基于動(dòng)態(tài)AHP的海上移動(dòng)節(jié)點(diǎn)網(wǎng)絡(luò)選擇算法

毛忠陽, 張治霖, 劉錫國, 康家方

(1. 海軍航空大學(xué)航空通信教研室, 山東 煙臺 264001;2. 海軍航空大學(xué)信號與信息處理山東省重點(diǎn)實(shí)驗(yàn)室, 山東 煙臺 264001)

0 引 言

隨著我國對海洋開發(fā)利用的進(jìn)一步深入,海上通信的需求量急劇增加,海上軍事和民用業(yè)務(wù)的拓展對海上異構(gòu)通信網(wǎng)的構(gòu)建提出了更高的需求,這就要求海上移動(dòng)終端兼顧高移動(dòng)性和高通信能力,如何實(shí)現(xiàn)高移動(dòng)性終端在海上異構(gòu)無線網(wǎng)絡(luò)(marine heterogeneous wireless networks, MHWNs)中對動(dòng)態(tài)變化環(huán)境的快速適應(yīng),完成實(shí)時(shí)通信任務(wù),成為廣大學(xué)者關(guān)注的熱點(diǎn)問題和當(dāng)前研究的主要方向?，F(xiàn)階段,一系列針對異構(gòu)無線網(wǎng)絡(luò)中網(wǎng)絡(luò)選取的研究方案被提出。

一方面,在針對異構(gòu)網(wǎng)絡(luò)節(jié)點(diǎn)的移動(dòng)性問題上,已有研究方案大多將節(jié)點(diǎn)運(yùn)動(dòng)方式設(shè)定為靜止或緩慢移動(dòng)。文獻(xiàn)[1]提出了一種基于逼近于理想值的排序方法(technique for order preference by similarity to an ideal solution, TOPSIS)的異構(gòu)網(wǎng)絡(luò)多接入決策算法,該算法根據(jù)信號強(qiáng)度將網(wǎng)絡(luò)劃分成不同的候選子集,再根據(jù)子集中的網(wǎng)絡(luò)負(fù)載、費(fèi)用、吞吐量和能耗等指標(biāo)對靜止節(jié)點(diǎn)的網(wǎng)絡(luò)選取進(jìn)行綜合考量。文獻(xiàn)[4]提出了一種基于多目標(biāo)決策的異構(gòu)無線網(wǎng)絡(luò)接入選擇算法,該算法引入多目標(biāo)決策算法,對緩慢移動(dòng)節(jié)點(diǎn)接入范圍內(nèi)的網(wǎng)絡(luò)指標(biāo)主觀權(quán)重和客觀熵信息權(quán)重進(jìn)行綜合考慮,進(jìn)而對網(wǎng)絡(luò)完成最優(yōu)選取。文獻(xiàn)[5]提出了一種用于異構(gòu)無線環(huán)境的新網(wǎng)絡(luò)選擇算法,該算法使用修改后的粒子群優(yōu)化算法對參數(shù)的相對權(quán)重進(jìn)行優(yōu)化,并根據(jù)用戶在可用網(wǎng)絡(luò)之間的切換速率來衡量算法的性能。然而,上述文獻(xiàn)對仿真節(jié)點(diǎn)運(yùn)動(dòng)方式的設(shè)定均是靜止或緩慢移動(dòng),不能很好地模擬海上移動(dòng)節(jié)點(diǎn)的現(xiàn)實(shí)運(yùn)動(dòng)情況。因此,對高移動(dòng)性節(jié)點(diǎn)的網(wǎng)絡(luò)選擇進(jìn)行研究,是進(jìn)一步完善異構(gòu)網(wǎng)絡(luò)選擇問題的關(guān)鍵。

