凌毓?jié)⒗墙ū?/p>

【摘 要】在異構(gòu)無(wú)線(xiàn)環(huán)境中，為了給運(yùn)行了多個(gè)業(yè)務(wù)（群呼叫）的移動(dòng)終端選擇一個(gè)合適的無(wú)線(xiàn)接入網(wǎng)絡(luò)，提出了一種基于群決策的接入選擇方法。該方法引入效用函數(shù)對(duì)網(wǎng)絡(luò)QoS及功耗進(jìn)行評(píng)價(jià)；根據(jù)業(yè)務(wù)特點(diǎn)分配各屬性的模糊權(quán)重，并采用業(yè)務(wù)優(yōu)先權(quán)來(lái)反映各業(yè)務(wù)在群決策中的相對(duì)重要性；基于模糊理論，設(shè)計(jì)合理的模糊TOPSIS數(shù)據(jù)聚合模型，并在效用評(píng)價(jià)基礎(chǔ)上實(shí)現(xiàn)了群決策。仿真結(jié)果表明，該方法能有效地實(shí)現(xiàn)多業(yè)務(wù)的無(wú)線(xiàn)接入選擇，并且業(yè)務(wù)優(yōu)先權(quán)在很大程度上影響了群決策結(jié)果。

【關(guān)鍵詞】群決策 多業(yè)務(wù) 接入選擇 效用函數(shù) 逼近理想解排序法

中圖分類(lèi)號(hào)：TN929.5 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1006-1010（2014）-03-

1 引言

多種無(wú)線(xiàn)接入技術(shù)共存并相互融合是無(wú)線(xiàn)通信網(wǎng)絡(luò)發(fā)展的趨勢(shì)，為了讓擁有多種無(wú)線(xiàn)接口的移動(dòng)終端能夠在異構(gòu)的無(wú)線(xiàn)環(huán)境中實(shí)現(xiàn)無(wú)縫漫游，為其業(yè)務(wù)選擇最合適的網(wǎng)絡(luò)接入成為當(dāng)前的研究熱點(diǎn)，并且已經(jīng)取得了一些有價(jià)值的成果[1]。由于在接入選擇時(shí)通常需要考慮多種因素，因而不少文獻(xiàn)提出了基于多屬性決策的接入選擇方法，如簡(jiǎn)單加權(quán)法（SAW）、乘法指數(shù)加權(quán)法（MEW）、灰度相關(guān)分析法（GRA）、層次分析法（AHP）以及逼近理想解排序法（TOPSIS）等[2]。在此基礎(chǔ)上，文獻(xiàn)[3]將并行模糊邏輯控制與多屬性決策相結(jié)合，實(shí)現(xiàn)了終端側(cè)與網(wǎng)絡(luò)側(cè)協(xié)同控制的接入選擇。為了提高用戶(hù)的滿(mǎn)意度，文獻(xiàn)[4]提出了基于多目標(biāo)決策的異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇算法，而文獻(xiàn)[5]提出的基于負(fù)載均衡的多接入選擇算法能夠在保證業(yè)務(wù)QoS的基礎(chǔ)上，均衡不同網(wǎng)絡(luò)間的負(fù)載。此外，基于馬爾可夫模型[6]、基于模糊神經(jīng)網(wǎng)絡(luò)[7]、基于博弈論[8]等多種接入選擇方法也都相繼提出。

但是，現(xiàn)有文獻(xiàn)所提出的接入選擇方法基本上都只是針對(duì)單個(gè)業(yè)務(wù)（呼叫），而在實(shí)際中，多模終端常會(huì)同時(shí)運(yùn)行多個(gè)不同類(lèi)型的網(wǎng)絡(luò)業(yè)務(wù)，例如話(huà)音和網(wǎng)頁(yè)瀏覽等，因此有必要針對(duì)多業(yè)務(wù)（群呼叫）的無(wú)線(xiàn)接入選擇問(wèn)題展開(kāi)研究。

各類(lèi)業(yè)務(wù)對(duì)QoS（Quality of Service，服務(wù)質(zhì)量）的需求不同，而各種無(wú)線(xiàn)網(wǎng)絡(luò)的性能也有所差異。當(dāng)需要為多業(yè)務(wù)選擇網(wǎng)絡(luò)時(shí)，若將它們分別接入到各自最合適的無(wú)線(xiàn)網(wǎng)絡(luò)，則相關(guān)網(wǎng)絡(luò)操作之間的協(xié)同會(huì)比較復(fù)雜，同時(shí)還會(huì)產(chǎn)生過(guò)多的信令開(kāi)銷(xiāo)。而且在這種情況下，多模終端中相應(yīng)的網(wǎng)絡(luò)接口均需處于工作狀態(tài)，勢(shì)必會(huì)造成終端耗電量的增加。此外，某些低性能的多模終端僅支持將多業(yè)務(wù)同時(shí)接入到某一網(wǎng)絡(luò)中。鑒于此，有必要為移動(dòng)終端中的多業(yè)務(wù)共同選擇一個(gè)合適的無(wú)線(xiàn)接入網(wǎng)絡(luò)，這實(shí)際上可歸結(jié)為一個(gè)多屬性群決策問(wèn)題。

針對(duì)上述問(wèn)題，本文引入效用評(píng)價(jià)，分配屬性的模糊權(quán)重并采用業(yè)務(wù)優(yōu)先權(quán)，設(shè)計(jì)合理的模糊TOPSIS數(shù)據(jù)聚合模型，在效用評(píng)價(jià)的基礎(chǔ)上，實(shí)現(xiàn)多業(yè)務(wù)無(wú)線(xiàn)接入選擇的群決策。

