基于模糊層次—熵權法的自適應垂直切換算法

王瓏璋，李翠然

(蘭州交通大學 電子與信息工程學院，蘭州 730070)

0 引 言

由于各種無線接入技術的差異和單一網絡技術無法滿足用戶多樣化的需求，促使異構無線網絡融合成為必然。異構網絡的切換技術是實現異構網絡融合的關鍵技術之一，合理的切換不僅可以優化網絡資源，還可以為用戶提供高速率、高安全和低延時的多樣化服務質量(Quality of Service，QoS)需求。

傳統的垂直切換算法一般基于接收信號質量進行判決，這類算法盡管復雜度低，實現較簡單[1-3]，但選網考慮因素過于單一。為此，文獻[4]使用博弈論和馬爾科夫鏈模型分析了異構無線網絡接入選擇的競爭；文獻[5]提出了改進Markov過程的切換算法，降低了切換次數，減小了網絡數據傳輸的丟包率；文獻[6]提出了基于卡方距離和業務類別的主觀權重與網絡目標屬性協作策略的網絡接入選擇算法，相比之下，該類算法無法根據環境的改變來自適應地調整相關因素的權重；為了實現在變化環境中自適應地調整各網絡屬性的權重，以確保用戶端接入更優的網絡，文獻[7]提出了基于人工神經網絡的自適應垂直切換算法，其中調整權重的階躍因子通過梯度和近似后的海森矩陣表示，該算法降低了切換阻塞率，增大了網絡總吞吐量，在一定程度上達到了動態調整權重值的目的；文獻[8]提出了基于層次分析法(Analytic Hierarchy Process，AHP)的自適應垂直切換算法，但該方法計算權重主觀性太強；文獻[9]針對文獻[8]的問題，提出了基于模糊層次分析法(Fuzzy Analytic Hierarchy Process，FAHP)的自適應垂直切換算法。

針對上述問題，本文提出了一種基于模糊層次—熵權法的自適應垂直切換算法，該算法一方面為提高用戶的QoS考慮將網絡能耗作為用戶終端網絡切換的關鍵因素，另一方面提出了具體的自適應模型來動態調整各網絡屬性權重值。相較于其他算法，該算法能夠有效減少網絡的切換次數，在一定程度上均衡了網絡負載，提高了終端電池的使用時間。

1 系統模型

異構網絡是不同類型網絡通過各種網絡技術相互重疊和相互融合形成的無線網絡環境。建立如圖1所示的異構網絡仿真場景模型，該模型包括無線局域網 (Wireless Local Area Networks，WLAN)、長期演進 (Long Term Evolution，LTE)和通用移動通信系統 (Universal Mobile Telecommunications System，UMTS) 3種無線網絡環境，無線接入網絡均采用正交頻分復用(Orthogonal Frequency Division Multiplexing，OFDM)技術。該網絡模型中，網絡選擇決策點在終端側采用終端選擇算法，網絡側作為輔助，所以網絡選擇算法模型大體上分為兩個部分：終端側和網絡側。終端側需要完成的主要操作有：網絡發現、網絡切換請求的發起、各網絡屬性參數和終端性能參數的收集、網絡選擇切換的執行和候選網絡的判決等操作[10]。

圖1 異構網絡仿真場景模型

2 基于模糊層次-熵自適應垂直切換算法

這里利用基于模糊層次[11]—熵權法的自適應機制來動態調整相應屬性的權重值。對網絡屬性進行處理時，應該明確網絡屬性是效益型屬性還是成本型屬性。例如帶寬和信噪比等屬于效益型屬性，值越大說明網絡性能越好；相反，時延等屬性屬于成本性屬性，值越小說明網絡性能越好。

文中分別采用式(1)和(2)對效益型和成本型屬性進行標準化處理。令xij為第i個網絡下的第j個網絡屬性值，且i=1,2,…,m；j=1,2,…,n；m為候選網絡個數；n為各候選網絡屬性個數。則有

2.1 FAHP確定主觀權重

(1) 構造模糊判決矩陣

(2) 計算模糊權重

由式(5)可得，初始權重向量D=(d1,d2,…,dn)，di為第i個屬性的權重值，且

式中：minV()為V的最小值。

(3) 標準化

2.2 熵權法確定客觀權重

信息論中，信息熵是衡量系統之間差異的度量標準。候選網絡間某個屬性的差異越大，則信息熵Ei值越小且屬性提供的信息越多；反之亦然。根據屬性間差異，使用信息熵計算屬性權重步驟如下：

(1) 網絡參數標準化

首先將第i個網絡的網絡屬性參數j利用式(1)和(2)進行標準化處理，處理結果記作Yij。

(2) 求各網絡屬性的信息熵

根據信息熵的定義，一組數據的信息熵為

(3) 確定各屬性權重

2.3 綜合權重及優化函數的構建

本文既考慮到決策者的主觀偏好，又確保決策的客觀真實性，達到了主觀與客觀的統一。在分別得到終端對于網絡屬性的主、客觀權重之后，文中引入加權法將主、客觀權重通過線性組合的方式來確定綜合權重，其綜合權重的構造及計算如下：

