唐 夲，李 樂，肖靜薇，吳維農(nóng)，馮文江

(1.國網(wǎng)重慶市電力公司信息通信分公司，重慶 400022；2.重慶大學(xué)通信工程學(xué)院，重慶 400044)

1 引言

無線通信技術(shù)的發(fā)展改變了人們的生活和工作方式，而通信需求的日益增長又促進(jìn)了無線通信技術(shù)的進(jìn)一步發(fā)展。不同于傳統(tǒng)無線網(wǎng)絡(luò)中通信體制的單調(diào)演進(jìn)，新一代無線通信系統(tǒng)著重于多類網(wǎng)絡(luò)異構(gòu)網(wǎng)絡(luò)融合。不同網(wǎng)絡(luò)為用戶提供差異化服務(wù)的同時，用戶也能根據(jù)QoS(Quality of Service)選擇不同的網(wǎng)絡(luò)實(shí)現(xiàn)最佳接入[1]。從而提升網(wǎng)絡(luò)頻譜效率和服務(wù)質(zhì)量。

典型的網(wǎng)絡(luò)選擇算法有博弈論法[2 - 4]、遺傳算法[5,6]、人工神經(jīng)網(wǎng)絡(luò)法[7]、排隊論法[8]、馬爾科夫鏈法[9]等。但是，在熱點(diǎn)區(qū)域，當(dāng)密集分布的大量用戶同時發(fā)起同種業(yè)務(wù)請求時，如果采取多屬性決策進(jìn)行網(wǎng)絡(luò)選擇，雖然可以實(shí)現(xiàn)單用戶最優(yōu)，但未顧及用戶間競爭，且缺乏公平性，難以高效、合理利用不同網(wǎng)絡(luò)資源。針對多用戶的網(wǎng)絡(luò)選擇算法則大多利用博弈論，如用戶間博弈[2,10]、用戶與網(wǎng)絡(luò)間博弈[3]和網(wǎng)絡(luò)間博弈[11,12]等。文獻(xiàn)[4]提出一種網(wǎng)絡(luò)選擇算法，將網(wǎng)絡(luò)與用戶間的關(guān)系抽象為非合作博弈，搜尋納什均衡以最大化用戶性價比；而在以用戶為中心的網(wǎng)絡(luò)選擇中，需要同時滿足用戶的QoS需求和最大化網(wǎng)絡(luò)效益，如文獻(xiàn)[13]運(yùn)用匹配博弈，提出一種異構(gòu)網(wǎng)絡(luò)選擇算法，能同時兼顧用戶和網(wǎng)絡(luò)效益。

在異構(gòu)多網(wǎng)共存和重疊覆蓋區(qū)域，當(dāng)多個用戶同時請求同種業(yè)務(wù)時，用戶間表現(xiàn)為一種非合作競爭關(guān)系。本文提出一種基于動態(tài)演化博弈的多用戶網(wǎng)絡(luò)選擇算法，根據(jù)選擇網(wǎng)絡(luò)的用戶數(shù)設(shè)計效益函數(shù)，給出了演化博弈的復(fù)制動態(tài)方程。與接收信號強(qiáng)度指示RSSI(Received Signal Strength Indication)算法[13]的對比仿真結(jié)果表明：該算法能快速達(dá)到演化均衡，用戶平均收益高于RSSI算法，接入網(wǎng)絡(luò)的用戶分布更均勻，能合理利用網(wǎng)絡(luò)資源。

2 演化博弈模型

如圖1所示，WCDMA 蜂窩網(wǎng)、LTE蜂窩網(wǎng)和無線局域網(wǎng)(WLAN)重疊、交叉覆蓋，構(gòu)成異構(gòu)多網(wǎng)共存環(huán)境。根據(jù)各用戶位置、請求業(yè)務(wù)類型和傳輸速率，將用戶劃分為不同群體，即不同群體的用戶具備不同屬性。在圖1中，兩種業(yè)務(wù)的不同群體用戶分別分布于網(wǎng)絡(luò)覆蓋區(qū)域1、2、3。

Figure 1 A network scenario圖1 網(wǎng)絡(luò)場景

將多用戶選擇網(wǎng)絡(luò)過程抽象為一種演化博弈，以圖1為例說明，其中：

參與者：在特定區(qū)域內(nèi)請求特定業(yè)務(wù)類型的用戶群體。區(qū)域2的參與者為競爭LTE和WLAN的用戶群體；區(qū)域3的參與者為競爭WCDMA、LTE和WLAN的用戶群體，而區(qū)域1只有WCDMA覆蓋，用戶無網(wǎng)絡(luò)選擇過程，不屬于演化博弈參與者。在動態(tài)演化博弈中，參與者能在自我復(fù)制過程中變異和選擇。

種群：在特定區(qū)域內(nèi)請求同種業(yè)務(wù)的用戶。區(qū)域2中請求接入LTE的用戶構(gòu)成一個種群，請求接入WCDMA的用戶構(gòu)成另一個種群；區(qū)域3中請求接入WCDMA、LTE和WLAN的用戶也分別構(gòu)成種群。