另一方面,在異構(gòu)網(wǎng)絡(luò)屬性動(dòng)態(tài)變化的問題上,需要在波動(dòng)多變的網(wǎng)絡(luò)屬性參數(shù)中,選取適合業(yè)務(wù)完成的機(jī)動(dòng)站點(diǎn)對移動(dòng)節(jié)點(diǎn)進(jìn)行連接。針對該問題,文獻(xiàn)[7]提出了一種改進(jìn)TOPSIS的接入控制算法,該算法通過動(dòng)態(tài)調(diào)整帶寬資源的分配方式和連接數(shù)量,提高了通信的可靠性。針對終端運(yùn)行多個(gè)業(yè)務(wù)流的場景,文獻(xiàn)[8]利用序數(shù)偏好思想,對不同接入網(wǎng)絡(luò)進(jìn)行排序,消除了傳統(tǒng)方法中的失序問題。然而,上述文獻(xiàn)均存在仿真環(huán)境屬性參數(shù)波動(dòng)性較弱、主觀權(quán)重始終恒定的問題?？紤]到不同業(yè)務(wù)有不同的主觀需求,其對于預(yù)設(shè)的用戶偏好標(biāo)準(zhǔn)不能根據(jù)用戶的需求和環(huán)境的波動(dòng)而動(dòng)態(tài)改變,這在一定程度上限制了業(yè)務(wù)完成率的進(jìn)一步提升。因此,在面對網(wǎng)絡(luò)屬性和業(yè)務(wù)更替的動(dòng)態(tài)調(diào)整時(shí)算法缺少智能性。

圍繞異構(gòu)網(wǎng)絡(luò)多屬性決策權(quán)重問題上,現(xiàn)有的算法普遍將多屬性權(quán)重分成客觀權(quán)重和主觀權(quán)重進(jìn)行處理。在客觀權(quán)重方面,文獻(xiàn)[9-10]采用熵權(quán)法和客觀權(quán)重賦權(quán)法(criteria importance though intercrieria correlation, CRITIC)兩種方式來計(jì)算各個(gè)屬性的客觀權(quán)重,并將二者綜合起來,最后結(jié)合基于離差極小化的綜合賦權(quán)法,得到每個(gè)屬性的最終權(quán)重。文獻(xiàn)[11]運(yùn)用協(xié)同學(xué)原理分析細(xì)裂紋演化,給出了協(xié)同學(xué)的數(shù)學(xué)解釋和驗(yàn)證結(jié)果,這為提高客觀權(quán)重的理論選擇提供了一種很好的方向。在主觀權(quán)重方面,文獻(xiàn)[10-12]引入傳統(tǒng)層次分析(analytic hierarchy process, AHP)計(jì)算出網(wǎng)絡(luò)選擇問題的主觀權(quán)重,AHP可以有效地將多屬性問題分解成多個(gè)底層因素,具有簡潔實(shí)用、系統(tǒng)性強(qiáng)等優(yōu)點(diǎn),有效地滿足了主觀意圖對權(quán)重的要求。但傳統(tǒng)AHP不能為決策提供新的方案,特別是面對基于任務(wù)驅(qū)動(dòng)的多屬性決策問題上有著局限性。

因此,在剖析傳統(tǒng)AHP權(quán)重特性的基礎(chǔ)上,基于不同任務(wù)主觀權(quán)重相互獨(dú)立的特點(diǎn),引入十級標(biāo)度法,提出了動(dòng)態(tài)AHP,將恒定主觀權(quán)重設(shè)置轉(zhuǎn)換為相互獨(dú)立的實(shí)時(shí)主觀權(quán)重設(shè)置,提高了算法面向服務(wù)的適應(yīng)性。通過仿真發(fā)現(xiàn)相對于基于傳統(tǒng)AHP、協(xié)同學(xué)和距離的算法和基于距離的算法,所提算法在移動(dòng)節(jié)點(diǎn)海上基于任務(wù)驅(qū)動(dòng)的場景下,提高了節(jié)點(diǎn)的任務(wù)完成率,提升了網(wǎng)絡(luò)性能。

1 動(dòng)態(tài)AHP和協(xié)同學(xué)原理算法

1.1 模型建立

用戶對隨時(shí)隨地能夠接入高質(zhì)量的無線網(wǎng)絡(luò)的需求日漸強(qiáng)烈,為了支持不同用戶的不同業(yè)務(wù),多種網(wǎng)絡(luò)并存且信號范圍互相覆蓋的異構(gòu)無線網(wǎng)絡(luò)應(yīng)運(yùn)而生。用戶終端想要在重疊的信號范圍內(nèi)選擇最合適數(shù)據(jù)傳輸?shù)木W(wǎng)絡(luò)連接,需要考慮網(wǎng)絡(luò)、業(yè)務(wù)和用戶3個(gè)維度的動(dòng)態(tài)因素。而終端的高移動(dòng)性作為用戶維度的動(dòng)態(tài)因素,是海上異構(gòu)網(wǎng)絡(luò)場景區(qū)別于其他場景的突出特點(diǎn)之一。MHWNs的網(wǎng)絡(luò)架構(gòu)如圖1所示。

