異構(gòu)無線網(wǎng)絡(luò)環(huán)境下的網(wǎng)絡(luò)接入選擇算法研究

陶 洋，譚 鵬

(重慶郵電大學計算機科學與技術(shù)學院，重慶 400065)

目前無線環(huán)境是由眾多具有不同性能的異構(gòu)接入網(wǎng)絡(luò)形成，用戶對互聯(lián)網(wǎng)的訪問服務(wù)，是由不同服務(wù)質(zhì)量和成本的網(wǎng)絡(luò)提供。此外，隨著移動終端(Mobile Terminal，MT)的普及，多模終端在各種網(wǎng)絡(luò)重疊覆蓋的區(qū)域可以有多種無線接入網(wǎng)絡(luò)供選擇，異構(gòu)網(wǎng)絡(luò)環(huán)境的存在需要移動終端總是選擇最好的網(wǎng)絡(luò) (Always Best Connected，ABC)。為了成功地實現(xiàn)ABC，移動終端應(yīng)該具備面向多個無線接入系統(tǒng)的網(wǎng)絡(luò)接口，每個MT將至少有3個或更多的網(wǎng)絡(luò)接口，支持如 WLAN，GPRS，WiMAX，HSPA，EVDO等無線接入，所有這些服務(wù)都可以允許MT用戶自由地從一個接入網(wǎng)絡(luò)切換到另一個網(wǎng)絡(luò)。理想的情況是，MT用戶可以在會話連接不斷開的情況下從一個無線網(wǎng)絡(luò)漫游到另一個無線網(wǎng)絡(luò)，并使得移動終端總是選擇一個最好的網(wǎng)絡(luò)。因此，只有必要的同步機制和網(wǎng)絡(luò)選擇方法才能保證MT無線異構(gòu)環(huán)境中網(wǎng)絡(luò)的無縫切換。

垂直切換決策(Vertical Handover Decision，VHD)可以使用成本函數(shù)［1］、模糊邏輯方法［2］，或其他更復雜的算法。最后，MT經(jīng)過選擇連接到新的網(wǎng)絡(luò)接入點(AP)和改變它之前的網(wǎng)絡(luò)連接方式。然而，接口的選擇是一個問題(包括接口的功能、用戶偏好和應(yīng)用要求等)。在用于切換決策和接口選擇的方法中，多屬性決策法(Multiple Attribute Decision Making，MADM)是最有前途的方法。

切換判決是由MT和無線接入網(wǎng)絡(luò)的性能共同決定的，不同的接入技術(shù)和無線網(wǎng)絡(luò)的不同行為使得切換變得困難。本文提出，一種新型的垂直切換方法RafoQ(Ranking for QoS)［3］。通過考慮用戶的喜好和應(yīng)用程序QoS來仿真比較RafoQ與其他多屬性決策算法，使用現(xiàn)有的網(wǎng)絡(luò)性能參數(shù)來對改進的RafoQ算法和其他的多屬性決策算法進行評估。通過仿真驗證，證明了改進算法RafoQ的有效性。

1 相關(guān)的工作

由于垂直切換判決能夠評估所述無線網(wǎng)絡(luò)的性能。因此，越來越多的研究工作致力于理解新的切換解決方案。經(jīng)典的切換解決方案是根據(jù)接收信號強度(RSS)［4］來進行網(wǎng)絡(luò)選擇。雖然這種切換方法具有很長的切換時延，可以達到2 s，但是能夠使越區(qū)切換失敗概率最小化，并能提高可用帶寬。

還有一些以成本代價為基礎(chǔ)的垂直切換方法，它們通過研究幾個參數(shù)，選擇最佳的網(wǎng)絡(luò)。這些參數(shù)定義為4組:訪問網(wǎng)絡(luò)信息、用戶偏好、終端能力和服務(wù)類型。文獻［5］提出的跨層成本函數(shù)，收集不同層的決策標準。最后，基于應(yīng)用程序和用戶的喜好，MT選擇具有最高分數(shù)的無線接入網(wǎng)絡(luò)。

除了RSS和基于代價函數(shù)的切換算法，還設(shè)計了其他更復雜的算法。多屬性決策(MADM)實現(xiàn)了多個備選方案和屬性，選擇適當?shù)挠嬎惴椒āＷ罱?jīng)典MADM算法，如SAW(簡單加權(quán))［6］中的總得分是由候選接入網(wǎng)絡(luò)的所有屬性值的加權(quán)和。灰色關(guān)聯(lián)度分析(GRA)［7］通過計算灰色關(guān)聯(lián)系數(shù)為每個終端選擇理想的無線接入網(wǎng)絡(luò)。TOPSIS法［6］通過評價對象與最優(yōu)解、最劣解的距離來進行排序，選擇一個最接近理想的解決方案，最好的選擇應(yīng)該具有最短的歐氏距離，負理想解是設(shè)計一個最遠的距離，即最差的解決方案。多元指數(shù)加權(quán)(MEW)［8］可以表示為矩陣形式，其中行對應(yīng)于候選網(wǎng)絡(luò)，列對應(yīng)其屬性，最后計算接入網(wǎng)絡(luò)的加權(quán)屬性得分。一個多屬性決策問題，制定如下:A={Ai，i=1，2，…，n}是一組代表移動終端支持的接口數(shù)目，B={Bj，j=1，2，…，m}是一組屬性，如界面特性、應(yīng)用需求和用戶偏好(例如接收到的信號強度、功耗、成本、覆蓋范圍、延時、安全等)。權(quán)重向量W=［W1，W2，… ，Wm］表示這些QoS參數(shù)的相對重要性，W是權(quán)重的決定因素，一種MADM問題可以由矩陣來表示，即

