盛　潔，馬　冬

(蘇州大學城市軌道交通學院，江蘇蘇州215021)

?

異構(gòu)無線網(wǎng)絡(luò)業(yè)務接入多目標優(yōu)化控制算法

盛潔，馬冬

(蘇州大學城市軌道交通學院，江蘇蘇州215021)

摘要:提出了一種應用于異構(gòu)無線網(wǎng)絡(luò)環(huán)境的基于多目標優(yōu)化的業(yè)務接入控制算法．該算法以業(yè)務占用總資源最少、業(yè)務阻塞率最低和網(wǎng)絡(luò)間負載最均衡為目標建立了多目標優(yōu)化控制模型，采用高斯和戒上型組合隸屬函數(shù)將多目標問題模糊化，利用最大化滿意度指標法將多目標問題轉(zhuǎn)化為單目標問題，并通過遺傳算法求得最優(yōu)解．仿真結(jié)果表明，所提算法能在兼顧各網(wǎng)絡(luò)資源高效利用的同時，保證業(yè)務接入的可靠性，并相對于參考算法有效降低了業(yè)務阻塞率．

關(guān)鍵詞:異構(gòu)無線網(wǎng)絡(luò);接入控制;負載均衡;多目標優(yōu)化控制

1　引言

異構(gòu)無線網(wǎng)絡(luò)的互聯(lián)互通是目前業(yè)界關(guān)注的焦點，目的在于充分利用已存在的各種無線網(wǎng)絡(luò)，在只使用一種終端的前提下就能夠接入各種異構(gòu)無線接入網(wǎng)絡(luò)，開拓性地對不同網(wǎng)絡(luò)進行優(yōu)勢互補，實現(xiàn)便捷通信，獲得好的服務質(zhì)量［1～3］．業(yè)務接入控制是針對異構(gòu)無線通信系統(tǒng)的一種宏觀資源管理，其目的是為了使用戶業(yè)務在各個無線接入網(wǎng)絡(luò)中達到合理分布從而提升系統(tǒng)的容量和服務質(zhì)量，提高日益緊張的無線資源利用率，已成為熱點研究問題［4］．

關(guān)于異構(gòu)網(wǎng)絡(luò)業(yè)務接入控制的研究工作，目前已有一定的成果．文獻［5］提出了一種基于高帶寬優(yōu)先選擇的接入控制算法，其鼓勵多模終端接入分配較高業(yè)務帶寬的網(wǎng)絡(luò)，但沒有考慮終端接收的信號強度，難以保證業(yè)務連接的可靠性．文獻［6］通過構(gòu)建非合作博弈論模型對每個無線接入網(wǎng)絡(luò)分配在不同服務區(qū)域內(nèi)的帶寬和呼叫連接數(shù)目進行調(diào)整，以確保阻塞率在一定的范圍內(nèi)，但非合作無線資源分配博弈中的納什均衡點的存在性和唯一性難以確定，進而較難獲得最優(yōu)的接入控制性能．文獻［7］利用免疫多目標優(yōu)化算法對業(yè)務接入進行優(yōu)化，對業(yè)務阻塞率和占用資源有一定的控制，但不利于網(wǎng)絡(luò)間負載的均衡分布，對異構(gòu)系統(tǒng)的總體性能有一定影響．文獻［8］將網(wǎng)絡(luò)接入選擇轉(zhuǎn)換為多屬性優(yōu)化問題，利用混沌遺傳算法實現(xiàn)全局尋優(yōu)，有效降低網(wǎng)絡(luò)阻塞率并減小各候選網(wǎng)絡(luò)阻塞率差距，但未考慮網(wǎng)絡(luò)資源的利用率．文獻［9］利用模糊邏輯系統(tǒng)得到候選網(wǎng)絡(luò)的客觀性能評價，利用AHP和GRA算法得到網(wǎng)絡(luò)主觀性能評價，并綜合兩個評價值選出最優(yōu)網(wǎng)絡(luò)接入．算法在網(wǎng)絡(luò)性能參數(shù)方面考慮抖動、延遲、業(yè)務阻塞率及網(wǎng)絡(luò)成本，難以保證候選網(wǎng)絡(luò)間的負載均衡．文獻［10］中所提MLB算法考慮了不同業(yè)務的QoS需求和鏈路層重傳機制，根據(jù)業(yè)務平均消耗的網(wǎng)絡(luò)資源，選擇其與網(wǎng)絡(luò)可用資源比值最小的網(wǎng)絡(luò)進行接入．上述接入控制算法各有優(yōu)劣，但未綜合考慮網(wǎng)絡(luò)之間的負載均衡、資源的有效分配與業(yè)務接入的可靠性保證等問題．