圖1 MHWNs架構(gòu)

移動(dòng)性節(jié)點(diǎn)網(wǎng)絡(luò)選擇算法復(fù)雜度高的原因在于,移動(dòng)節(jié)點(diǎn)與每個(gè)機(jī)動(dòng)站點(diǎn)的距離、可連接的機(jī)動(dòng)站點(diǎn)個(gè)數(shù)和傳輸?shù)臉I(yè)務(wù)類型都在發(fā)生變化,算法為節(jié)點(diǎn)提供接入方案時(shí)需綜合全部要素。因此,如何對各動(dòng)態(tài)要素進(jìn)行有效權(quán)衡,是提高算法時(shí)效性和對移動(dòng)性節(jié)點(diǎn)匹配性的一個(gè)重要突破口。

本文針對移動(dòng)性節(jié)點(diǎn)采用高斯-馬爾可夫移動(dòng)模型進(jìn)行描述。在現(xiàn)實(shí)環(huán)境中,節(jié)點(diǎn)移動(dòng)的速度和方向前后存在著影響,使用傳統(tǒng)隨機(jī)移動(dòng)模型不能準(zhǔn)確描述節(jié)點(diǎn)的隨機(jī)連續(xù)運(yùn)動(dòng)情況,而高斯-馬爾可夫移動(dòng)模型中節(jié)點(diǎn)的運(yùn)動(dòng)軌跡與隨機(jī)移動(dòng)模型相比有很大的緩和,克服了隨機(jī)移動(dòng)模型急停急轉(zhuǎn)的缺陷。

1.2 海上通信網(wǎng)絡(luò)特征

鑒于地球弧度、海浪、氣候和船只的影響,同陸上通信相比,海上通信的地形更加開闊,障礙物遮擋物更少,使得海上繞射損耗較小,反射波影響較大。

本文針對海上通信網(wǎng)絡(luò)特點(diǎn),不考慮繞射損耗、云霧衰減等惡劣環(huán)境的影響,選用考慮海面反射和大氣吸收損耗的海上通信信道模型進(jìn)行模擬仿真。

1.3 算法描述

由于干擾的存在,臨時(shí)機(jī)動(dòng)站點(diǎn)的網(wǎng)絡(luò)屬性處于不斷波動(dòng)的狀態(tài),節(jié)點(diǎn)在面向服務(wù)時(shí)需要根據(jù)環(huán)境參數(shù)和業(yè)務(wù)需求來動(dòng)態(tài)改變主觀權(quán)重,本文提出的動(dòng)態(tài)層次分析(dynamic analytic hierarchy process, DAHP)法將不斷變化的網(wǎng)絡(luò)屬性信息作為輸入量,利用事先預(yù)設(shè)好的十級標(biāo)度法將網(wǎng)絡(luò)屬性進(jìn)行自行分級和自動(dòng)對比,自主建立比較矩陣并計(jì)算在預(yù)設(shè)準(zhǔn)則下的相對重要性,為平衡主觀性再結(jié)合其他客觀因素權(quán)重計(jì)算出各個(gè)網(wǎng)絡(luò)屬性相對于最終方案的總權(quán)重,總權(quán)重與實(shí)時(shí)的網(wǎng)絡(luò)屬性結(jié)合得到最優(yōu)接入方案。

(1) 建立權(quán)重決策矩陣

設(shè)有個(gè)可選網(wǎng)絡(luò),建立備選網(wǎng)絡(luò)集合={,,…,}。

設(shè)有個(gè)網(wǎng)絡(luò)屬性,建立網(wǎng)絡(luò)屬性集合={,,…,},對于不同的網(wǎng)絡(luò)屬性要使用歸一化方法消除數(shù)據(jù)間衡量尺度的不公平性和差異性,以帶寬參數(shù)為例:

(1)

同時(shí)建立網(wǎng)絡(luò)屬性比較矩陣

(2)

