论文部分内容阅读
随着近年来无线网络通讯技术的迅猛发展,越来越多新的网络技术应运而生。但原有的网络技术出于多种原因,并不会立即停止运营而是会继续运营相当长的一段时间。这一普遍存在的事实容易导致移动终端经常处于多个不同种类网络共同覆盖的环境中,称之为异构网络环境。进一步,终端用户在不同业务场景中,对网络服务质量的需求也呈现出多样化特点。因此,终端用户为了获得更好的服务质量(Quality of Service,QoS),希望随着网络环境的变化,终端可以自动地无缝地接入综合性能更佳的网络。终端在不同种类网络之间的切换称为垂直切换,在同一网络的不同基站或接入点之间的切换,称为水平切换。本文不考虑水平切换而仅研究异构网络情景中垂直切换算法的决策过程及其质量评价,并把研究过程中所建立的问题模型称为异构网络选择问题,简称异构网络选择。根据在该模型中终端是否可以自主选择网络,相应地分为终端自主选择网络和终端被动接入网络两种问题。它们的一个共同点是对时效性要求都很严格,主要的区别有:终端自主选择网络问题主要是终端遇到一个决策点时,终端如何评估各候选网络的综合质量并以此排序,然后从中选择一个作为目标接入网络。该模型不考虑此次选择前后对其它实体造成的影响而单纯地从终端用户角度来考虑如何通过选择目标网络而获取尽量大的QoS但同时也应尽量避免乒乓效应,进而获得尽可能满意的体验质量(Quality of Experience,QoE)。显然,该模型常常是建立在候选网络可提供的资源非常充裕的基础上。解决此模型的算法有多种,但多属性决策算法(Multiple Attribute Decision Making,MADM)因其原理直观简单并且通过计算公式能直接得出最终结果,而常被用来解决此类问题。在终端被动接入网络问题中,终端的功能受到很大限制,常常需要从网络系统资源管理者角度对发出请求的各个终端快速地给出一个合理的网络选择分配方案,使得各个终端获得尽可能好的QoS,同时尽可能减小对网络系统的负面影响,比如影响网络负载均衡、系统吞吐量等。常使用包括群智能算法在内的各种启发式算法来解决此类问题。针对上述两个问题模型的特点,本文提出分别用混合多属性决策算法和混合群智能优化算法来加以解决。因此,全文的主要贡献有以下三点:(1)对传统基于模糊一致矩阵的模糊层次分析法(Fuzzy Analytic Hierarchy Process,FAHP)加以改进,然后提出基于综合效用值和比例阈值的终端自主选择网络算法。为控制整个算法的运行时间,根据Entropy和TOPSIS算法特点,选择合适的同向化、归一化公式,一次性地为熵值赋权法(Entropy)和逼近理想解排序法(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)两个算法完成这个预处理过程。为3GPP定义的四种经典业务类型分别设置不同的调节因子,用与业务类型自动匹配的线性向量组合方式将这三个算法灵活地融合在一起。完成评估各个网络综合性能后,再使用比例阈值决定目标网络。仿真结果表明,所提算法在控制垂直切换次数、抑制不必要垂直切换以及提高垂直切换收益三个性能度量上优于现有的三个算法。(2)提出基于改进灰度关联分析法(Grey Relational Analysis,GRA)和差值阈值的终端自主选择网络算法。根据标准差法(Standard Deviation,SD)和GRA算法特点,通过选择合适的同向化、归一化公式,不仅省去了一个归一化过程而且显著简化了这两种算法后续的计算过程,进而有助于降低整个算法的运行时间。仿真结果表明,与现有的四种算法相比,所提算法对于所考虑的四种业务类型都能更好地减少乒乓效应。(3)提出一个基于QoS序列进化优化的终端被动接入算法。通过设置离散型网络选择序列与连续型QoS序列之间的相互映射函数,该算法以连续型QoS序列为中介,经过遗传算法(Genetic Algorithm,GA)前期离散型迭代、模拟退火(Simulated Annealing,SA)算法中期发散型检验和连续型粒子群算法(Continuous Particle Swarm Optimization,CPSO)后期连续型迭代,逐步得到群体最优解。经过这样的优化流程,该算法不仅同时具备了GA、SA和CPSO这三个算法的优点,而且有效控制了整个算法所需的运行时间。仿真数据表明,与现有的四个算法相比,所提算法可以稳定地更快地找到高质量的最优解,显著降低陷入局部最优陷阱的概率。