2 問(wèn)題描述及理論基礎(chǔ)

經(jīng)典的多屬性決策問(wèn)題可以描述為：給定一組候選方案X={x1，x2，…，xM}，對(duì)于其中的每個(gè)方案xm（1≤m≤M），需要從若干個(gè)屬性C={c1，c2，…，cN}來(lái)對(duì)其進(jìn)行綜合評(píng)價(jià)。決策的目的就是要從這組候選方案中找到一個(gè)使決策者最滿(mǎn)意的方案。不同于這種個(gè)體決策，多屬性群決策中的決策者是由多個(gè)成員組成的群體，其決策過(guò)程需要綜合該群體中各成員對(duì)某一決策問(wèn)題的意見(jiàn)，大致可分為以下四個(gè)階段：

（1）確定決策者集、方案集和屬性集等；

（2）獲取決策者對(duì)各方案的屬性評(píng)價(jià)信息；

（3）確定屬性權(quán)重和決策者權(quán)重；

（4）確定數(shù)據(jù)聚合的模型和方法并選出最優(yōu)方案。

由于群決策中各決策者需要分別對(duì)每個(gè)方案的各屬性賦予評(píng)價(jià)值，因此會(huì)得到多個(gè)個(gè)體決策矩陣。對(duì)于多業(yè)務(wù)無(wú)線(xiàn)接入選擇問(wèn)題，每個(gè)業(yè)務(wù)即為一個(gè)決策者，可以設(shè)S={s1，s2，…，sL}為決策者集（業(yè)務(wù)集），X={x1，x2，…，xM}為方案集（接入網(wǎng)絡(luò)集），C={c1，c2，…，cN}為決策者統(tǒng)一采用的屬性集，則決策者sl（1≤l≤L）對(duì)方案xm（1≤m≤M）按屬性cn（1≤n≤N）進(jìn)行測(cè)度，得到屬性值，從而得到sl的決策矩陣為：

（1）

顯然，L個(gè)業(yè)務(wù)可得到L個(gè)決策矩陣。

需要指出的是，不同決策者對(duì)各屬性重要性的認(rèn)識(shí)不同，因此會(huì)得到多組屬性權(quán)重向量。此外，各決策者在群決策過(guò)程中的影響力也不相同，應(yīng)分別賦予相應(yīng)的決策者權(quán)重?？稍O(shè)sl（1≤l≤L）給出的屬性權(quán)重向量為wl={wl1，wl2，…，wlN}，且設(shè)決策者權(quán)重（業(yè)務(wù)優(yōu)先權(quán)）向量為ω={ω1，ω2，…，ωL}，以反映各業(yè)務(wù)在群決策中的相對(duì)重要性。

不同無(wú)線(xiàn)網(wǎng)絡(luò)（如WLAN、UMTS和WiMAX等）在QoS、功耗、安全級(jí)別和資費(fèi)等方面存在差異。在進(jìn)行接入選擇時(shí)不失一般性，本文選取帶寬（BW）和時(shí)延（D）這兩個(gè)重要的QoS參數(shù)以及功耗（P）作為評(píng)價(jià)指標(biāo)。此外，設(shè)定移動(dòng)終端中同時(shí)運(yùn)行了話(huà)音、視頻會(huì)議和網(wǎng)頁(yè)瀏覽這三種典型業(yè)務(wù)。

3 效用函數(shù)

在經(jīng)濟(jì)學(xué)中，“效用”用于表征消費(fèi)者對(duì)產(chǎn)品的主觀(guān)滿(mǎn)意程度。本文引入該概念，使用QoS及功耗的效用來(lái)反映業(yè)務(wù)對(duì)網(wǎng)絡(luò)相關(guān)性能指標(biāo)的“滿(mǎn)意”程度，其效用值可以通過(guò)相應(yīng)的效用函數(shù)來(lái)確定，取值范圍為[0，1]。

3.1 QoS的效用函數(shù)

由于即使對(duì)于同一QoS參數(shù)，各類(lèi)業(yè)務(wù)所獲得的效用也有可能不同，因此為不同業(yè)務(wù)選取合適的QoS效用函數(shù)顯得尤為重要。

值得注意的是，各類(lèi)業(yè)務(wù)對(duì)QoS的敏感度并不相同。以帶寬參數(shù)為例，固定比特率的視頻業(yè)務(wù)對(duì)所分配帶寬的變化非常敏感，而網(wǎng)頁(yè)瀏覽業(yè)務(wù)則不太敏感。理論上，前者帶寬的效用函數(shù)可表示為一個(gè)階躍函數(shù)，將分配的帶寬（BW）與帶寬閾值（TH）進(jìn)行比較來(lái)判斷是否滿(mǎn)足業(yè)務(wù)的帶寬需求。然而實(shí)際的無(wú)線(xiàn)環(huán)境所固有的不穩(wěn)定性會(huì)導(dǎo)致QoS參數(shù)值動(dòng)態(tài)變化，若BW高于TH，就認(rèn)為業(yè)務(wù)對(duì)帶寬完全滿(mǎn)意；若BW稍低于TH就認(rèn)為完全不滿(mǎn)意，顯然不合理。而對(duì)于后者，由于在帶寬上沒(méi)有閾值，因此理論上可將其帶寬的效用函數(shù)設(shè)計(jì)為一個(gè)凹函數(shù)。但是當(dāng)帶寬很低時(shí)，需要等待很長(zhǎng)時(shí)間來(lái)刷新頁(yè)面，若仍認(rèn)為是滿(mǎn)意的，顯然也不合理。實(shí)際上，上述兩類(lèi)業(yè)務(wù)的帶寬需求并不是只有一個(gè)固定閾值或者沒(méi)有閾值，而是通常具有上、下限。endprint