根據(jù)以上分析，本文提出了一種基于多目標優(yōu)化的業(yè)務接入控制(Multi-objective Optimal Control，MOC)算法．該算法綜合考慮了業(yè)務占用資源量、業(yè)務阻塞率和網(wǎng)絡(luò)負載均衡程度，構(gòu)建了多目標優(yōu)化控制模型．并采用組合隸屬度函數(shù)和遺傳算法求得最優(yōu)解，即業(yè)務接入的最合理分布．仿真結(jié)果顯示，該算法能顯著改善系統(tǒng)各方面的性能．

2　業(yè)務接入多目標優(yōu)化控制模型

2.1問題建模

在一個異構(gòu)網(wǎng)絡(luò)覆蓋的范圍內(nèi)存在著多樣化的無線接入網(wǎng)絡(luò)(Radio Access Network，RAN)，網(wǎng)絡(luò)控制模塊允許或拒絕業(yè)務呼叫接入某個RAN中以達到資源優(yōu)化配置的過程，被稱為聯(lián)合呼叫接入控制(Joint Call Admission Control，JCAC)［11］．接入控制算法集中管理各RAN的狀態(tài)、業(yè)務承載終端(Service-loading Terminal，ST)狀態(tài)、業(yè)務需求以及用戶的需求等信息，通過計算業(yè)務需求信息和異構(gòu)網(wǎng)絡(luò)系統(tǒng)狀態(tài)信息之間的最佳匹配，完成業(yè)務的接入控制過程，并給出業(yè)務接入的方案［7］．本文所提MOC算法前提條件是ST對于各候選網(wǎng)絡(luò)的信號強度均達到需求的門限值，應在“盡力而為”地為所有新業(yè)務服務的同時，合理分配這些新業(yè)務至候選的接入網(wǎng)絡(luò)，以達到異構(gòu)網(wǎng)絡(luò)間的負載無差別化．

為使提出的算法更具普遍性，本文將采用基于OFDM技術(shù)的異構(gòu)無線網(wǎng)絡(luò)作為研究對象，以一個子時隙和一個子信道構(gòu)成的二維資源單元(Two-dimensional Resource Unit，TRU)作為基本的資源分配單元．假設(shè)在異構(gòu)系統(tǒng)中共有m個重疊覆蓋的候選接入網(wǎng)絡(luò)，且當前共有n個業(yè)務等待服務，根據(jù)文獻［10］的TRU模型，可以計算出網(wǎng)絡(luò)j(1≤j≤m)能夠提供的TRU總數(shù)Tj為:

其中，Nj為網(wǎng)絡(luò)j的子載波總數(shù)，F(xiàn)j為每個子信道包含子載波個數(shù)，TSj為每幀的幀長，Sj為每個時隙包含OFDM符號個數(shù)，SPj為OFDM的符號周期．

設(shè)xij表示業(yè)務i(1≤i≤n)與接入網(wǎng)j的連接情況，當業(yè)務i接入網(wǎng)絡(luò)j時，xij為1，否則為0.則本文算法所求模型的解X為一個n* m的0/1矩陣．設(shè)業(yè)務i接入網(wǎng)絡(luò)j后，需要網(wǎng)絡(luò)提供的TRU資源數(shù)為tij．由于同一個業(yè)務的承載終端和不同接入網(wǎng)絡(luò)基站的距離是不同的，且候選接入網(wǎng)絡(luò)的信道增益和基站發(fā)射功率各異，所以同一通信業(yè)務在不同接入網(wǎng)絡(luò)中的TRU需求也是不同的．本文算法考慮在各接入網(wǎng)絡(luò)總資源的約束條件下，盡可能地把各個業(yè)務分配到占用TRU數(shù)較小的網(wǎng)絡(luò)中，從而減小各接入網(wǎng)絡(luò)的負載率，并充分利用異構(gòu)系統(tǒng)的有限資源．目標函數(shù)表達為:

MOC算法的另一目標是各異構(gòu)網(wǎng)絡(luò)之間的負載達到均衡狀態(tài)，即以負載率的方差最小為第二個優(yōu)化目標，其目標函數(shù)表達為:

此外，從業(yè)務的可靠性角度出發(fā)，以業(yè)務接入的阻塞率最低作為本文算法的第三個優(yōu)化目標，其目標函數(shù)表達為:

將上述三個目標綜合考慮構(gòu)成本文的業(yè)務接入多目標優(yōu)化控制模型，其約束條件為:

其中，式(5)表示每個業(yè)務只能同時被一個候選網(wǎng)絡(luò)服務，式(6)表示每個候選網(wǎng)絡(luò)承載的業(yè)務所需資源的總量不能超過網(wǎng)絡(luò)自身所能提供的總有效資源．

由式(2)～式(6)共同構(gòu)成了本文業(yè)務接入的多目標優(yōu)化控制模型，該模型一方面從異構(gòu)無線系統(tǒng)的層面，以占用系統(tǒng)資源最小和網(wǎng)絡(luò)間的負載均衡為目標，保證系統(tǒng)的資源利用率，提高系統(tǒng)的容量;另一方面，業(yè)務的接入阻塞率越低，則業(yè)務的可靠性和用戶的體驗度越好．通過對比分析式(2)和式(4)可知，以業(yè)務占用系統(tǒng)資源最小為目標，其達到的效果是異構(gòu)系統(tǒng)的剩余可用資源最大，則可接入和服務的業(yè)務數(shù)相應增加，從而降低了業(yè)務的接入阻塞率，即通過式(2)和式(4)的單目標函數(shù)優(yōu)化具有相同的出發(fā)點和業(yè)務分配結(jié)果．因此，將上述優(yōu)化模型進行簡化，得到MOC算法的最終模型如式(7)所示．

2.2目標函數(shù)的模糊化

對于多目標接入控制問題，可通過建立目標函數(shù)的隸屬度函數(shù)來進行模糊化處理．隸屬度函數(shù)的確定至關(guān)重要，期望在滿足所有約束條件下，盡可能降低各網(wǎng)絡(luò)之間負載率的均方誤差，并降低業(yè)務所占系統(tǒng)總資源．網(wǎng)絡(luò)間負載率均方誤差越小且各業(yè)務所占總TRU數(shù)越少，相應的隸屬度越大，表明決策者對結(jié)果越滿意．本文選用高斯函數(shù)和戒上型函數(shù)的組合函數(shù)作為各目標的隸屬度函數(shù)，負載均衡目標函數(shù)對應的隸屬度函數(shù)由式(8)所示的數(shù)學計算式表示，相應的圖形如圖1所示．式中，f1為以網(wǎng)絡(luò)負載均衡的為單一目標求得的負載率均方誤差理想值，f3為以占用資源總數(shù)最低為目標求得的負載率均方誤差值．定義f1對應的隸屬度函數(shù)值為1，f3對應的隸屬度函數(shù)值為0.05.則參數(shù)σ1的值由式(9)可得，參數(shù)a1的值由式(10)可得，由于戒上型函數(shù)要求a1＞0且b1＞0，由前文分析可知0 ≤f3－f1≤1，因此，只有當b1＞19時，才能滿足a1＞0的條件，本文算法中取b1=20.

以業(yè)務占用網(wǎng)絡(luò)總資源最小為目標函數(shù)對應的隸屬度函數(shù)由式(11)所示的計算式表示，相應的圖形如圖2所示．

同理，h3為以占用資源總數(shù)為單一目標求得的占用資源總數(shù)理想值，h1為以網(wǎng)絡(luò)負載均衡的為單一目標求得的占用資源總數(shù)值．定義h3對應的隸屬度函數(shù)值為1，h1對應的隸屬度函數(shù)值為0.1.則參數(shù)σ2的值由式(12)可得，參數(shù)a2的值由式(13)可得，其中b2=10.