式中:表示可選網(wǎng)絡(luò)在網(wǎng)絡(luò)屬性的相對重要程度。

(2) 確定主觀權(quán)重

考慮到不同環(huán)境下網(wǎng)絡(luò)屬性存在不同的波動(dòng)大小,因此,不同類型的業(yè)務(wù)對網(wǎng)絡(luò)屬性的需求也不同。一方面,平穩(wěn)環(huán)境下網(wǎng)絡(luò)屬性波動(dòng)較小,各種業(yè)務(wù)類型的通信任務(wù)都可以在任意時(shí)間完成;另一方面,干擾環(huán)境下網(wǎng)絡(luò)屬性波動(dòng)劇烈,只有少量時(shí)間能傳輸對網(wǎng)絡(luò)屬性要求較高的通信任務(wù),因此移動(dòng)節(jié)點(diǎn)若想在干擾環(huán)境下傳輸不同種類的業(yè)務(wù),則需給出不同的網(wǎng)絡(luò)參數(shù)主觀權(quán)重。針對以上需求,本文在傳統(tǒng)AHP的基礎(chǔ)上引入十級標(biāo)度法構(gòu)成DAHP算法,由于傳統(tǒng)AHP是人為給出屬性和屬性間的相對重要程度,并給出1～10的相對重要性等級結(jié)果,所以本文在五級標(biāo)度法的基礎(chǔ)上擴(kuò)展到十級標(biāo)度法,能夠更好地貼合AHP的使用條件。標(biāo)度方法為將最佳參數(shù)設(shè)置為標(biāo)度6,再以最佳參數(shù)為中心,按照高斯分布樣式內(nèi)密外疏進(jìn)行標(biāo)度,十級標(biāo)度法適用于參數(shù)波動(dòng)在限定范圍內(nèi)的情況。將DAHP根據(jù)十級標(biāo)度法直接給出,解決了原本傳統(tǒng)AHP中需要頻繁人為更改輸入的比較矩陣的問題,提高了算法的智能性。

收集到波動(dòng)多變的網(wǎng)絡(luò)屬性參數(shù)后,本文算法采用十級標(biāo)度法對屬性參數(shù)進(jìn)行定級,參數(shù)越大網(wǎng)絡(luò)條件越好的網(wǎng)絡(luò)屬性定級結(jié)果如表1所示,參數(shù)越小網(wǎng)絡(luò)條件越好的網(wǎng)絡(luò)屬性定級結(jié)果與表格結(jié)果相反。

表1 十級標(biāo)度法

將實(shí)時(shí)的網(wǎng)絡(luò)屬性參數(shù)定級后,建立實(shí)時(shí)的比較矩陣:

(3)

式中:(,)表示的是網(wǎng)絡(luò)屬性與網(wǎng)絡(luò)屬性進(jìn)行的定級運(yùn)算,定級運(yùn)算指的是和作差后與0進(jìn)行比較,根據(jù)比較結(jié)果給出最終屬性相對于屬性的權(quán)重比例。然后計(jì)算實(shí)時(shí)比較矩陣的最大特征值和最大特征值對應(yīng)的特征向量。由于算法自行生成的比較矩陣不一定滿足一致性條件,需要對實(shí)時(shí)比較矩陣進(jìn)行一致性檢驗(yàn),一致性比率CR定義為

(4)

式中：RI為平均隨機(jī)一致性指標(biāo);一致性指標(biāo)CI的公式定義為

(5)

其中,為比較矩陣維數(shù)。

當(dāng)CR>01時(shí)說明先前主觀生成的比較矩陣產(chǎn)生矛盾,需要對比較矩陣進(jìn)行調(diào)整;當(dāng)CR<01時(shí)說明比較矩陣一致性水平符合要求,此時(shí)最大特征值對應(yīng)的特征向量即為各個(gè)網(wǎng)絡(luò)屬性的主觀權(quán)值,定義為矩陣。