考慮到應(yīng)用于某些工程領(lǐng)域的Sigmoid函數(shù)是一個(gè)連續(xù)、光滑、嚴(yán)格單調(diào)的閾值函數(shù)，其典型的函數(shù)表達(dá)式為：

（2）

如圖1所示，該函數(shù)具有如下特點(diǎn)：

（1）它是一個(gè)取值范圍為[0，1]的單調(diào)遞增函數(shù)；

（2）參數(shù)a可以用來(lái)調(diào)節(jié)函數(shù)曲線(xiàn)的陡峭度：a值越小，函數(shù)曲線(xiàn)越平緩，隨著a值的增大，函數(shù)曲線(xiàn)會(huì)變得更加陡峭，而當(dāng)a值很大時(shí)，該函數(shù)趨近于階躍函數(shù)；

（3）當(dāng)x=b時(shí)，有f（b）=0.5。

圖1 Sigmoid函數(shù)

因此，根據(jù)Sigmoid函數(shù)的上述特點(diǎn)可將其作為QoS的效用函數(shù)U（x），并通過(guò)調(diào)節(jié)參數(shù)a的大小來(lái)反映不同類(lèi)型業(yè)務(wù)對(duì)QoS的敏感度。例如，當(dāng)業(yè)務(wù)對(duì)某個(gè)QoS指標(biāo)變化比較敏感時(shí)，可將參數(shù)a取較大值，這樣該指標(biāo)稍有變化，其效用值就會(huì)有明顯改變。而參數(shù)b所對(duì)應(yīng)的效用值為0.5，即U（b）=0.5。

對(duì)于帶寬而言，其效用值應(yīng)隨帶寬的增加而單調(diào)遞增，并且其效用函數(shù)U（BW）應(yīng)滿(mǎn)足：

（3）

其中，BWmin表示帶寬需求的下限，即網(wǎng)絡(luò)服務(wù)達(dá)到可用時(shí)所需分配的最小帶寬；BWmax表示帶寬需求的上限，即效用值達(dá)到最大值1時(shí)所需分配的帶寬。

類(lèi)似地，可定義時(shí)延的效用函數(shù)，但考慮到其效用值應(yīng)隨時(shí)延的增加而單調(diào)遞減，因此時(shí)延的效用函數(shù)為1-U（D）。

3.2 功耗的效用函數(shù)

如圖2所示，為便于分析，將功耗的效用函數(shù)定義為U（P）=kP+1。其中，k為常數(shù)，其值取決于最大功耗Pmax。

圖2 功耗的效用函數(shù)

從圖2可以看出，當(dāng)功耗為0時(shí)，對(duì)應(yīng)的效用值為1。隨著功耗的增加，效用值會(huì)線(xiàn)性減小，當(dāng)功耗達(dá)到或超過(guò)Pmax時(shí)，其效用值為0。

4 屬性權(quán)重及業(yè)務(wù)優(yōu)先權(quán)

4.1 屬性權(quán)重

不同業(yè)務(wù)對(duì)網(wǎng)絡(luò)性能指標(biāo)各有側(cè)重，因而各業(yè)務(wù)為各屬性分配的權(quán)重也不相同。在難以獲得權(quán)重的確切數(shù)值時(shí)，可用模糊語(yǔ)言來(lái)表示。

若采用5級(jí)模糊語(yǔ)言{很低，低，中等，高，很高}，則可根據(jù)業(yè)務(wù)的特點(diǎn)，例如話(huà)音業(yè)務(wù)對(duì)帶寬要求很低、對(duì)時(shí)延要求很高、對(duì)功耗要求低，分別為各屬性分配如表1所示的模糊權(quán)重。為便于之后的定量分析，利用文獻(xiàn)[9]的方法可首先將這些模糊語(yǔ)言變量轉(zhuǎn)換成對(duì)應(yīng)的三角模糊數(shù)，然后進(jìn)一步轉(zhuǎn)換為清晰數(shù){0.1167，0.3，0.5，0.7，0.833}。

表1 業(yè)務(wù)分配給屬性的模糊權(quán)重

業(yè)務(wù) 帶寬 時(shí)延 功耗

話(huà)音（業(yè)務(wù)1） 很低 很高 低

視頻會(huì)議（業(yè)務(wù)2） 很高 高 高

網(wǎng)頁(yè)瀏覽（業(yè)務(wù)3） 低 低 中等

4.2 業(yè)務(wù)優(yōu)先權(quán)

業(yè)務(wù)優(yōu)先權(quán)反映的是業(yè)務(wù)在群決策中的相對(duì)重要性，本文設(shè)定了三個(gè)優(yōu)先權(quán)級(jí)別{高，中，低}，相應(yīng)的優(yōu)先權(quán)值如表2所示：

表2 業(yè)務(wù)優(yōu)先權(quán)