2.3多目標模糊優(yōu)化接入控制模型

目標函數(shù)和約束條件均有模糊性或二者之一具有模糊性的優(yōu)化問題稱為模糊優(yōu)化問題，當目標不止一個時為多目標模糊優(yōu)化［12］．對于上述問題的每個目標函數(shù)的隸屬度函數(shù)μ(f)和μ(h)，定義μ為所有隸屬度函數(shù)中的最小值，它可用來表示決策者的滿意程度，其滿意度指標為:

依據(jù)模糊集理論的最大最小法則［13］，可將原問題轉(zhuǎn)化為求解滿足所有約束條件的滿意度指標μ最大化的單目標非線性優(yōu)化問題，也就是maxμ問題，其數(shù)學描述如下:

3　多目標模糊優(yōu)化接入控制模型的求解

3.1模型求解方法

本文采用遺傳算法來求解式(15)的非線性優(yōu)化問題．遺傳算法是一類借鑒生物界自然選擇和遺傳機制的隨機搜索算法，其搜索不依賴于梯度信息，適用于求解傳統(tǒng)方法難以解決的非線性問題，并具有較好的魯棒性［14，15］．本文采用常用的二進制編碼，由于解空間X為一個n* m的0/1矩陣，對其做如式(16)所示的變換所得向量X'為長度等于mn的二進制符號串，符合二進制編碼的要求．因此，可直接將上述規(guī)劃問題的解空間映射成基因位空間，即本模型的遺傳編碼可直接用矩陣X來表示．

適應度函數(shù)是評價遺傳算法所得解優(yōu)劣的標準．假設(shè)對于候選個體Xk，其適應度函數(shù)可表示為:

式中μk為Xk的適應度．對于所有個體Xk(k = 1，2，…，P) (P為種群規(guī)模)，適應度μk越高，個體Xk所對應解的質(zhì)量越高．

式中μ*為最大化滿意度時的值．

具有高適應度的個體有較高的概率進入下一代．基本遺傳算法由選擇、交叉和變異三個算子構(gòu)成．選擇操作是建立在群體中個體的適應度值的評估的基礎(chǔ)上的，MOC算法采用按正比于適應度值的輪盤賭方式進行隨機選擇，在選擇輪盤的時候，用折半搜索的方法有效地減少比較次數(shù)，確保對應的輪盤在log2P內(nèi)找到;并采用一致交叉的算子，通過設(shè)定屏蔽字來決定整個個體的基因繼承兩個父代個體中的哪個個體的對應基因，其中屏蔽字是隨機產(chǎn)生的與個體編碼結(jié)構(gòu)一致的0/1序列．變異算子采用位點變異，即先從群體的個體編碼串中隨機挑選一個或多個基因座，再以變異概率pm進行變異．

3.2模型求解步驟

步驟1求解以負載均衡為單一目標的接入控制問題，得到負載率均方誤差f1和所有業(yè)務占用的總TRU數(shù)h1.

步驟2以所有業(yè)務占用的總資源數(shù)最低為單一目標，得到總占用TRU數(shù)h3和負載率均方誤差f3.

步驟3由f1和f3確定以負載率均方誤差最小為目標的隸屬度函數(shù)，由h1和h3確定以占用的總資源數(shù)最小為目標的隸屬度函數(shù)．

步驟4將多目標優(yōu)化轉(zhuǎn)換為單目標優(yōu)化，并采用遺傳算法求解，得到最大化滿意度時接入控制最優(yōu)矩陣．

通過以上步驟得到最優(yōu)矩陣即為對應接入控制優(yōu)化模型的解X．由X與實際業(yè)務和網(wǎng)絡(luò)接入關(guān)系的對比即可獲得業(yè)務的接入控制方案．

4　仿真分析

為驗證算法的有效性，本文對MOC算法的網(wǎng)絡(luò)性能進行了仿真分析．如圖3所示，仿真模型為TD-LTE、WiMax和McWiLL三種網(wǎng)絡(luò)重疊覆蓋的異構(gòu)無線網(wǎng)絡(luò)場景，其中TD-LTE和WiMax的網(wǎng)絡(luò)參數(shù)見文獻［16］，McWiLL的網(wǎng)絡(luò)參數(shù)見文獻［17］．

仿真過程中，隨機產(chǎn)生各網(wǎng)絡(luò)的初始業(yè)務分布和100個新到通信業(yè)務，其中實時業(yè)務和非實時業(yè)務各占50％，且實時業(yè)務速率均勻分布在50kb/s～200kb/s，非實時業(yè)務速率均勻分布在40kb/s～140kb/s．將接入控制優(yōu)化模型中的參數(shù)分別設(shè)置如下:交叉概率pc為0.85，變異概率pm在前80次迭代中取0.10，80代以后取0.05，種群大小P =400，迭代次數(shù)為200.

