凌毓?jié)⒗墙ū?/p>

【摘 要】在異構無線環(huán)境中，為了給運行了多個業(yè)務（群呼叫）的移動終端選擇一個合適的無線接入網(wǎng)絡，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)對網(wǎng)絡QoS及功耗進行評價；根據(jù)業(yè)務特點分配各屬性的模糊權重，并采用業(yè)務優(yōu)先權來反映各業(yè)務在群決策中的相對重要性；基于模糊理論，設計合理的模糊TOPSIS數(shù)據(jù)聚合模型，并在效用評價基礎上實現(xiàn)了群決策。仿真結果表明，該方法能有效地實現(xiàn)多業(yè)務的無線接入選擇，并且業(yè)務優(yōu)先權在很大程度上影響了群決策結果。

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

中圖分類號：TN929.5 文獻標識碼：A 文章編號：1006-1010（2014）-03-

1 引言

多種無線接入技術共存并相互融合是無線通信網(wǎng)絡發(fā)展的趨勢，為了讓擁有多種無線接口的移動終端能夠在異構的無線環(huán)境中實現(xiàn)無縫漫游，為其業(yè)務選擇最合適的網(wǎng)絡接入成為當前的研究熱點，并且已經(jīng)取得了一些有價值的成果[1]。由于在接入選擇時通常需要考慮多種因素，因而不少文獻提出了基于多屬性決策的接入選擇方法，如簡單加權法（SAW）、乘法指數(shù)加權法（MEW）、灰度相關分析法（GRA）、層次分析法（AHP）以及逼近理想解排序法（TOPSIS）等[2]。在此基礎上，文獻[3]將并行模糊邏輯控制與多屬性決策相結合，實現(xiàn)了終端側與網(wǎng)絡側協(xié)同控制的接入選擇。為了提高用戶的滿意度，文獻[4]提出了基于多目標決策的異構無線網(wǎng)絡接入選擇算法，而文獻[5]提出的基于負載均衡的多接入選擇算法能夠在保證業(yè)務QoS的基礎上，均衡不同網(wǎng)絡間的負載。此外，基于馬爾可夫模型[6]、基于模糊神經(jīng)網(wǎng)絡[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)有文獻所提出的接入選擇方法基本上都只是針對單個業(yè)務（呼叫），而在實際中，多模終端常會同時運行多個不同類型的網(wǎng)絡業(yè)務，例如話音和網(wǎng)頁瀏覽等，因此有必要針對多業(yè)務（群呼叫）的無線接入選擇問題展開研究。

各類業(yè)務對QoS（Quality of Service，服務質量）的需求不同，而各種無線網(wǎng)絡的性能也有所差異。當需要為多業(yè)務選擇網(wǎng)絡時，若將它們分別接入到各自最合適的無線網(wǎng)絡，則相關網(wǎng)絡操作之間的協(xié)同會比較復雜，同時還會產生過多的信令開銷。而且在這種情況下，多模終端中相應的網(wǎng)絡接口均需處于工作狀態(tài)，勢必會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)務同時接入到某一網(wǎng)絡中。鑒于此，有必要為移動終端中的多業(yè)務共同選擇一個合適的無線接入網(wǎng)絡，這實際上可歸結為一個多屬性群決策問題。

針對上述問題，本文引入效用評價，分配屬性的模糊權重并采用業(yè)務優(yōu)先權，設計合理的模糊TOPSIS數(shù)據(jù)聚合模型，在效用評價的基礎上，實現(xiàn)多業(yè)務無線接入選擇的群決策。

2 問題描述及理論基礎

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

（1）確定決策者集、方案集和屬性集等；

（2）獲取決策者對各方案的屬性評價信息；

（3）確定屬性權重和決策者權重；

（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每個方案的各屬性賦予評價值，因此會得到多個個體決策矩陣。對于多業(yè)務無線接入選擇問題，每個業(yè)務即為一個決策者，可以設S={s1，s2，…，sL}為決策者集（業(yè)務集），X={x1，x2，…，xM}為方案集（接入網(wǎng)絡集），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）對方案xm（1≤m≤M）按屬性cn（1≤n≤N）進行測度，得到屬性值，從而得到sl的決策矩陣為：

（1）

顯然，L個業(yè)務可得到L個決策矩陣。

需要指出的是，不同決策者對各屬性重要性的認識不同，因此會得到多組屬性權重向量。此外，各決策者在群決策過程中的影響力也不相同，應分別賦予相應的決策者權重?？稍Osl（1≤l≤L）給出的屬性權重向量為wl={wl1，wl2，…，wlN}，且設決策者權重（業(yè)務優(yōu)先權）向量為ω={ω1，ω2，…，ωL}，以反映各業(yè)務在群決策中的相對重要性。