業(yè)務(wù)優(yōu)先權(quán)級(jí) 業(yè)務(wù)優(yōu)先權(quán)值

高 3

中 2

低 1

若對(duì)優(yōu)先權(quán)向量ω={ω1，ω2，…，ωL}進(jìn)行歸一化處理，則歸一化后的優(yōu)先權(quán)向量為：

（4）

其中，

（5）

5 多業(yè)務(wù)接入選擇的群決策

5.1 數(shù)據(jù)聚合模型

傳統(tǒng)的TOPSIS法已成功地應(yīng)用在不同的選擇問(wèn)題上[10]，它是以歐式距離為基礎(chǔ)來(lái)評(píng)價(jià)候選方案貼近理想解的程度，即定義理想解的相對(duì)貼近度（聚合函數(shù)）為：

（6）

其中，和分別為候選方案m到理想解和負(fù)理想解的歐式距離。評(píng)價(jià)最優(yōu)的方案應(yīng)該距離理想解最近，同時(shí)距離負(fù)理想解最遠(yuǎn)。

但是，由式（6）不難推斷這種相對(duì)貼近度容易造成不一致性。為此，本文基于模糊理論的思想，定義兩個(gè)模糊集：A={距離理想解最近的候選方案}，B={距離負(fù)理想解最遠(yuǎn)的候選方案}，并且定義模糊集A和B的隸屬函數(shù)分別為：

（7）

（8）

由式（7）和（8）可知：

（1）當(dāng)則，當(dāng)則；

（2）當(dāng)則，當(dāng)則。

依據(jù)TOPSIS法的基本原理，可將聚合函數(shù)定義為A與B交集的隸屬函數(shù)，常見(jiàn)的定義式為：

（9）

但是使用該聚合函數(shù)會(huì)出現(xiàn)無(wú)法排序的情形，例如候選方案m和n，若；，則這兩個(gè)方案在模糊交集的隸屬度上是相等的。為此，本文采用的聚合函數(shù)為[11]：

（10）

其中，參數(shù)p度量的是：在多大程度上同時(shí)滿(mǎn)足“距離理想解最近”及“距離負(fù)理想解最遠(yuǎn)”這兩個(gè)目標(biāo)。當(dāng)p減小時(shí)，這種“同時(shí)滿(mǎn)足”的程度會(huì)增加。

5.2 群決策過(guò)程

步驟1：構(gòu)造各業(yè)務(wù)基于效用的決策矩陣；

（11）

其中，是業(yè)務(wù)l對(duì)候選網(wǎng)絡(luò)m按屬性n進(jìn)行測(cè)度后所得效用值。需要說(shuō)明的是，效用無(wú)單位并且已經(jīng)歸一化到[0，1]區(qū)間。

步驟2：構(gòu)造綜合加權(quán)決策矩陣；

（12）

其中，為業(yè)務(wù)l的歸一化優(yōu)先權(quán)，為業(yè)務(wù)l分配給屬性n的權(quán)重。

步驟3：確定理想解與負(fù)理想解；

（13）

其中，設(shè)定理想解A+和負(fù)理想解A-分別是各屬性效用值均為1和0的加權(quán)向量，以消除排序異常。

步驟4：計(jì)算候選網(wǎng)絡(luò)m到理想解及負(fù)理想解距離；

（14）

步驟5：利用式（7）、（8）、（10）計(jì)算隸屬度；

步驟6：選擇隸屬度最大的網(wǎng)絡(luò)為群呼叫的接入網(wǎng)絡(luò)。

6 仿真分析

為驗(yàn)證本文方法的有效性，將采用MATLAB2012軟件，通過(guò)計(jì)算機(jī)仿真來(lái)觀(guān)察接入選擇的群決策結(jié)果，并與隨機(jī)接入選擇方法[12]進(jìn)行比較。仿真中，存在三種異構(gòu)的無(wú)線(xiàn)網(wǎng)絡(luò)N1、N2和N3，其網(wǎng)絡(luò)性能參數(shù)值如表3所示，并且對(duì)帶寬和時(shí)延參數(shù)進(jìn)行隨機(jī)擾動(dòng)以反映其時(shí)變性。endprint

表3 接入網(wǎng)絡(luò)的性能參數(shù)值

接入網(wǎng)絡(luò) 帶寬/Mbps 時(shí)延/ms 功耗/W

N1 11 150 4.5

N2 1 50 1.2

N3 2 100 3.5

各業(yè)務(wù)的QoS需求及效用函數(shù)參數(shù)分別如表4和表5所示。功耗效用函數(shù)中的參數(shù)Pmax=5（W）；聚合函數(shù)中的參數(shù)p=2。

表4 QoS需求

業(yè)務(wù)類(lèi)型 帶寬/kbps 時(shí)延/ms

BWmin BWmax Dmin Dmax

話(huà)音 32 64 75 150

視頻會(huì)議 512 5 000 90 180

網(wǎng)頁(yè)瀏覽 128 1 200 250 500

表5 QoS效用函數(shù)參數(shù)

業(yè)務(wù)類(lèi)型 帶寬/kbps 時(shí)延/ms

a b a b

話(huà)音 0.25 48 0.1 112.5

視頻會(huì)議 0.003 2 000 0.08 135

網(wǎng)頁(yè)瀏覽 0.01 664 0.03 375

由于網(wǎng)絡(luò)參數(shù)是時(shí)變的，因此仿真中每隔一定周期（T=10s）進(jìn)行一次接入選擇群決策，仿真總時(shí)長(zhǎng)為5 000s。

