熵權法和云模型下的物聯網魯棒性評估方法

任 敏 胡 彧

(太原理工大學物理與光電工程學院，山西 太原 030024)

熵權法和云模型下的物聯網魯棒性評估方法

任 敏 胡 彧

(太原理工大學物理與光電工程學院，山西 太原 030024)

針對物聯網系統性能的評價一直沒有統一的標準，提出物聯網魯棒性的概念并對其性能進行評估，同時選取系統性能指標。采用熵權法確定系統各指標的權重,并采用云模型理論實現評估指標數據和評語之間的不確定映射。仿真試驗結果表明，利用云模型的評估方法可以較好地描述物聯網魯棒性的優劣，從而實現對物聯網系統性能的整體評估，為物聯網系統性能的評估提供了一種有價值的新思路。

物聯網 魯棒性 云模型 熵權 評估模型

0 引言

進入21世紀以來,物聯網(Internet of things,IOT)技術取得了飛速的發展，其已經在農業、工業、醫療、環境、軍事等傳統領域取得廣泛應用。而伴隨大量物聯網系統的產生卻引發了很多問題，例如物聯網系統工作的穩定性、安全性、適應性等。這些問題都對物聯網系統的正常工作造成了影響，這些都是物聯網系統亟待解決的關鍵問題[1]。而這些問題的產生歸根到底是因為現在無論國際還是國內對物聯網系統性能的評估沒有一個可行的標準。

針對這一問題，本文將魯棒性引入物聯網系統中，并提出物聯網魯棒性的概念。因為從系統論的角度看，物聯網可以被看作是一個廣義的復雜控制系統，因此物聯網系統就會受到不同的干擾，這時魯棒性就是物聯網網絡性能評價的一個重要方面，通過對魯棒性的研究以達到對物聯網系統的評估。該方式為物聯網系統性能的評估提供了一種新思路。

1 物聯網的魯棒性

魯棒性在不同的語境下具有不同的含義[2]，根據物聯網系統的結構和特點,對物聯網的魯棒性做出如下定義：物聯網的魯棒性是指當物聯網系統受到外部或內部因素干擾或是系統模型自身造成的干擾因素時，能夠保持系統正常工作的能力。采用一個簡單的式子表示如下：

(1)

式中：P為系統的魯棒性；L為外部干擾因素；k1為外部因素的個數；a=1，2，3…；R為內部干擾因素；k2為內部因素的個數；b=1，2，3…；B為系統模型造成的干擾因素；k3為系統模型干擾因素的個數;c=1，2，3…。

這個定義只是從物聯網結構的角度進行分析，下面我們就將可能的影響因素進行分析比較。

對于這3方面的分析比較，我們主要是依靠以下3個原則進行性能指標選取[3]。

① 整體性：選取的測量指標要能反映系統的整體性能。

② 易測性：指標數據容易測量。

③ 實用性：從用戶使用方面考慮，指標能反映系統在實際應用中的特性。

綜上所述，最終選取以下性能指標。

① 系統工作頻段：指系統在不同工作狀態下處于不同的工作頻段。

② 節點數：整個系統所存在的節點數量。

③ 發包數：發送的字節。

④ 采集信號成功率：傳感器對外界信號采集的成功率。

⑤ 丟包率：丟包數據所占的百分比。

⑥ 吞吐量：數據的吞吐量越高，系統工作越好。

⑦ 網絡通信成功率：信號在系統中傳輸的成功率。

⑧ 節點失效率：失效節點占總節點的百分比。

⑨ 定位精度：傳感器對信號的定位的成功率。

⑩ 時延：信號傳輸過程中所需要的時間。

2 物聯網魯棒性評估模型

2.1 云模型

由于物聯網的魯棒性并沒有確切地規定具體的界限。除此之外，魯棒性的評測是在一定參數計算的基礎上的，而且所提供的數據在不同時間、不同機器、不同技術又有一定的不確定性，即隨機性和模糊性。隨機性指的是發生的概率，模糊性指的是邊界的亦此亦彼性。針對物聯網魯棒性的這一特點，我們決定用“云”理論來構建評估模型。“云”理論[4]是由李德毅老師在20世紀90年代初期開創的, 是對傳統的隸屬函數概念的揚棄。利用云可以實現定量和定性概念的映射。

