性能，圖5 給出了對比結(jié)果。

圖5 本文算法與TOPSIS負載性能對比圖

圖5 中，縱坐標表示的是四種網(wǎng)絡(luò)類型基于兩種用戶偏好的負載差值，差值越大則說明兩種偏好下的選擇結(jié)果越不相關(guān)，算法準確率和有效性也就越大。本文算法四種網(wǎng)絡(luò)的負載均衡性能均優(yōu)于TOPSIS，無論基于用戶哪一種偏好，本文算法都能自適應(yīng)地做出準確網(wǎng)絡(luò)決策，而TOPSIS 則發(fā)生了失序，導(dǎo)致決策失誤，負載性能降低。

5 結(jié)語

本文以由4G、WLAN、Wimax、5G 組成的異構(gòu)無線網(wǎng)絡(luò)環(huán)境為研究背景，提出了一種基于MADM和模糊綜合評價的網(wǎng)絡(luò)接入選擇算法。該算法將熵權(quán)法和層次分析法結(jié)合，基于四種業(yè)務(wù)類型，考慮了兩種不同的用戶優(yōu)先策略，在用戶服務(wù)質(zhì)量優(yōu)先策略下，采用乘法合成法進行權(quán)重融合，在價格優(yōu)先策略下，采用線性加權(quán)法組合賦權(quán)，最終通過模糊綜合評價法為用戶決策出最合適的網(wǎng)絡(luò)進行接入?？偟貋碚f，在權(quán)重融合策略上，本文改變了以往的單一賦權(quán)方式，分情況討論。與單一的權(quán)重融合方法相比，大大提高了算法準確率，并且有效均衡了各網(wǎng)絡(luò)負載，能隨著用戶策略的改變快速調(diào)節(jié)出相對應(yīng)的賦權(quán)方案；在接入網(wǎng)決策環(huán)節(jié)，本文算法與TOPSIS 相比，解決了TOPSIS 中極易出現(xiàn)的失序問題，并且避免了TOPSIS 決策在某些業(yè)務(wù)下不符合用戶策略的現(xiàn)象，大大提高了接入網(wǎng)決策的準確性和有效性，能夠更好地滿足用戶策略和業(yè)務(wù)需求，給用戶帶來更高體驗度，為網(wǎng)絡(luò)降低了不必要的負載并避免了網(wǎng)絡(luò)空載現(xiàn)象。