決策：用戶可選擇接入的網(wǎng)絡(luò)。區(qū)域2有兩張網(wǎng)絡(luò)覆蓋，決策集合為{WCDMA,LTE}，區(qū)域3有三張網(wǎng)絡(luò)覆蓋，決策集合為{WCDMA,LTE,WLAN}。

收益：用戶選擇網(wǎng)絡(luò)能獲得的效用。

3 網(wǎng)絡(luò)選擇算法

3.1 用戶效用函數(shù)設(shè)計

針對特定業(yè)務(wù)類型，設(shè)計一個凸函數(shù)來衡量用戶收益，表示如下：

(1)

3.2 演化博弈復(fù)制動態(tài)方程

(2)

在演化博弈中，種群a的復(fù)制動態(tài)方程為：

(3)

3.3 演化均衡穩(wěn)定性

3.4 算法流程

在網(wǎng)絡(luò)重疊覆蓋區(qū)域部署一個控制中心，基于演化博弈的多用戶網(wǎng)絡(luò)選擇算法如圖2所示，算法流程描述如下。

具體步驟為：

Step1初始化各類參數(shù)，用戶隨機(jī)選擇網(wǎng)絡(luò)；

Step2控制中心執(zhí)行演化博弈網(wǎng)絡(luò)選擇算法，根據(jù)當(dāng)前用戶的網(wǎng)絡(luò)選擇狀態(tài)計算各用戶收益和種群內(nèi)用戶平均收益，并將計算結(jié)果廣播至各用戶；

Step4重復(fù)執(zhí)行Step 2和Step 3，直到達(dá)到演化均衡。

Figure 2 Flowchart of multi-user network selection algorithm based on evolutionary game圖2 基于演化博弈的多用戶網(wǎng)絡(luò)選擇算法流程

4 仿真及分析

圖3所示為本文研究的網(wǎng)絡(luò)場景中的用戶分布情況圖，WCDMA、LTE和WLAN分布于1.5 km×1.5 km區(qū)域，最外圓區(qū)域內(nèi)WCDMA基站坐標(biāo)為(550,530)，覆蓋半徑為600 m,網(wǎng)絡(luò)帶寬為7 Mbps,代價系數(shù)取0.02；正六邊形區(qū)域內(nèi)LTE基站坐標(biāo)為(550,480)，覆蓋半徑為300 m,網(wǎng)絡(luò)帶寬為20 Mbps,代價系數(shù)取0.03；中心橢圓區(qū)域內(nèi)WLAN接入點(diǎn)坐標(biāo)為(550,400)，覆蓋半徑為150 m，網(wǎng)絡(luò)帶寬和價格系數(shù)分別為10 Mbps和0.01。兩種不同業(yè)務(wù)請求的用戶隨機(jī)分布于整個區(qū)域內(nèi)，業(yè)務(wù)1請求用戶數(shù)為50，業(yè)務(wù)2請求用戶數(shù)為30。

Figure 3 Distribution of networks and users圖3 網(wǎng)絡(luò)及用戶分布仿真圖

根據(jù)區(qū)域1、2、3內(nèi)用戶分布以及請求業(yè)務(wù)類型分成4個種群，區(qū)域3內(nèi)請求業(yè)務(wù)1的用戶為種群1，可選擇接入WCDMA、LTE或WLAN；區(qū)域2內(nèi)請求業(yè)務(wù)1的用戶為種群2，可選擇接入WCDMA或LTE；區(qū)域3內(nèi)請求業(yè)務(wù)2的用戶為種群3，可選擇接入WCDMA、LTE或WLAN；區(qū)域2請求業(yè)務(wù)2的用戶為種群4，可選擇接入WCDMA或LTE。位于區(qū)域1內(nèi)的用戶無論請求何種業(yè)務(wù)只能選擇接入WCDMA，因此區(qū)域1用戶不構(gòu)成種群。對網(wǎng)絡(luò)中用戶進(jìn)行統(tǒng)計分析，各種群用戶數(shù)分布依次為9、22、2、18。

Figure 4 Change rate of access user proportion of different groups圖4 各種群接入用戶比例變化率

Figure 5 Proportion of user selection network of different groups圖5 各種群用戶選擇網(wǎng)絡(luò)比例

根據(jù)演化博弈理論，當(dāng)達(dá)到演化均衡時，種群內(nèi)用戶收益等于用戶平均收益，用戶選擇不會再改變。下面從數(shù)值角度驗證：以種群1為例，最終演化均衡時所有用戶全部選擇WLAN，根據(jù)式(2)計算此時用戶收益為13.780 0，假設(shè)該用戶背離演化均衡選擇另一個網(wǎng)絡(luò)，那么在其他用戶不改變網(wǎng)絡(luò)選擇的情況下該用戶收益為13.047 6，小于此前的收益，因此該用戶不會做出該選擇；假設(shè)另一個用戶選擇WCDMA，那么在其他用戶不改變網(wǎng)絡(luò)選擇的情況下，用戶收益為12.331 1，同樣小于演化均衡時的收益，也不會選擇與演化均衡不一致的結(jié)果。同理可證種群2、3、4的演化均衡均穩(wěn)定。