不同無線網(wǎng)絡（如WLAN、UMTS和WiMAX等）在QoS、功耗、安全級別和資費等方面存在差異。在進行接入選擇時不失一般性，本文選取帶寬（BW）和時延（D）這兩個重要的QoS參數(shù)以及功耗（P）作為評價指標。此外，設定移動終端中同時運行了話音、視頻會議和網(wǎng)頁瀏覽這三種典型業(yè)務。

3 效用函數(shù)

在經(jīng)濟學中，“效用”用于表征消費者對產品的主觀滿意程度。本文引入該概念，使用QoS及功耗的效用來反映業(yè)務對網(wǎng)絡相關性能指標的“滿意”程度，其效用值可以通過相應的效用函數(shù)來確定，取值范圍為[0，1]。

3.1 QoS的效用函數(shù)

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

值得注意的是，各類業(yè)務對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)務對所分配帶寬的變化非常敏感，而網(wǎng)頁瀏覽業(yè)務則不太敏感。理論上，前者帶寬的效用函數(shù)可表示為一個階躍函數(shù)，將分配的帶寬（BW）與帶寬閾值（TH）進行比較來判斷是否滿足業(yè)務的帶寬需求。然而實際的無線環(huán)境所固有的不穩(wěn)定性會導致QoS參數(shù)值動態(tài)變化，若BW高于TH，就認為業(yè)務對帶寬完全滿意；若BW稍低于TH就認為完全不滿意，顯然不合理。而對于后者，由于在帶寬上沒有閾值，因此理論上可將其帶寬的效用函數(shù)設計為一個凹函數(shù)。但是當帶寬很低時，需要等待很長時間來刷新頁面，若仍認為是滿意的，顯然也不合理。實際上，上述兩類業(yè)務的帶寬需求并不是只有一個固定閾值或者沒有閾值，而是通常具有上、下限。endprint

考慮到應用于某些工程領域的Sigmoid函數(shù)是一個連續(xù)、光滑、嚴格單調的閾值函數(shù)，其典型的函數(shù)表達式為：

（2）

如圖1所示，該函數(shù)具有如下特點：

（1）它是一個取值范圍為[0，1]的單調遞增函數(shù)；

（2）參數(shù)a可以用來調節(jié)函數(shù)曲線的陡峭度：a值越小，函數(shù)曲線越平緩，隨著a值的增大，函數(shù)曲線會變得更加陡峭，而當a值很大時，該函數(shù)趨近于階躍函數(shù)；

（3）當x=b時，有f（b）=0.5。

圖1 Sigmoid函數(shù)

因此，根據(jù)Sigmoid函數(shù)的上述特點可將其作為QoS的效用函數(shù)U（x），并通過調節(jié)參數(shù)a的大小來反映不同類型業(yè)務對QoS的敏感度。例如，當業(yè)務對某個QoS指標變化比較敏感時，可將參數(shù)a取較大值，這樣該指標稍有變化，其效用值就會有明顯改變。而參數(shù)b所對應的效用值為0.5，即U（b）=0.5。

對于帶寬而言，其效用值應隨帶寬的增加而單調遞增，并且其效用函數(shù)U（BW）應滿足：

（3）

其中，BWmin表示帶寬需求的下限，即網(wǎng)絡服務達到可用時所需分配的最小帶寬；BWmax表示帶寬需求的上限，即效用值達到最大值1時所需分配的帶寬。

類似地，可定義時延的效用函數(shù)，但考慮到其效用值應隨時延的增加而單調遞減，因此時延的效用函數(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，當功耗為0時，對應的效用值為1。隨著功耗的增加，效用值會線性減小，當功耗達到或超過Pmax時，其效用值為0。

4 屬性權重及業(yè)務優(yōu)先權

4.1 屬性權重

不同業(yè)務對網(wǎng)絡性能指標各有側重，因而各業(yè)務為各屬性分配的權重也不相同。在難以獲得權重的確切數(shù)值時，可用模糊語言來表示。

若采用5級模糊語言{很低，低，中等，高，很高}，則可根據(jù)業(yè)務的特點，例如話音業(yè)務對帶寬要求很低、對時延要求很高、對功耗要求低，分別為各屬性分配如表1所示的模糊權重。為便于之后的定量分析，利用文獻[9]的方法可首先將這些模糊語言變量轉換成對應的三角模糊數(shù)，然后進一步轉換為清晰數(shù){0.1167，0.3，0.5，0.7，0.833}。