式中:N是相對矩陣;qij是相應(yīng)的QoS因子的值。

大多數(shù)早期的研究，特別是考慮到TOPSIS法在網(wǎng)絡(luò)中多QoS的沖突問題，而且如何處理這些問題并沒有被明確提及。事實上，一些先前的研究提出，通過使用多目標優(yōu)化的機制，而不是使用一個單一的目標函數(shù)來達到目的。目前研究的QoS問題，在其有效性、無線接入網(wǎng)絡(luò)負載均衡、企業(yè)節(jié)約成本以及顧客體驗等方面，一致性被廣泛重視。因此，選擇多屬性網(wǎng)絡(luò)是非常重要的。

2 RafoQ算法

本文提出一種將層次分析法(Analytical Hierarchy Process，AHP)和RafoQ技術(shù)相結(jié)合的網(wǎng)絡(luò)選擇算法，以便找到一個權(quán)衡用戶喜好、業(yè)務(wù)應(yīng)用和網(wǎng)絡(luò)條件的方案。算法機制分為以下功能塊，即網(wǎng)絡(luò)代理模塊、MT請求模塊和決策模塊。網(wǎng)絡(luò)代理模塊和MT請求模塊收集用戶的喜好和網(wǎng)絡(luò)條件;決策模塊是由AHP和RafoQ對用戶的數(shù)據(jù)進行處理和將網(wǎng)絡(luò)數(shù)據(jù)標準化，也是本文關(guān)注的重點。

RafoQ基于多目標優(yōu)化的QoS參數(shù)和監(jiān)督在異構(gòu)環(huán)境中的接入網(wǎng)絡(luò)排名。該排名采用了多目標優(yōu)化方法AMOSA［9］，在排名函數(shù)的基礎(chǔ)上評估最佳QoS的接入網(wǎng)絡(luò)。在這里，所提供的接入網(wǎng)絡(luò)的集合作為輸入，并返回一組輸出的行列。算法步驟如下:

為了檢驗提取mtDNA的純度，本研究參考大豆已知基因NARK、psbC和Cox Ⅲ的序列，設(shè)計了3對引物(表1)，分別以提取到的mtDNA和大豆基因組DNA為模板，進行PCR擴增。電泳檢測結(jié)果發(fā)現(xiàn)，提取到的mtDNA只有Cox Ⅲ序列引物擴增出了目的條帶，而基因組DNA中3對引物均擴增出目的條帶(圖5)，說明所提取到的mtDNA純度較高，無核基因組DNA和葉綠體DNA的污染。

輸入為一組k接入網(wǎng)絡(luò)N={N1，N2，… ，Nk}。

輸出為集合N中的排名R={R1，R2，…，Rk}。

1)在異構(gòu)網(wǎng)絡(luò)環(huán)境中模擬不同的接入網(wǎng)絡(luò)，并計算其QoS參數(shù)。

2)Ni采用多目標優(yōu)化算法AMOSA，并選擇最佳QoS矢量的網(wǎng)絡(luò)為特定網(wǎng)絡(luò)。

3)采用排名函數(shù)比較QoS矢量，對Ni進行排名。

3 仿真結(jié)果

3.1 仿真環(huán)境

在本節(jié)中，將RafoQ算法與4種不同的垂直切換決策算法進行比較，即SAW，TOPSIS，GRA和MEW。在場景中，模擬2個WLAN、UMTS和GPRS共4個網(wǎng)絡(luò)，這些網(wǎng)絡(luò)覆蓋相同的面積。使用NS－2和NIST流動性模塊來模擬所描述的配置，接入網(wǎng)絡(luò)性能，如表1所示。

表1 接入網(wǎng)絡(luò)性能

網(wǎng)絡(luò)覆蓋區(qū)域可以容納幾百個手機終端，并將3GPP定義的幾類應(yīng)用程序分布在不同的終端運行(即會話類、流類、交互類和背景類)，這幾類應(yīng)用程序主要特征通過時延、抖動和丟包率這幾個QoS參數(shù)表示(見表2)。對于不同類別，為每個參數(shù)分配不同的權(quán)重。雖然關(guān)于多屬性的垂直切換決策是一個復雜的問題，但層次分析法(AHP)可以把它分解成更簡單、更易于管理的子問題，這些子問題可以是決定因素或權(quán)重。決定因素可以是解決方案，層次分析法通過比較權(quán)重選擇解決方案、收集用戶偏好數(shù)據(jù)來構(gòu)造AHP矩陣，所有QoS因子的權(quán)重參數(shù)如表2所示。在仿真環(huán)境中，設(shè)置終端的平均連接時間在1～10 s之間變化，來觀察各個算法的網(wǎng)絡(luò)性能。