表1　分別以單目標和多目標優(yōu)化時異構(gòu)網(wǎng)絡(luò)間負載率均方誤差值

表2　分別以單目標和多目標優(yōu)化時業(yè)務接入阻塞率值

表1～表3為分別以單目標優(yōu)化和多目標優(yōu)化時的負載率均方誤差、業(yè)務阻塞率和業(yè)務占用總的TRU數(shù)隨著業(yè)務數(shù)的增加而變化的值．可以看出，f1始終小于f3，而多目標優(yōu)化所得f值始終滿足f1＜f＜f3;業(yè)務阻塞率和占用的總TRU數(shù)隨著業(yè)務數(shù)的增加而增加，g3始終小于g1，h3始終小于h1，且多目標優(yōu)化所得g和h始終滿足g3＜g＜g1，h3＜h＜h1.當業(yè)務數(shù)為100，采用多目標優(yōu)化模型時，負載率的均方誤差比以負載均衡為目標的均方誤差增加了4.7530×10－5，增加了24.7％，但是比以占用總資源最少為目標的均方誤差減少了4.0509×10－3，減少了93.2％;業(yè)務接入阻塞率和占用的總TRU數(shù)比以占用總資源最少為目標的阻塞率和占用TRU數(shù)分別增加了0.017和1，增幅為56.7％和5.7％，但是比以負載均衡為目標的值分別降低了0.035和18，降幅達42.7％和9.3％．

表3　分別以單目標和多目標優(yōu)化時業(yè)務占用總TRU值

綜合考慮異構(gòu)網(wǎng)絡(luò)的負載均衡程度、業(yè)務阻塞率以及占用系統(tǒng)總資源的情況，本文提出的多目標優(yōu)化控制模型能較好地兼顧異構(gòu)網(wǎng)絡(luò)的實時性能水平和各類業(yè)務接入可靠性保證的綜合要求，能更合理地控制和調(diào)度業(yè)務在異構(gòu)網(wǎng)絡(luò)中的接入情況，比單目標優(yōu)化控制模型具有明顯的優(yōu)勢．

為了進一步驗證MOC算法的引入前后對異構(gòu)無線網(wǎng)絡(luò)性能的改進，仿真通過與現(xiàn)有異構(gòu)網(wǎng)絡(luò)中經(jīng)典的業(yè)務接入選擇與控制算法，即MLB算法［10］和GRA算法［18］各方面性能的對比分析，驗證了本文MOC算法的優(yōu)越性．

圖4為采用三種算法下業(yè)務接入時由于所有網(wǎng)絡(luò)的負載已滿而造成的阻塞概率．可以看出，采用MOC算法的業(yè)務阻塞率最低，顯著優(yōu)于MLB算法和GRA算法．這是因為，MLB算法和GRA算法的實質(zhì)分別是以網(wǎng)絡(luò)剩余資源最多和網(wǎng)絡(luò)綜合性能最優(yōu)作為業(yè)務接入控制的準則．而MOC算法除了從負載均衡角度考慮業(yè)務的接入策略，還從業(yè)務接入各網(wǎng)絡(luò)所占用的資源最少的角度出發(fā)，兼顧考慮了系統(tǒng)的資源利用率，從而達到異構(gòu)系統(tǒng)的剩余可用資源最大的效果，有效增加了可接入和服務的業(yè)務數(shù)，降低了業(yè)務的接入阻塞率，增加了系統(tǒng)容量．在業(yè)務數(shù)達到100時，采用MOC算法的平均阻塞率比MLB算法減少了大約46.8％，比GRA算法減少了大約38.8％．

圖5為采用三種算法業(yè)務占用總資源數(shù)的對比．由于MOC算法將業(yè)務占用總資源最低作為優(yōu)化的目標之一，有效地保證了有限資源的高效利用，其所占TRU數(shù)明顯低于其他兩種算法．當業(yè)務數(shù)為100時，采用MOC算法占用的TRU數(shù)較MLB算法和GRA算法分別減少了5.7％和8.6％．

圖6和圖7分別為MOC算法與MLB算法和GRA算法在網(wǎng)絡(luò)間負載均衡方面的對比．可以看出，隨著業(yè)務數(shù)的增加，MOC算法與MLB算法的負載始終保持均衡狀態(tài)，且均衡程度較為接近，并優(yōu)于GRA算法的負載均衡效果．MLB算法對負載的定義是考慮到業(yè)務的QoS需求和鏈路層重傳機制的基礎(chǔ)上提出的，它在滿足負載均衡的同時可以保障業(yè)務的QoS需求，而本文所提MOC算法在負載均衡方面的性能與MLB算法接近表明可達到所期望的效果，更為優(yōu)越的是MOC算法可以達到更低的接入阻塞率，可見本文所提MOC算法可以達到更為理想的負載均衡效果．