表1 業(yè)務分配給屬性的模糊權重

業(yè)務 帶寬 時延 功耗

話音（業(yè)務1） 很低 很高 低

視頻會議（業(yè)務2） 很高 高 高

網(wǎng)頁瀏覽（業(yè)務3） 低 低 中等

4.2 業(yè)務優(yōu)先權

業(yè)務優(yōu)先權反映的是業(yè)務在群決策中的相對重要性，本文設定了三個優(yōu)先權級別{高，中，低}，相應的優(yōu)先權值如表2所示：

表2 業(yè)務優(yōu)先權

業(yè)務優(yōu)先權級 業(yè)務優(yōu)先權值

高 3

中 2

低 1

若對優(yōu)先權向量ω={ω1，ω2，…，ωL}進行歸一化處理，則歸一化后的優(yōu)先權向量為：

（4）

其中，

（5）

5 多業(yè)務接入選擇的群決策

5.1 數(shù)據(jù)聚合模型

傳統(tǒng)的TOPSIS法已成功地應用在不同的選擇問題上[10]，它是以歐式距離為基礎來評價候選方案貼近理想解的程度，即定義理想解的相對貼近度（聚合函數(shù)）為：

（6）

其中，和分別為候選方案m到理想解和負理想解的歐式距離。評價最優(yōu)的方案應該距離理想解最近，同時距離負理想解最遠。

但是，由式（6）不難推斷這種相對貼近度容易造成不一致性。為此，本文基于模糊理論的思想，定義兩個模糊集：A={距離理想解最近的候選方案}，B={距離負理想解最遠的候選方案}，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）當則，當則；

（2）當則，當則。

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)，常見的定義式為：

（9）

但是使用該聚合函數(shù)會出現(xiàn)無法排序的情形，例如候選方案m和n，若；，則這兩個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：在多大程度上同時滿足“距離理想解最近”及“距離負理想解最遠”這兩個目標。當p減小時，這種“同時滿足”的程度會增加。

5.2 群決策過程

步驟1：構造各業(yè)務基于效用的決策矩陣；

（11）

其中，是業(yè)務l對候選網(wǎng)絡m按屬性n進行測度后所得效用值。需要說明的是，效用無單位并且已經(jīng)歸一化到[0，1]區(qū)間。

步驟2：構造綜合加權決策矩陣；

（12）

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

步驟3：確定理想解與負理想解；

（13）

其中，設定理想解A+和負理想解A-分別是各屬性效用值均為1和0的加權向量，以消除排序異常。

步驟4：計算候選網(wǎng)絡m到理想解及負理想解距離；

（14）

步驟5：利用式（7）、（8）、（10）計算隸屬度；

步驟6：選擇隸屬度最大的網(wǎng)絡為群呼叫的接入網(wǎng)絡。

6 仿真分析

為驗證本文方法的有效性，將采用MATLAB2012軟件，通過計算機仿真來觀察接入選擇的群決策結果，并與隨機接入選擇方法[12]進行比較。仿真中，存在三種異構的無線網(wǎng)絡N1、N2和N3，其網(wǎng)絡性能參數(shù)值如表3所示，并且對帶寬和時延參數(shù)進行隨機擾動以反映其時變性。endprint

表3 接入網(wǎng)絡的性能參數(shù)值

接入網(wǎng)絡 帶寬/Mbps 時延/ms 功耗/W

N1 11 150 4.5

N2 1 50 1.2

N3 2 100 3.5

各業(yè)務的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)務類型 帶寬/kbps 時延/ms

BWmin BWmax Dmin Dmax

話音 32 64 75 150

視頻會議 512 5 000 90 180

網(wǎng)頁瀏覽 128 1 200 250 500

表5 QoS效用函數(shù)參數(shù)

業(yè)務類型 帶寬/kbps 時延/ms

a b a b

話音 0.25 48 0.1 112.5

視頻會議 0.003 2 000 0.08 135

網(wǎng)頁瀏覽 0.01 664 0.03 375

由于網(wǎng)絡參數(shù)是時變的，因此仿真中每隔一定周期（T=10s）進行一次接入選擇群決策，仿真總時長為5 000s。

采用隨機接入選擇方法與本文方法（業(yè)務優(yōu)先權相等時）的仿真結果如圖3所示。可以看出，對于隨機接入選擇方法，各網(wǎng)絡被選擇的總次數(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業(yè)務的需求及網(wǎng)絡性能，而N3在帶寬、時延和功耗等方面的性能居中，因此被選擇的機率最大。