表2 QoS權(quán)重參數(shù)

3.2 模擬結(jié)果

由于切換判決算法GRA，SAW和TOPSIS選擇同一網(wǎng)絡(luò)的MT，所以在仿真圖中顯示這幾類算法的圖形疊加。

圖1～圖4表示每個業(yè)務(wù)類的每個越區(qū)切換決定算法的平均時延。它代表了從MT將數(shù)據(jù)包傳送到接收終端的時延。仿真結(jié)果表明RafoQ提供最低的終端到終端延時。事實上，RafoQ能不斷評估網(wǎng)絡(luò)性能，并給終端分配最好的瞬時網(wǎng)絡(luò)。

圖1 會話類的平均時延

圖2 流類的平均時延

圖3 交互類的平均時延

圖4 背景類的平均時延

圖5～圖8描繪了每個業(yè)務(wù)類的平均抖動變化，它被定義為數(shù)據(jù)包到達時間之間的偏差。它取決于接入網(wǎng)絡(luò)本身，以及網(wǎng)絡(luò)負載。從圖中可以看出RafoQ的抖動性能是最好的，然后是TOPSIS，SAW和GRA。從圖中可以看出除了會話類業(yè)務(wù)，MEW優(yōu)于SAW，TOPSIS和GRA外，其他類業(yè)務(wù)MEW的性能是最差的。

圖5 會話類的抖動

圖6 流類的抖動

圖7 交互類的抖動

圖9～圖12描述的丟包率，定義為丟失數(shù)據(jù)包的數(shù)目與發(fā)送總數(shù)據(jù)包的比例。相對其他算法，RafoQ算法具有最低的丟包率。TOPSIS法、GRA和SAW在背景類和流類業(yè)務(wù)方面比MEW具有更好的性能。然而，MEW在會話類卻有較低的丟包率。

圖8 背景類的抖動

圖9 會話類的丟包率

圖10 流類的丟包率

圖11 交互類的丟包率

4 結(jié)論

圖12 背景類的丟包率

在下一代網(wǎng)絡(luò)中，一個具有挑戰(zhàn)性的問題就是垂直切換判決。理想的越區(qū)切換算法是讓所有移動終端分配到最適合它們的網(wǎng)絡(luò)上，同時又不干擾無線系統(tǒng)的性能。在本文中，提出通過與多個屬性相結(jié)合的AHP法確定網(wǎng)絡(luò)參數(shù)來評級候選網(wǎng)絡(luò)和使用多目標優(yōu)化法得到候選網(wǎng)絡(luò)的排名，最后通過改進RafoQ網(wǎng)絡(luò)選擇算法來決定選擇哪個網(wǎng)絡(luò)。

:

［1］LASSOUED I，BRETAGNE T，CESSON S，et al.Towards an architecture for mobility management and resource control［C］//Proc.Wireless Communications and Networking Conference 2008.［S.l.］:IEEE Press，2008:2846－2851.

［2］YANG Tao，RONG Peng.A fuzzy logic vertical handoff algorithm with motion trend decision［C］//Proc.IFOST 2011.［S.l.］:IEEE Press，2011:1280－1283.

［3］DHAR J，KIRAN S R，REDDY K Y.Network selection in heterogeneous wireless environment:a ranking algorithm［C］//Proc.the 3rd International Conference on Wireless Communication and Sensor Networks.［S.l.］:IEEE Press，2007:41－44.

［4］MOHANTY S，AKYILDIZ I.A cross－layer(layer 2+3)handoff management protocol for next－generation wireless systems［J］.IEEE Transactions on Mobile Computing，2006，5(10):1347－1360.

［5］CHANG B J，CHEN J F.Cross－layer－based adaptive vertical handoff with predictive in heterogeneous wireless networks［J］.IEEE Transactions on Vehicular Technology，2008，57(6):3679－3692.

［6］ZHANG W.Handover decision using fuzzy MADM in heterogeneous networks［C］//Proc.WCNC2004.Atlanta:IEEE Press，2004:653－658.

［7］SONG Q，JAMALIPOUR A.A network selection mechanism for next generation networks［C］//Proc.in IEEE ICC'05.［S.l.］:IEEE Press，2005:1418－1422.

［8］YOON K，HANG C.Multiple attribute decision making:an introduction［M］.［S.l.］:Sage Publications，1995.

［9］BANDYOPADHYAY S，SAHA S，MAULIK U ，et al.A simulated annealing based multi－objective optimization algorithm:AMOSA ［J］.IEEE Transactions on Evolutionary Computation，2008，12(3):269－283.