云的數字特征如下。

① 期望Ex，表示最能夠代表定性概念的數值。

② 熵En，是用來衡量隨機性的定性概念，表示定性概念的不確定性度量。

③ 超熵He，指的是熵的熵，也就是熵的不確定性的度量。

設U是一個用精確數值表示的定量論域，U上對應的定性概念A，若x是論域U中的任意一個定量值，且x是定性概念A的一次隨機實現，x對A的隸屬度μA(x)∈[0，1]是具有穩定傾向的隨機數，則x在論域U上的分布是云。云是由許多云滴組成的，每一個x稱為一個云滴。

正態云是最重要的云模型。用期望Ex、熵En、超熵He這3個參數可以表示一維正態云的數字特征。記為C(Ex，En，He)。這種正態云的方法表現了定性知識的定量特性，其主要作用的區域為[Ex-3En，Ex+3En]。

2.2 基于熵權的權重確定方法

為了減少確定權重中的主觀因素的影響，在確定指標權重時選用熵權法確定指標權重的大小。因為不同指標所攜帶的信息量是不同的，用熵來表示對決策的影響程度，用信息熵的大小來衡量攜帶信息的大小。因此，用熵權的方法計算權重的相對大小。其主要計算步驟如下[5]。

① 設n個指標、m個評估對象的數字矩陣P，即：

P=(pij)m×n

(2)

② 各個不同量綱的量不必進行無量綱化,確定評估指標的熵值：

(3)

③ 計算指標的差異性系數和指標權重。差異性系數為ei=1-Hi，第i個指標的權重為：

(4)

由此可見，熵值越小，熵權越大，表明相應的指標攜帶信息量大，權值越大，指標對系統的影響就大，該指標就越重要；反之，權值越小，指標對系統的影響越小，該指標就越不重要。使用熵權法可以客觀地得出指標權重的大小。各指標權重如表1所示。

表1 指標權值

從表1可知，影響物聯網系統最重要的3個指標分別是:頻段、丟包率、時延。

2.3 物聯網魯棒性綜合評估模型

由于物聯網系統魯棒性的不穩定性，所以利用傳統的評估方法對系統的魯棒性不能做出準備的評估。因此利用云模型建立物聯網性能綜合評估理論和模型，比傳統的評估方法更能準確地反映實際情況。具體步驟如下[6-7]。

① 建立評估對象的因素矩陣P=[x1，x2，…，xn]；

② 建立評語論域V=[v1，v2，…，vn]；

③ 采用熵權法求指標權重W=[ω1，ω2，…，ωn]；

④ 單因素指標評價法，不同的因素論域P中會產生不同的V，也就是不同的指標可以用不同的評語評價，這是與傳統的綜合評價方法的主要區別，也是基于云模型綜合評價的優勢所在。

如何求單因素的評價集就成為解決問題的關鍵。需要有每個因素的數據，利用云理論實現對單個因素的數據離散化，再通過云變換算法實現定量數據到定性概念的轉化，從而獲得每個因素的評價集。下面將對以上性能指標進行期望修正。

3 試驗仿真

根據上面的權重分析，我們從影響物聯網系統魯棒性的10個指標中選取權重最大的3個，分別是：頻段、丟包率、時延。

① 性能指標數據如表2所示。

表2 性能指標數據

物聯網魯棒性等級的劃分如圖1所示。

圖1 魯棒性等級劃分圖

② 指標評價集的確定其實就是在論域上劃分定性概念的問題。通常是由用戶直接給出語言值的云模型，再通過虛擬云算法得出每個云模型的數字特征。在劃分的時候通常遵循黃金分割率的模型驅動法，就是在指定的論域內，將給定的評語對應相應的語言值，語言值用云模型來表達，一般是劃分為奇數個，例如3個或5個。本文將[0，100]劃分為5個評估等級，分別是：“好”“較好”“中”“較差”“差”。對應的云模型分別是：K1(100，10，0.5)、K2(62.5，2.5，0.2)、K3(50，1.67，0.2)、K4(37.5，2.5，0.2)、K5(0，10，0.5)[8-9]。利用云模型，將上面劃分的魯棒性等級和評語用Matlab進行仿真，實現指標數據和評語之間的互相映射。