式中：α和β為決策者對主、客觀權重占綜合權重的信任程度；wi為第i個網絡屬性的權重值。考慮所有方案的綜合評價目標值越大越好，構建如下優化模型[14]計算α和β：

當函數F取最大值時，分別確定α和β的值，其中

2.4 自適應調整權重

自適應動態調整權重意味著移動終端能夠根據用戶體驗自適應動態調整網絡屬性的權重值。假設對網絡第j個屬性的權重值wj進行動態調整，則權重的調整方式需滿足下式[15]：

式中，p為一個大于1的常數，p的大小決定了權重值動態變化的速度快慢，因此，p合理的取值至關重要。

通常，移動終端電量損耗的確切值很難計算，因此將p與終端電量損耗的百分比進行關聯，通過移動終端電量損耗的百分比動態調整p值:

式中：λ為影響因子，λ的取值大小會間接影響各網絡屬性權重值的自適應變化速度；e為終端電量損耗的百分比；σ為常數。此外還存在一種情況是，當移動終端剩余電量極低時，如果當前網絡環境發生變化觸發網絡切換，最后造成終端用戶電量耗盡和用戶體驗降低時，文中設置閾值剩余電量百分比γ，即當終端觸發切換請求且終端剩余電量百分比小于閾值百分比((1-e)>γ)時，禁止移動終端執行網絡切換，以延長終端的通信時間。

2.5 網絡判決

在移動終端收集了切換決策所需的所有信息后，切換進入網絡決策決斷。在這一階段引入成本函數進行網絡預判決。首先輸入候選網絡的所有網絡參數，通過比較當前網絡的成本與候選網絡的成本[8]確定是否執行切換。候選網絡i的成本函數值Ci表示為

該算法偽代碼可表示如下：

輸入：N=移動終端初始電量，w=各網絡屬性初始權重值，p為常數，γ=閾值剩余電量百分比，h=終端執行切換次數；

輸出：執行切換。

fori=1 tondo

RE(i)=移動終端剩余電量，Net(i)=初始狀態下終端隨機接入網絡，Cost(i)=目標候選網絡接入成本；

ifCost(i)=候選網絡接入成本最小值&&Net(i)≠目標切入網絡

ifRE(i)﹥γ

Net(i)=執行切換；

h=h+1;

else

Net(i)=不執行切換；

h=h;

end if

else

Net=不執行切換；

h=h;

end if

w=更新各網絡屬性權重；

p=更新步長因子；

end for。

3 仿真分析

3.1 仿真參數

在實驗仿真過程中，假定終端用戶隨機分布在圖1所示的網絡覆蓋范圍中，并在每個方向上隨機移動；另外，移動終端均為多模終端，并假設多模式移動終端檢測到的網絡屬性參數如表1所示。本文采用LTE、UMTS和WLAN 3種接入技術組成的異構無線網絡環境，使用Matlab R2016A 64 bit為仿真實驗平臺。假設網絡環境和終端設備與文獻[16]相同，實驗開始時終端電量為滿狀態，另外經計算可得決策者對主、客觀權重占綜合權重的信任程度分別為α=0.531和β=0.469；閾值剩余電量百分比γ=5%。本實驗除網絡能耗因素外，還考慮了時延、抖動和丟包率3個關鍵因素，并在終端電量損耗的每個百分比下進行1 000次模擬，最后取最理想值。本文提出的算法將與自適應—AHP算法和自適應—FAHP算法進行對比仿真實驗，并將從以下幾個方面進行仿真和分析：各網絡屬性的權重變化趨勢、網絡能耗權重值在3種算法中的比較以及λ和σ對網絡能耗權重值的影響程度、網絡平均切換率和網絡選擇概率等。網絡屬性參數如表1所示。

表1 網絡屬性變換范圍表

3.2 結果與分析

不同類別業務具有不同的QoS需求，因此QoS的重要性也不同，根據1～9標度法[12]，表2針對會話類業務建立網絡屬性的判決矩陣，表3所示為不同屬性對應的主、客觀權重值及綜合權重值。

表2 會話類業務判決矩陣

表3 不同屬性的權重值

在本文建立的模擬場景下，假設多模式移動終端能檢測到候選網絡的各網絡屬性參數。圖2所示為隨著終端電量的損耗，各網絡屬性權重值的變化趨勢，其中W1、W2、W3和W4分別為時延、抖動、丟包率和網絡能耗的權重值。不難看出，當終端電量充足時，4個屬性的權重值變化都比較緩慢；但當電量消耗40%時，時延、抖動和丟包率的權重值開始有下降趨勢，相反網絡能耗的權重值開始有了明顯的上升趨勢，顯然在移動終端電量充足時，終端用戶對切換網的網絡能耗并不在意，此刻其他網絡屬性顯得更重要些。但當電量消耗80%時，網絡能耗的權重值已超過其他所有網絡屬性的權重值，其最大權重值達0.451，此時用戶切換到能耗更小網絡的意愿會越來越強烈。顯然，本文自適應動態調整權重的方式是符合用戶實際需求的。