5　結(jié)束語

本文提出了一種基于多目標優(yōu)化的異構(gòu)網(wǎng)絡(luò)業(yè)務接入控制算法．以業(yè)務需求的總資源最少、業(yè)務阻塞率最低和各接入網(wǎng)絡(luò)之間的負載均衡程度最大為目標建立數(shù)學模型，通過組合隸屬度函數(shù)對目標函數(shù)值進行模糊化處理，采用最大化滿意度指標法將多目標優(yōu)化問題轉(zhuǎn)化為單目標非線性優(yōu)化問題，并利用遺傳算法求得最優(yōu)解．實驗結(jié)果證明，與傳統(tǒng)的業(yè)務接入控制策略相比，本文算法兼顧了網(wǎng)絡(luò)資源的高效利用與業(yè)務可靠性的保證，具有較好的應用價值．

參考文獻

［1］Damnjanovic A，Montojo J，Yongbin Wei，et al．A survey on 3GPP heterogeneous networks［J］．IEEE Wireless Communications，2011，18(3) : 10－21．

［2］彭木根，王文博，張倩倩，等．異構(gòu)無線通信系統(tǒng)的協(xié)同分集性能研究［J］．電子學報，2009，37(1) : 21－25．PENG Mu-gen，WANG Wen-bo，ZHANG Qian-qian，et al．Performance investigation of cooperative diversity in heterogeneous wireless communication systems［J］．Acta Electronica Sinica，2009，37(1) : 21－25．(in Chinese)

［3］姜永，陳山枝，胡博．異構(gòu)無線網(wǎng)絡(luò)中基于Stackelberg博弈的分布式定價和資源分配算法［J］．通信學報，2013，34 (1) : 61－68．Jiang Yong，Chen Shan-zhi，et al．Stackelberg games-based distributed algorithm of pricing and resource allocation in heterogeneous wireless networks［J］．Journal on Communications，2013，34(1) : 61－68．(in Chinese)

［4］Coutinho，Rodolfo W L，Coelho et al．Optimal policy for joint call admission control in next generation wireless networks［A］．2010 International Conference on Network and Service Management［C］．Texas: Springer-Verlag，2010．214－217．

［5］Guo C，Guo Z，Zhang Q，et al．A seamless and proactive end-end mobility solution for roaming across heterogeneous wireless networks［J］．IEEE Journal On Selected Area sin Communications，2008，22(2) : 834－848．

［6］李明欣，陳山枝，謝東亮，等．異構(gòu)無線網(wǎng)絡(luò)中基于非合作博弈論的資源分配和接入控制［J］．軟件學報，2010，21 (8) : 2037－2049．LI Mingxin，CHEN Shanzhi，XIE Dongliang，et al．Resource allocation and admission control based on non-cooperation game in heterogeneous wireless networks［J］．Journal of Software，2010，21(8) : 2037－2049．(in Chinese)

［7］朱思峰，劉芳，戚玉濤，等．異構(gòu)無線網(wǎng)絡(luò)中基于免疫計算的聯(lián)合會話接納控制［J］．電子學報，2011，39(11) : 2648 －2652．ZHU Sifeng，LIU Fang，QI Yutao，et al．Joint call admission control based on immune computing in heterogeneous wireless network［J］．Acta Electronica Sinica，2011，39(11) : 2648－2653．(in Chinese)

［8］唐良瑞，李文猛，盛潔，等．基于混沌遺傳的異構(gòu)無線網(wǎng)絡(luò)接入選擇策略［J］．電子學報，2014，42(8) : 1564－1570．TANG Liangrui，LI Wenmeng，SHENG Jie，et al．A chaos genetic algorithm based access selection in heterogeneous wireless networks［J］．Acta Electronica Sinica，2014，42 (8) : 1564－1570．(in Chinese)

［9］Vinícius de Miranda Rios，Claudio de Castro Monteiro，Vanice Canuto Cunha．Alternatives to network selection in heterogeneous wireless environments［J］．ICACT Transactions on the Advanced Communications Technology，2013，2(3) : 240－252．