采用隨機(jī)接入選擇方法與本文方法（業(yè)務(wù)優(yōu)先權(quán)相等時(shí)）的仿真結(jié)果如圖3所示。可以看出，對(duì)于隨機(jī)接入選擇方法，各網(wǎng)絡(luò)被選擇的總次數(shù)幾乎相等；而在本文方法中，N3被群呼叫選擇的總次數(shù)最多，其原因是本文方法綜合考慮了這三個(gè)業(yè)務(wù)的需求及網(wǎng)絡(luò)性能，而N3在帶寬、時(shí)延和功耗等方面的性能居中，因此被選擇的機(jī)率最大。

圖3 接入選擇結(jié)果比較

采用本文方法，在不同業(yè)務(wù)優(yōu)先權(quán)下各網(wǎng)絡(luò)的接入選擇結(jié)果如圖4所示。圖4（a）中，ω1=3，ω2=1，ω3=1，群呼叫大多接入到N2，而很少接入到N1，其原因是業(yè)務(wù)優(yōu)先權(quán)最高的話(huà)音業(yè)務(wù)對(duì)時(shí)延要求很高，但對(duì)帶寬需求很低，而N2的時(shí)延最小、N1的時(shí)延最大；圖4（b）中，ω1=1，ω2=3，ω3=1，接入到N1的群呼叫總次數(shù)顯著增加，而接入到N2的群呼叫總次數(shù)大量減少，其原因是業(yè)務(wù)優(yōu)先權(quán)最高的視頻會(huì)議對(duì)帶寬需求很大，雖然N1在時(shí)延和功耗上的性能不如其它兩個(gè)網(wǎng)絡(luò)，但其在帶寬上具有很大的優(yōu)勢(shì)；圖4（c）中，ω1=1，ω2=1，ω3=3，網(wǎng)頁(yè)瀏覽業(yè)務(wù)優(yōu)先權(quán)最高，接入到N1和N3的群呼叫總次數(shù)大體相當(dāng)，而接入到N2的群呼叫相對(duì)較少，其原因是N1的帶寬優(yōu)勢(shì)明顯，N3的性能居中，而N2由于功耗低，也在一定程度上彌補(bǔ)了其帶寬小的劣勢(shì)。由此可見(jiàn)，本文方法能夠有效地為群呼叫選擇合適的接入網(wǎng)絡(luò)，并且業(yè)務(wù)優(yōu)先權(quán)在很大程度上影響了群決策結(jié)果。

圖4 不同業(yè)務(wù)優(yōu)先權(quán)下接入選擇結(jié)果

7 結(jié)語(yǔ)

為了給異構(gòu)無(wú)線(xiàn)環(huán)境中運(yùn)行了多個(gè)業(yè)務(wù)的多模終端選擇一個(gè)合適的接入網(wǎng)絡(luò)，本文提出了一種多業(yè)務(wù)無(wú)線(xiàn)接入選擇的群決策方法。該方法采用Sigmoid函數(shù)作為效用函數(shù)來(lái)反映業(yè)務(wù)對(duì)網(wǎng)絡(luò)相關(guān)性能指標(biāo)的“滿(mǎn)意”程度，將模糊屬性權(quán)重和業(yè)務(wù)優(yōu)先權(quán)應(yīng)用于綜合加權(quán)決策矩陣中，并依據(jù)TOPSIS原理，設(shè)計(jì)了合理的基于模糊理論的數(shù)據(jù)聚合模型，在效用評(píng)價(jià)的基礎(chǔ)上有效地實(shí)現(xiàn)了群決策。下一階段，將圍繞效用評(píng)價(jià)這一環(huán)節(jié)做進(jìn)一步改進(jìn)。

參考文獻(xiàn)：

[1] Charilas D E， Panagopoulous A D. Multiaccess Radio Network Enviroments[J]. Vehicular Technology Magazine， 2010，5（4）： 40-49.

[2] Aggeliki Sgora， Christos A Gizelis， Dimitrios D Vergados. Network Selection in a WiMAX-WiFi Environment[J]. Pervasive and Mobile Computing， 2011，7（5）： 584-594.

[3] M M Alkhawlani， A A Hussein. Intelligent Radio Network Selection for Next Generation Networks[A]. The 7th International Conference on Informatics and Systems（INFOS）[C]. Cairo： IEEE， 2010.

[4] 石文孝，趙嵩，范紹帥，等. 基于多目標(biāo)決策的異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇算法[J]. 吉林大學(xué)學(xué)報(bào)（工學(xué)版）， 2011，41（3）： 795-799.

[5] 孫卓，鄭旭飛，王文博. 負(fù)載均衡的多接入選擇算法[J]. 電子科技大學(xué)學(xué)報(bào)， 2010，39（4）： 532-536.

[6] Gelabert X， Perez-Romero J， Sallent O， et al. A Markovian Approach to Radio Access Technology Selection in Heterogeneous Multiaccess/Multiservice Wireless Networks[J]. IEEE Transactions on Mobile Computing， 2008，7（10）： 1257-1270.

[7] Giupponi L， Agusti R， Perez-Romero J， et al. Fuzzy Neural Control for Economic-Driven Radio Resource Management in Beyond 3G Networks[J]. IEEE Transactions on Systems， Man and Cybernetics， 2009，39（2）： 170-189.

[8] 陳前斌，周偉光，柴蓉，等. 基于博弈論的異構(gòu)融合網(wǎng)絡(luò)接入選擇方法研究[J]. 計(jì)算機(jī)學(xué)報(bào)， 2010，33（9）： 1643-1652.