圖2 網絡屬性的權重變化趨勢

圖3對比了3種算法在隨終端電能消耗網絡能耗屬性權重的變化趨勢。顯然，前期這3種算法對應網絡能耗的權重值相差較小。隨著終端電量的不斷消耗，網絡能耗的權重值均不斷增加。值得注意的是，傳統自適應算法的網絡能耗權重值呈線性增長，而本文所提算法在終端電量消耗30%前，權重值幾乎沒有發生變化，直到終端能耗超過40%時，其權重值才有了明顯的增長趨勢，呈指數型增加。當終端能耗為57%時，本文算法的權重值超過了傳統自適應算法。顯然，本文自適應算法以指數的關系來描述該變化趨勢更切實際。

由圖2和3可知，隨著終端電量的損耗，網絡能耗屬性的權重值呈指數型連續增長，但不難發現，當電量消耗40%時，其權重值就開始呈顯著增長趨勢，但在實際生活中，不會因其權重值增長過快而影響用戶的整體上網體驗。

圖3 權重的增長趨勢圖

圖4分析了影響因子λ對自適應權重值的影響。當λ和σ一定時，權重大小隨能耗的增大而增大。當σ一定時，權重值與λ成正比。當λ一定時，權重值隨σ的增大而減小。λ=2對應的權值增長趨勢過快，而λ=3對應的權值增長趨勢過于平緩；當終端電量的損耗百分比小于40%時，λ對權重大小的影響不明顯，能耗大于40%后，不同λ對權重值影響明顯。在λ=5/2且終端電量損耗80%時，其網絡能耗屬性的權重值超越其他各網絡屬性的權重值，且其權重值最大時達到0.451。綜合分析，當影響權重的因子σ=60、λ=5/2時，最符合用戶的實際需求。

圖4 影響因子λ和σ對網絡能耗屬性權重值的自適應影響程度

網絡平均切換率是指群體移動終端平均執行切換的比率，通過比較算法的平均切換次數可以說明算法的判決準確性。由圖5可知，本文提出的改進算法在一定程度上減小了網絡切換次數。這是由于算法引入了主客觀加權的綜合權重確定方法，加強了各個屬性之間的關聯性，削弱了不確定的決策判決結果，與傳統自適應算法相比，可以有效提升自適應算法性能，降低了網絡切換率，抑制了乒乓效應的發生。

圖5 網絡平均切換率對比圖

圖6所示為隨著終端電量的損耗，移動終端在WLAN、UMTS和LTE 3網之間的切換狀態。在會話類業務下，LTE網絡能耗最大而時延最小，WLAN網絡正好相反，當終端電量充足時，用戶會優先選擇能滿足當前業務需求的網絡，而當電量不足或較低時，終端用戶會以一種折中的方式接入能耗小而網絡性能次之的WLAN網絡。

圖6 終端用戶在UMTS、WLAN和LTE 3網之間的切換狀態

圖7 候選網絡選擇概率圖

網絡負載均衡度能夠很好地衡量網絡資源利用率。圖7所示為3種算法分別對候選網絡的選擇概率狀況。仿真結果表明，3種算法中，WLAN網絡被用戶選擇的概率最高，這是由于WLAN網絡QoS較優且網絡能耗較小。但不難發現，在其他兩種算法中，選擇WLAN網絡的概率特別高，而選擇LTE和UMTS的概率又特別低，這容易造成WLAN網絡負載過重及網絡性能下降的現象，近而導致LTE和UMTS網絡資源浪費。相反，本文算法在一定程度上均衡了網絡負載，緩解了網絡壓力，提高了網絡資源的合理高效分配和異構無線網絡的整體性能。

4 結束語

本文針對當前異構無線網絡中垂直切換算法存在的問題，通過引入主、客觀綜合權重的自適應方法，考慮了網絡切換判決屬性間的關聯性，削弱了不確定決策判決結果的發生率。仿真結果表明，本文所提自適應垂直切換算法性能更優，相比之下，該算法減小了網絡切換率，避免了頻繁切換現象的發生，在一定程度上緩解了乒乓效應；其次，算法對候選網絡的選擇更加均衡，這不僅提高了網絡資源利用率，還提升了用戶滿意度。此外，在終端電量充足時對網絡能耗權重的影響較小，而在終端電量不足時，網絡能耗的權重值呈指數型增長，這更加符合用戶的實際需求。