當(dāng)達(dá)到演化均衡時，各種群選擇接入各網(wǎng)絡(luò)的收益值如表2所示。

需要說明的是，本文未考慮用戶離散性，鑒于演化博弈是一個連續(xù)的動態(tài)選擇過程，在均衡時各用戶收益均采用四舍五入方式近似取值，因此均衡時每個種群的收益并非完全相等，但這不影響演化均衡結(jié)果，滿足演化均衡定義，該演化均衡仍是穩(wěn)定的。

Table 1 User selection statistics of different groups

Table 2 Benefit statistics obtained by different groups

圖6所示為用戶平均收益隨時間變化曲線。由圖6可知，相比于RSSI算法[13]，本文算法用戶平均收益更高。圖7所示為不同業(yè)務(wù)在演化博弈和RSSI兩種算法仿真下，最終選擇接入各網(wǎng)絡(luò)的用戶數(shù)。由圖7可知，采用本文算法，選擇各網(wǎng)絡(luò)的用戶數(shù)比RSSI算法[13]更均衡，各網(wǎng)絡(luò)資源利用更合理。

Figure 6 Average benefit of users圖6 用戶平均效益

Figure 7 Number of access users圖7 接入用戶數(shù)

5 結(jié)束語

本文研究了在用戶密集區(qū)域且多個異構(gòu)網(wǎng)絡(luò)共存時，大量用戶同時發(fā)起同種業(yè)務(wù)請求時如何高效進(jìn)行網(wǎng)絡(luò)選擇，旨在滿足用戶QoS，均衡網(wǎng)絡(luò)負(fù)載，提高頻譜效率。提出了一種基于演化博弈的多用戶網(wǎng)絡(luò)選擇算法，設(shè)計了一種隨選擇網(wǎng)絡(luò)用戶數(shù)變化的用戶效用函數(shù)，并給出了演化博弈的復(fù)制動態(tài)方程。

與RSSI算法的對比仿真結(jié)果表明：本文算法能快速達(dá)到演化均衡，用戶平均收益高于文獻(xiàn)[13]提出的RSSI算法，接入異構(gòu)網(wǎng)絡(luò)的用戶分布更均勻，網(wǎng)絡(luò)資源能得到合理利用。

[1] Gustafsson E,Jonsson A.Always best connected[J].IEEE Wireless Communications,2003,10(1):49-55.

[2] Trestian R,Ormond O,Muntean G M.Game theory-based network selection:Solutions and challenges[J].IEEE Communications Surveys & Tutorials,2012,14(4):1212-1231.

[3] Maheswaran C P,Sulochana C H.Network selection mechanism for future generation networks using game theory model[C]∥Proc of International Conference on Computer Science and Information Technology,2014:405-413.

[4] Salih Y K,See O H,Ibrahim R W,et al.A novel noncooperative game competing model using generalized simple additive weighting method to perform network selection in heterogeneous wireless networks[J].International Journal of Communication Systems,2015,28(6):1112-1125.

[5] Gu C,Song M,Zhang Y,et al.Novel network selection mechanism using AHP and enhanced GA[C]∥Proc of the 7th Annual Communication Networks and Services Research Conference,2009:397-401.

[6] Tang Liang-rui,Li Wen-meng,Sheng Jie,et al.Chaos inheritance based access selection strategy on heterogeneous wireless network [J].Acta Electronica Sinica,2014,42(8):1564-1570.(in Chinese)

[7] Xing H Z,Mu D W,Ge X L,et al.An NN-based access network selection algorithm for heterogeneous networks[C]∥Proc of the 22nd Wireless and Optical Communications Conference (WOCC),2013:378-383.

[8] Sun Y,Liu C,Yang P,et al.A smart vertical handoff decision algorithm based on queuing theory[C]∥Proc of the 16th International Conference on Advanced Communication Technology (ICACT),2014:1217-1222.

[9] Du Z Y,Wu Q H,Yang P L.Dynamic user demand driven online network selection[J].IEEE Communications Letters,2014,18(3):419-422.

[10] Salih Y K,See O H,Ibrahim R W,et al.A user-centric game selection model based on user preferences for the selection of the best heterogeneous wireless network[J].Annals of Telecommunications-Annales Des Telecommunications,2015,70(5-6):239-248.

[11] Chen Q B,Zhou W G,Chai R,et al.Game-theoretic approach for pricing strategy and network selection in heterogeneous wireless networks[J].IET Communications,2011,5(5):676-682.

[12] El-Hajj A M,Dawy Z,Saad W.A stable matching game for joint uplink/downlink resource allocation in OFDMA wireless networks[C]∥Proc of IEEE International Conference on Communications (ICC),2012:5354-5359.

[13] Feng Ya-nan.The research of access selection strategy and algorithm on heterogeneous wireless network [D].Hangzhou:Zhejiang University,2014.(in Chinese)

附中文參考文獻(xiàn):

[6]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(xué)報,2014,42(8):1564-1570.

[13]馮亞男.異構(gòu)無線網(wǎng)絡(luò)接入選擇策略與算法的研究[D].杭州:浙江大學(xué),2014.