[9] S H Chen， C H Hsieh. Graded Mean Integration Representation of Generalized Fuzzy Number[C]. USA： IEEE， 1998.

[10] Jia-wen Wang， Ching-hsue Cheng， Kun-cheng Huang. Fuzzy Hierarchical TOPSIS for Supplier Selection[J]. Applied Soft Computing， 2009，9（1）： 377-386.

[11] Yager R R. On a general class of fuzzy connectives[J]. Fuzzy Sets and Systems， 1980， 4（3）： 235-242.

[12] ElBadawy H M. Optimal RAT Selection Algorithm Through Common Radio Resource Management in Heterogeneous Wireless Networks[A]. Radio Science Conference（NRSC）[C]. Cairo： IEEE， 2011.★endprint

表3 接入網(wǎng)絡(luò)的性能參數(shù)值

接入網(wǎng)絡(luò) 帶寬/Mbps 時(shí)延/ms 功耗/W

N1 11 150 4.5

N2 1 50 1.2

N3 2 100 3.5

各業(yè)務(wù)的QoS需求及效用函數(shù)參數(shù)分別如表4和表5所示。功耗效用函數(shù)中的參數(shù)Pmax=5（W）；聚合函數(shù)中的參數(shù)p=2。

表4 QoS需求

業(yè)務(wù)類(lèi)型 帶寬/kbps 時(shí)延/ms

BWmin BWmax Dmin Dmax

話(huà)音 32 64 75 150

視頻會(huì)議 512 5 000 90 180

網(wǎng)頁(yè)瀏覽 128 1 200 250 500

表5 QoS效用函數(shù)參數(shù)

業(yè)務(wù)類(lèi)型 帶寬/kbps 時(shí)延/ms

a b a b

話(huà)音 0.25 48 0.1 112.5

視頻會(huì)議 0.003 2 000 0.08 135

網(wǎng)頁(yè)瀏覽 0.01 664 0.03 375

由于網(wǎng)絡(luò)參數(shù)是時(shí)變的，因此仿真中每隔一定周期（T=10s）進(jìn)行一次接入選擇群決策，仿真總時(shí)長(zhǎng)為5 000s。

采用隨機(jī)接入選擇方法與本文方法（業(yè)務(wù)優(yōu)先權(quán)相等時(shí)）的仿真結(jié)果如圖3所示?？梢钥闯觯瑢?duì)于隨機(jī)接入選擇方法，各網(wǎng)絡(luò)被選擇的總次數(shù)幾乎相等；而在本文方法中，N3被群呼叫選擇的總次數(shù)最多，其原因是本文方法綜合考慮了這三個(gè)業(yè)務(wù)的需求及網(wǎng)絡(luò)性能，而N3在帶寬、時(shí)延和功耗等方面的性能居中，因此被選擇的機(jī)率最大。

圖3 接入選擇結(jié)果比較

采用本文方法，在不同業(yè)務(wù)優(yōu)先權(quán)下各網(wǎng)絡(luò)的接入選擇結(jié)果如圖4所示。圖4（a）中，ω1=3，ω2=1，ω3=1，群呼叫大多接入到N2，而很少接入到N1，其原因是業(yè)務(wù)優(yōu)先權(quán)最高的話(huà)音業(yè)務(wù)對(duì)時(shí)延要求很高，但對(duì)帶寬需求很低，而N2的時(shí)延最小、N1的時(shí)延最大；圖4（b）中，ω1=1，ω2=3，ω3=1，接入到N1的群呼叫總次數(shù)顯著增加，而接入到N2的群呼叫總次數(shù)大量減少，其原因是業(yè)務(wù)優(yōu)先權(quán)最高的視頻會(huì)議對(duì)帶寬需求很大，雖然N1在時(shí)延和功耗上的性能不如其它兩個(gè)網(wǎng)絡(luò)，但其在帶寬上具有很大的優(yōu)勢(shì)；圖4（c）中，ω1=1，ω2=1，ω3=3，網(wǎng)頁(yè)瀏覽業(yè)務(wù)優(yōu)先權(quán)最高，接入到N1和N3的群呼叫總次數(shù)大體相當(dāng)，而接入到N2的群呼叫相對(duì)較少，其原因是N1的帶寬優(yōu)勢(shì)明顯，N3的性能居中，而N2由于功耗低，也在一定程度上彌補(bǔ)了其帶寬小的劣勢(shì)。由此可見(jiàn)，本文方法能夠有效地為群呼叫選擇合適的接入網(wǎng)絡(luò)，并且業(yè)務(wù)優(yōu)先權(quán)在很大程度上影響了群決策結(jié)果。

圖4 不同業(yè)務(wù)優(yōu)先權(quán)下接入選擇結(jié)果

7 結(jié)語(yǔ)

為了給異構(gòu)無(wú)線(xiàn)環(huán)境中運(yùn)行了多個(gè)業(yè)務(wù)的多模終端選擇一個(gè)合適的接入網(wǎng)絡(luò)，本文提出了一種多業(yè)務(wù)無(wú)線(xiàn)接入選擇的群決策方法。該方法采用Sigmoid函數(shù)作為效用函數(shù)來(lái)反映業(yè)務(wù)對(duì)網(wǎng)絡(luò)相關(guān)性能指標(biāo)的“滿(mǎn)意”程度，將模糊屬性權(quán)重和業(yè)務(wù)優(yōu)先權(quán)應(yīng)用于綜合加權(quán)決策矩陣中，并依據(jù)TOPSIS原理，設(shè)計(jì)了合理的基于模糊理論的數(shù)據(jù)聚合模型，在效用評(píng)價(jià)的基礎(chǔ)上有效地實(shí)現(xiàn)了群決策。下一階段，將圍繞效用評(píng)價(jià)這一環(huán)節(jié)做進(jìn)一步改進(jìn)。

參考文獻(xiàn)：

[1] Charilas D E， Panagopoulous A D. Multiaccess Radio Network Enviroments[J]. Vehicular Technology Magazine， 2010，5（4）： 40-49.