圖3 接入選擇結果比較

采用本文方法，在不同業(yè)務優(yōu)先權下各網(wǎng)絡的接入選擇結果如圖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)務優(yōu)先權最高的話音業(yè)務對時延要求很高，但對帶寬需求很低，而N2的時延最小、N1的時延最大；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)務優(yōu)先權最高的視頻會議對帶寬需求很大，雖然N1在時延和功耗上的性能不如其它兩個網(wǎng)絡，但其在帶寬上具有很大的優(yōu)勢；圖4（c）中，ω1=1，ω2=1，ω3=3，網(wǎng)頁瀏覽業(yè)務優(yōu)先權最高，接入到N1和N3的群呼叫總次數(shù)大體相當，而接入到N2的群呼叫相對較少，其原因是N1的帶寬優(yōu)勢明顯，N3的性能居中，而N2由于功耗低，也在一定程度上彌補了其帶寬小的劣勢。由此可見，本文方法能夠有效地為群呼叫選擇合適的接入網(wǎng)絡，并且業(yè)務優(yōu)先權在很大程度上影響了群決策結果。

圖4 不同業(yè)務優(yōu)先權下接入選擇結果

7 結語

為了給異構無線環(huán)境中運行了多個業(yè)務的多模終端選擇一個合適的接入網(wǎng)絡，本文提出了一種多業(yè)務無線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)來反映業(yè)務對網(wǎng)絡相關性能指標的“滿意”程度，將模糊屬性權重和業(yè)務優(yōu)先權應用于綜合加權決策矩陣中，并依據(jù)TOPSIS原理，設計了合理的基于模糊理論的數(shù)據(jù)聚合模型，在效用評價的基礎上有效地實現(xiàn)了群決策。下一階段，將圍繞效用評價這一環(huán)節(jié)做進一步改進。

參考文獻：

[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. 基于多目標決策的異構無線網(wǎng)絡接入選擇算法[J]. 吉林大學學報（工學版）， 2011，41（3）： 795-799.

[5] 孫卓，鄭旭飛，王文博. 負載均衡的多接入選擇算法[J]. 電子科技大學學報， 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. 基于博弈論的異構融合網(wǎng)絡接入選擇方法研究[J]. 計算機學報， 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)絡的性能參數(shù)值

接入網(wǎng)絡 帶寬/Mbps 時延/ms 功耗/W

N1 11 150 4.5

N2 1 50 1.2

N3 2 100 3.5

各業(yè)務的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)務類型 帶寬/kbps 時延/ms

BWmin BWmax Dmin Dmax

話音 32 64 75 150

視頻會議 512 5 000 90 180

網(wǎng)頁瀏覽 128 1 200 250 500

表5 QoS效用函數(shù)參數(shù)

業(yè)務類型 帶寬/kbps 時延/ms

a b a b

話音 0.25 48 0.1 112.5

視頻會議 0.003 2 000 0.08 135

網(wǎng)頁瀏覽 0.01 664 0.03 375

由于網(wǎng)絡參數(shù)是時變的，因此仿真中每隔一定周期（T=10s）進行一次接入選擇群決策，仿真總時長為5 000s。

采用隨機接入選擇方法與本文方法（業(yè)務優(yōu)先權相等時）的仿真結果如圖3所示?？梢钥闯觯瑢τ陔S機接入選擇方法，各網(wǎng)絡被選擇的總次數(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業(yè)務的需求及網(wǎng)絡性能，而N3在帶寬、時延和功耗等方面的性能居中，因此被選擇的機率最大。

圖3 接入選擇結果比較

采用本文方法，在不同業(yè)務優(yōu)先權下各網(wǎng)絡的接入選擇結果如圖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)務優(yōu)先權最高的話音業(yè)務對時延要求很高，但對帶寬需求很低，而N2的時延最小、N1的時延最大；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)務優(yōu)先權最高的視頻會議對帶寬需求很大，雖然N1在時延和功耗上的性能不如其它兩個網(wǎng)絡，但其在帶寬上具有很大的優(yōu)勢；圖4（c）中，ω1=1，ω2=1，ω3=3，網(wǎng)頁瀏覽業(yè)務優(yōu)先權最高，接入到N1和N3的群呼叫總次數(shù)大體相當，而接入到N2的群呼叫相對較少，其原因是N1的帶寬優(yōu)勢明顯，N3的性能居中，而N2由于功耗低，也在一定程度上彌補了其帶寬小的劣勢。由此可見，本文方法能夠有效地為群呼叫選擇合適的接入網(wǎng)絡，并且業(yè)務優(yōu)先權在很大程度上影響了群決策結果。