(5)

(6)

(7)

(8)

(9)

通過以上公式的運算，得出校正后的期望、熵、超熵分別是Ex=53.93、En=3.58、He=0.26，其覆蓋范圍是(Ex-3En，Ex+3En)=(43.19，64.67)。根據魯棒性等級的劃分，魯棒性等級對比圖如圖2所示，圖2中虛線表示的是物聯網系統的魯棒性。從圖2可以發現,其主要部分落在“中”和“較好”的區域內，但是其中的大部分更接近“中”。當頻段、丟包率、時延3個指標影響下的物聯網的魯棒性能是“中”。從上述對物聯網魯棒性的研究，我們可以得出物聯網系統的性能比較穩定。

圖2 魯棒性等級對比圖

4 結束語

本文將魯棒性首次引入物聯網系統中，并據此提出物聯網的魯棒性的概念。將魯棒性作為物聯網系統性能的一個重要的研究對象，利用云模型的方法對物聯網魯棒性進行評估，在指標的處理中應用熵權法計算各指標的相對權重，解決了指標權重求解過程中難以客觀的問題。同時實現了系統性能指標數值向評語的不確定映射，更直觀地表示了綜合評估的結果，在物聯網系統評估方面是一個有效的探索和嘗試。

[1] 陳柳欽.物聯網：國內外發展動態及亟待解決的關鍵問題[J].決策咨詢通訊，2010(5)：15-25.

[2] 接婧.國際學術界對魯棒性的研究[J].系統工程學報，2005，20(2)：154-159.

[3] 羅赟騫，夏靖波，陳天平.基于云模型和熵權的網絡性能綜合評估模型[J].重慶郵電大學學報：自然科學版，2009，21(6)：771-775.

[4] 閆斌，周小佳，王厚軍，等.無線傳感器網絡路由魯棒性研究[J].計算機應用研究，2009，26(6):2184-2186.

[5] 王漢斌，方守林.熵權法和云模型下的煤礦中層管理人員績效評價[J].山東工商學院學報，2011，25(6)：51-54.

[6] 柳炳祥，李海林.一種基于云模型的綜合評判方法[J].微計算機信息(嵌入式與SOC)，2007，23(11-2)：262-263.

[7] 王旭輝，楊華，陳遠.基于云模型效能評估的Matlab實現[J].微型機與應用，2012，31(8)：71-73.

[8] 王健，肖文杰，王樹文，等.一種改進的基于云模型的效能評估方法[J].火力與指揮控制，2010，35(7):140-142.

[9] 郭戎瀟，夏靖波，董淑福，等.一種基于多維云模型的多屬性綜合評判方法[J].計算機科學，2010，37(11)：75-77.

[10]張瑩，代勁，安世全.基于云模型的定性評價及在學評教中的應用[J].計算機工程與應用，2012，48(31)：210-215.

Evaluation Method Based on Entropy Weight and Cloud Model for Robustness of IOT

The evaluation of the performance of Internet of things (IOT) is lack of uniform standard, aiming at this condition, the concept of robustness for IOT is proposed and the evaluation of performance is conducted, meanwhile the systematic performance indexes are selected. The weight of each index is determined by using entropy weight method; and the uncertainty mapping between index evaluation data and commentary is implemented by using cloud model theory. The result of simulation experiment indicates that the evaluation method using cloud model can well describe the pros and cons of the robustness of IOT, this provides new valuable ideas for performance evaluation of IOT systems.

Internet of things Robustness Cloud model Entropy weight Evaluation model

山西省自然科學基金資助項目(編號：2012011013-5)。

任敏(1989-)，男，現為太原理工大學測控技術研究所控制工程專業在讀碩士研究生；主要從事物聯網技術和智能控制的研究。

TP393

A

10.16086/j.cnki.issn1000-0380.201505015

修改稿收到日期：2014-12-16。