[2] Aggeliki Sgora， Christos A Gizelis， Dimitrios D Vergados. Network Selection in a WiMAX-WiFi Environment[J]. Pervasive and Mobile Computing， 2011，7（5）： 584-594.

[3] M M Alkhawlani， A A Hussein. Intelligent Radio Network Selection for Next Generation Networks[A]. The 7th International Conference on Informatics and Systems（INFOS）[C]. Cairo： IEEE， 2010.

[4] 石文孝，趙嵩，范紹帥，等. 基于多目標(biāo)決策的異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇算法[J]. 吉林大學(xué)學(xué)報(bào)（工學(xué)版）， 2011，41（3）： 795-799.

[5] 孫卓，鄭旭飛，王文博. 負(fù)載均衡的多接入選擇算法[J]. 電子科技大學(xué)學(xué)報(bào)， 2010，39（4）： 532-536.

[6] Gelabert X， Perez-Romero J， Sallent O， et al. A Markovian Approach to Radio Access Technology Selection in Heterogeneous Multiaccess/Multiservice Wireless Networks[J]. IEEE Transactions on Mobile Computing， 2008，7（10）： 1257-1270.

[7] Giupponi L， Agusti R， Perez-Romero J， et al. Fuzzy Neural Control for Economic-Driven Radio Resource Management in Beyond 3G Networks[J]. IEEE Transactions on Systems， Man and Cybernetics， 2009，39（2）： 170-189.

[8] 陳前斌，周偉光，柴蓉，等. 基于博弈論的異構(gòu)融合網(wǎng)絡(luò)接入選擇方法研究[J]. 計(jì)算機(jī)學(xué)報(bào)， 2010，33（9）： 1643-1652.

[9] S H Chen， C H Hsieh. Graded Mean Integration Representation of Generalized Fuzzy Number[C]. USA： IEEE， 1998.

[10] Jia-wen Wang， Ching-hsue Cheng， Kun-cheng Huang. Fuzzy Hierarchical TOPSIS for Supplier Selection[J]. Applied Soft Computing， 2009，9（1）： 377-386.

[11] Yager R R. On a general class of fuzzy connectives[J]. Fuzzy Sets and Systems， 1980， 4（3）： 235-242.

[12] ElBadawy H M. Optimal RAT Selection Algorithm Through Common Radio Resource Management in Heterogeneous Wireless Networks[A]. Radio Science Conference（NRSC）[C]. Cairo： IEEE， 2011.★endprint

表3 接入網(wǎng)絡(luò)的性能參數(shù)值

接入網(wǎng)絡(luò) 帶寬/Mbps 時(shí)延/ms 功耗/W

N1 11 150 4.5

N2 1 50 1.2

N3 2 100 3.5

各業(yè)務(wù)的QoS需求及效用函數(shù)參數(shù)分別如表4和表5所示。功耗效用函數(shù)中的參數(shù)Pmax=5（W）；聚合函數(shù)中的參數(shù)p=2。

表4 QoS需求

業(yè)務(wù)類(lèi)型 帶寬/kbps 時(shí)延/ms

BWmin BWmax Dmin Dmax

話(huà)音 32 64 75 150

視頻會(huì)議 512 5 000 90 180

網(wǎng)頁(yè)瀏覽 128 1 200 250 500

表5 QoS效用函數(shù)參數(shù)

業(yè)務(wù)類(lèi)型 帶寬/kbps 時(shí)延/ms

a b a b

話(huà)音 0.25 48 0.1 112.5

視頻會(huì)議 0.003 2 000 0.08 135

網(wǎng)頁(yè)瀏覽 0.01 664 0.03 375

由于網(wǎng)絡(luò)參數(shù)是時(shí)變的，因此仿真中每隔一定周期（T=10s）進(jìn)行一次接入選擇群決策，仿真總時(shí)長(zhǎng)為5 000s。

采用隨機(jī)接入選擇方法與本文方法（業(yè)務(wù)優(yōu)先權(quán)相等時(shí)）的仿真結(jié)果如圖3所示?？梢钥闯觯瑢?duì)于隨機(jī)接入選擇方法，各網(wǎng)絡(luò)被選擇的總次數(shù)幾乎相等；而在本文方法中，N3被群呼叫選擇的總次數(shù)最多，其原因是本文方法綜合考慮了這三個(gè)業(yè)務(wù)的需求及網(wǎng)絡(luò)性能，而N3在帶寬、時(shí)延和功耗等方面的性能居中，因此被選擇的機(jī)率最大。