圖4 不同業(yè)務優(yōu)先權下接入選擇結果

7 結語

為了給異構無線環(huán)境中運行了多個業(yè)務的多模終端選擇一個合適的接入網(wǎng)絡，本文提出了一種多業(yè)務無線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)來反映業(yè)務對網(wǎng)絡相關性能指標的“滿意”程度，將模糊屬性權重和業(yè)務優(yōu)先權應用于綜合加權決策矩陣中，并依據(jù)TOPSIS原理，設計了合理的基于模糊理論的數(shù)據(jù)聚合模型，在效用評價的基礎上有效地實現(xiàn)了群決策。下一階段，將圍繞效用評價這一環(huán)節(jié)做進一步改進。

參考文獻：

[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. 基于多目標決策的異構無線網(wǎng)絡接入選擇算法[J]. 吉林大學學報（工學版）， 2011，41（3）： 795-799.

[5] 孫卓，鄭旭飛，王文博. 負載均衡的多接入選擇算法[J]. 電子科技大學學報， 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. 基于博弈論的異構融合網(wǎng)絡接入選擇方法研究[J]. 計算機學報， 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)絡的性能參數(shù)值

接入網(wǎng)絡 帶寬/Mbps 時延/ms 功耗/W

N1 11 150 4.5

N2 1 50 1.2

N3 2 100 3.5

各業(yè)務的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)務類型 帶寬/kbps 時延/ms

BWmin BWmax Dmin Dmax

話音 32 64 75 150

視頻會議 512 5 000 90 180

網(wǎng)頁瀏覽 128 1 200 250 500

表5 QoS效用函數(shù)參數(shù)

業(yè)務類型 帶寬/kbps 時延/ms

a b a b

話音 0.25 48 0.1 112.5

視頻會議 0.003 2 000 0.08 135

網(wǎng)頁瀏覽 0.01 664 0.03 375

由于網(wǎng)絡參數(shù)是時變的，因此仿真中每隔一定周期（T=10s）進行一次接入選擇群決策，仿真總時長為5 000s。

采用隨機接入選擇方法與本文方法（業(yè)務優(yōu)先權相等時）的仿真結果如圖3所示?？梢钥闯?，對于隨機接入選擇方法，各網(wǎng)絡被選擇的總次數(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業(yè)務的需求及網(wǎng)絡性能，而N3在帶寬、時延和功耗等方面的性能居中，因此被選擇的機率最大。

圖3 接入選擇結果比較

采用本文方法，在不同業(yè)務優(yōu)先權下各網(wǎng)絡的接入選擇結果如圖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)務優(yōu)先權最高的話音業(yè)務對時延要求很高，但對帶寬需求很低，而N2的時延最小、N1的時延最大；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)務優(yōu)先權最高的視頻會議對帶寬需求很大，雖然N1在時延和功耗上的性能不如其它兩個網(wǎng)絡，但其在帶寬上具有很大的優(yōu)勢；圖4（c）中，ω1=1，ω2=1，ω3=3，網(wǎng)頁瀏覽業(yè)務優(yōu)先權最高，接入到N1和N3的群呼叫總次數(shù)大體相當，而接入到N2的群呼叫相對較少，其原因是N1的帶寬優(yōu)勢明顯，N3的性能居中，而N2由于功耗低，也在一定程度上彌補了其帶寬小的劣勢。由此可見，本文方法能夠有效地為群呼叫選擇合適的接入網(wǎng)絡，并且業(yè)務優(yōu)先權在很大程度上影響了群決策結果。

圖4 不同業(yè)務優(yōu)先權下接入選擇結果

7 結語

為了給異構無線環(huán)境中運行了多個業(yè)務的多模終端選擇一個合適的接入網(wǎng)絡，本文提出了一種多業(yè)務無線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)來反映業(yè)務對網(wǎng)絡相關性能指標的“滿意”程度，將模糊屬性權重和業(yè)務優(yōu)先權應用于綜合加權決策矩陣中，并依據(jù)TOPSIS原理，設計了合理的基于模糊理論的數(shù)據(jù)聚合模型，在效用評價的基礎上有效地實現(xiàn)了群決策。下一階段，將圍繞效用評價這一環(huán)節(jié)做進一步改進。

參考文獻：

[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. 基于多目標決策的異構無線網(wǎng)絡接入選擇算法[J]. 吉林大學學報（工學版）， 2011，41（3）： 795-799.

[5] 孫卓，鄭旭飛，王文博. 負載均衡的多接入選擇算法[J]. 電子科技大學學報， 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. 基于博弈論的異構融合網(wǎng)絡接入選擇方法研究[J]. 計算機學報， 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