［10］孫卓，劉鐵軍，張倩倩，等．異構(gòu)無線分組網(wǎng)絡(luò)中的接入選擇機制［J］．系統(tǒng)仿真學報，2008，20 (10) : 2762 －2769．SUN Zhuo，LIU Tiejun，ZHANG Qianqian，et al．Radio access selection algorithm in heterogeneous wireless packet networks［J］．Journal of System Simulation，2008，20 (10) : 2762－2769．(in Chinese)

［11］Yu Fei，Krishnamurthy V．Optimal joint session admission control in integrated WLAN and CDMA cellular networks with vertical handoff［J］．IEEE Trans on Mobile Computing，2007，6(1) : 126－139．

［12］胡國強，賀仁睦．梯級水電站多目標模糊優(yōu)化調(diào)度模型及其求解方法［J］．電工技術(shù)學報，2007，22(1) : 154－158．Hu Guoqiang，He Renmu．Model and algorithm of multiobjective fuzzy optimal scheduling for cascaded hydroelectric power plant［J］．Transactions of China Electrotechnical Society，2007，22(1) : 154－158．(in Chinese)

［13］李士勇．工程模糊數(shù)學及應用［M］．哈爾濱:哈爾濱工業(yè)大學出版社，2004．

［14］Swarup K S，Yamashiro S．Unit commitment solution methodology using genetic algorithm［J］．IEEE Trans on Power Systems，2002，17(1) : 87－91．

［15］Dang C Y，Li M Q．Floating-point genetic algorithm for solving the unit commitment problem［J］．European Journal of Operational Research，2007，181(3) : 1370－1395．

［16］石文孝，范紹帥，王柟，等．基于模糊神經(jīng)網(wǎng)絡(luò)的異構(gòu)無線網(wǎng)絡(luò)接入選擇算法［J］．通信學報，2010，31(9) : 151 －156．Shi Wenxiao，F(xiàn)an Shaoshuai，Wang Nan，et al．Fuzzy neural network based access selection algorithm in heterogeneous wireless network［J］．Journal on Communications，2010，31(9) : 151－156．(in Chinese)

［17］溫斌，林波，劉昀，等．McWiLL寬帶無線接入技術(shù)及應用［M］．北京:人民郵電出版社，2009．

［18］Song Q Y，Jamalipoura A．Network selection in an integrated wireless LAN and UMTS environment using mathematical modeling and computing techniques［J］．IEEE Wireless Communications，2005，12(3) : 42－48．

盛潔女，1985年生于江蘇省揚州市，博士，講師，主要從事異構(gòu)無線網(wǎng)絡(luò)及電力信息傳輸方面的研究。

E-mail: jsheng@ suda．edu．cn．

Multi-objective Optimal Based Service Access Control Algorithm for Heterogeneous Wireless Networks

SHENG Jie，MA Dong
(School of Urban Railway Transportation，Soochow University，Suzhou，Jiangsu 215021，China)

Abstract:Based on multi-objective optimization，a service access control algorithm is proposed，which can be applied to the environment of heterogeneous wireless networks．An optimized multi-objective control model adopting improved membership function is designed，in which the minimum total occupied resources of distribution services，the minimum service blocking rate and the maximum network load balancing degree of each candidate network are taken as objective functions．The objective membership function，composed of gaussian and upper limit functions is used to obscure each objective function，then the fuzzy satisfaction maximum-minimum technique is adopted to reformulated this multi-objective optimization problem into a single objective nonlinear programming problem，and the optimal service access strategy is obtained by genetic algorithm．Simulation results show that the algorithm can guarantee the system resource utilization and the service access reliability，as well as decrease the system call blocking probability compared to the reference algorithms．

Key words:heterogeneous wireless networks; access control; load balancing; multi-objective optimal control

作者簡介

基金項目:江蘇省自然科學基金(No．BK20140359) ;江蘇省高校自然科學研究面上項目(No．15KJB510027) ;蘇州大學青年教師自然科學基金(No．SDY2014A09)

收稿日期:2014-06-24;修回日期: 2014-10-01;責任編輯:梅志強

DOI:電子學報URL: http: / /www．ejournal．org．cn10．3969/j．issn．0372-2112．2016．02006

中圖分類號:TN929.5

文獻標識碼:A

文章編號:0372-2112 (2016) 02-0282-07