圖3 接入選擇結(jié)果比較

采用本文方法，在不同業(yè)務(wù)優(yōu)先權(quán)下各網(wǎng)絡(luò)的接入選擇結(jié)果如圖4所示。圖4（a）中，ω1=3，ω2=1，ω3=1，群呼叫大多接入到N2，而很少接入到N1，其原因是業(yè)務(wù)優(yōu)先權(quán)最高的話(huà)音業(yè)務(wù)對(duì)時(shí)延要求很高，但對(duì)帶寬需求很低，而N2的時(shí)延最小、N1的時(shí)延最大；圖4（b）中，ω1=1，ω2=3，ω3=1，接入到N1的群呼叫總次數(shù)顯著增加，而接入到N2的群呼叫總次數(shù)大量減少，其原因是業(yè)務(wù)優(yōu)先權(quán)最高的視頻會(huì)議對(duì)帶寬需求很大，雖然N1在時(shí)延和功耗上的性能不如其它兩個(gè)網(wǎng)絡(luò)，但其在帶寬上具有很大的優(yōu)勢(shì)；圖4（c）中，ω1=1，ω2=1，ω3=3，網(wǎng)頁(yè)瀏覽業(yè)務(wù)優(yōu)先權(quán)最高，接入到N1和N3的群呼叫總次數(shù)大體相當(dāng)，而接入到N2的群呼叫相對(duì)較少，其原因是N1的帶寬優(yōu)勢(shì)明顯，N3的性能居中，而N2由于功耗低，也在一定程度上彌補(bǔ)了其帶寬小的劣勢(shì)。由此可見(jiàn)，本文方法能夠有效地為群呼叫選擇合適的接入網(wǎng)絡(luò)，并且業(yè)務(wù)優(yōu)先權(quán)在很大程度上影響了群決策結(jié)果。

圖4 不同業(yè)務(wù)優(yōu)先權(quán)下接入選擇結(jié)果

7 結(jié)語(yǔ)

為了給異構(gòu)無(wú)線(xiàn)環(huán)境中運(yùn)行了多個(gè)業(yè)務(wù)的多模終端選擇一個(gè)合適的接入網(wǎng)絡(luò)，本文提出了一種多業(yè)務(wù)無(wú)線(xiàn)接入選擇的群決策方法。該方法采用Sigmoid函數(shù)作為效用函數(shù)來(lái)反映業(yè)務(wù)對(duì)網(wǎng)絡(luò)相關(guān)性能指標(biāo)的“滿(mǎn)意”程度，將模糊屬性權(quán)重和業(yè)務(wù)優(yōu)先權(quán)應(yīng)用于綜合加權(quán)決策矩陣中，并依據(jù)TOPSIS原理，設(shè)計(jì)了合理的基于模糊理論的數(shù)據(jù)聚合模型，在效用評(píng)價(jià)的基礎(chǔ)上有效地實(shí)現(xiàn)了群決策。下一階段，將圍繞效用評(píng)價(jià)這一環(huán)節(jié)做進(jìn)一步改進(jìn)。

參考文獻(xiàn)：

[1] Charilas D E， Panagopoulous A D. Multiaccess Radio Network Enviroments[J]. Vehicular Technology Magazine， 2010，5（4）： 40-49.

[2] Aggeliki Sgora， Christos A Gizelis， Dimitrios D Vergados. Network Selection in a WiMAX-WiFi Environment[J]. Pervasive and Mobile Computing， 2011，7（5）： 584-594.

[3] M M Alkhawlani， A A Hussein. Intelligent Radio Network Selection for Next Generation Networks[A]. The 7th International Conference on Informatics and Systems（INFOS）[C]. Cairo： IEEE， 2010.

[4] 石文孝，趙嵩，范紹帥，等. 基于多目標(biāo)決策的異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇算法[J]. 吉林大學(xué)學(xué)報(bào)（工學(xué)版）， 2011，41（3）： 795-799.

[5] 孫卓，鄭旭飛，王文博. 負(fù)載均衡的多接入選擇算法[J]. 電子科技大學(xué)學(xué)報(bào)， 2010，39（4）： 532-536.

[6] Gelabert X， Perez-Romero J， Sallent O， et al. A Markovian Approach to Radio Access Technology Selection in Heterogeneous Multiaccess/Multiservice Wireless Networks[J]. IEEE Transactions on Mobile Computing， 2008，7（10）： 1257-1270.

[7] Giupponi L， Agusti R， Perez-Romero J， et al. Fuzzy Neural Control for Economic-Driven Radio Resource Management in Beyond 3G Networks[J]. IEEE Transactions on Systems， Man and Cybernetics， 2009，39（2）： 170-189.

[8] 陳前斌，周偉光，柴蓉，等. 基于博弈論的異構(gòu)融合網(wǎng)絡(luò)接入選擇方法研究[J]. 計(jì)算機(jī)學(xué)報(bào)， 2010，33（9）： 1643-1652.

[9] S H Chen， C H Hsieh. Graded Mean Integration Representation of Generalized Fuzzy Number[C]. USA： IEEE， 1998.

[10] Jia-wen Wang， Ching-hsue Cheng， Kun-cheng Huang. Fuzzy Hierarchical TOPSIS for Supplier Selection[J]. Applied Soft Computing， 2009，9（1）： 377-386.

[11] Yager R R. On a general class of fuzzy connectives[J]. Fuzzy Sets and Systems， 1980， 4（3）： 235-242.

[12] ElBadawy H M. Optimal RAT Selection Algorithm Through Common Radio Resource Management in Heterogeneous Wireless Networks[A]. Radio Science Conference（NRSC）[C]. Cairo： IEEE， 2011.★endprint