定義DAHP權(quán)值矩陣為,設(shè)共有個(gè)機(jī)動(dòng)站點(diǎn),則第時(shí)刻第個(gè)機(jī)動(dòng)站點(diǎn)的第個(gè)網(wǎng)絡(luò)屬性參數(shù)值為(,),網(wǎng)絡(luò)屬性參數(shù)對應(yīng)的實(shí)時(shí)權(quán)重值為(,),則定義第時(shí)刻第個(gè)機(jī)動(dòng)站點(diǎn)的DAHP權(quán)值(,)為歸一化后的網(wǎng)絡(luò)屬性及其屬性權(quán)重乘積的和,歸一化能將參數(shù)統(tǒng)一在(0,1)間,方便后續(xù)的計(jì)算和使用,表達(dá)式為

(6)

(3) 確定客觀權(quán)重

本文算法利用協(xié)同學(xué)原理建立客觀屬性權(quán)重。協(xié)同學(xué)認(rèn)為系統(tǒng)是由許多子系統(tǒng)構(gòu)成,子系統(tǒng)之間的相互影響和配合才使得系統(tǒng)能夠以特定的結(jié)構(gòu)和功能正常運(yùn)行,本文將每個(gè)備選網(wǎng)絡(luò)看作是一個(gè)系統(tǒng),備選網(wǎng)絡(luò)集合={,,…，},每個(gè)備選網(wǎng)絡(luò)都由3個(gè)子系統(tǒng)組成,分別由吞吐量、實(shí)時(shí)性和可靠性組成,子系統(tǒng)集合={,,},3個(gè)子系統(tǒng)之間既相互影響又相互協(xié)作,不同的協(xié)作程度致使備選網(wǎng)絡(luò)產(chǎn)生不同的差異,所以在網(wǎng)絡(luò)接入選擇時(shí)要選擇子系統(tǒng)之間協(xié)作度最高者進(jìn)行接入。在子系統(tǒng)中支配子系統(tǒng)的序參量=(1,2,…,),表示子系統(tǒng)中網(wǎng)絡(luò)屬性的個(gè)數(shù),序參量的取值范圍是≤≤,其中和分別是第個(gè)序參量的最小值和最大值。子系統(tǒng)吞吐量包含的序參量為帶寬,子系統(tǒng)及時(shí)性包含的序參量為包延遲和包抖動(dòng),子系統(tǒng)包含的序參量為丟包率,其中序參量帶寬值越大網(wǎng)絡(luò)性能狀態(tài)越好越有序,序參量包延遲、包抖動(dòng)和丟包率值越小網(wǎng)絡(luò)性能狀態(tài)越好越有序。

定義吞吐量子系統(tǒng)中的屬性1的有序度為

(7)

則用幾何平均法得到子系統(tǒng)的的有序度為

(8)

在得到實(shí)時(shí)AHP主觀權(quán)重、協(xié)同學(xué)客觀權(quán)重和子系統(tǒng)的有序度后，復(fù)合后的系統(tǒng)熵定義為

(9)

式中:∈表示第個(gè)網(wǎng)絡(luò)屬性是屬于第個(gè)子系統(tǒng),即∑∈代表了子系統(tǒng)在總系統(tǒng)的權(quán)重占比。

(4) 確定位置權(quán)重

鑒于高移動(dòng)性節(jié)點(diǎn)的位置、與機(jī)動(dòng)站點(diǎn)的相對距離在時(shí)刻變化,同時(shí)海上傳輸損耗主要來自距離損耗,距離損耗影響接收功率的大小,進(jìn)而影響業(yè)務(wù)傳輸?shù)乃俾屎托?因此本文選用經(jīng)過歸一化后的接收功率作為節(jié)點(diǎn)的位置權(quán)重,通過位置權(quán)重體現(xiàn)高速節(jié)點(diǎn)距離的變化。在計(jì)算節(jié)點(diǎn)的接收功率時(shí),僅使用海面反射以及大氣吸收損耗的簡單模型進(jìn)行仿真運(yùn)算。設(shè)時(shí)刻第個(gè)機(jī)動(dòng)站點(diǎn)的接收功率為, ,歸一化后的接收功率權(quán)值為

(10)

(5) 綜合主客觀與位置權(quán)重

在節(jié)點(diǎn)面向服務(wù)時(shí),主觀權(quán)重按照要發(fā)送的業(yè)務(wù)類型而改變,而客觀權(quán)重中加入了部分主觀權(quán)重的比例,所以主觀權(quán)重不必過大也能使其結(jié)果按照主觀意向傾斜。在多次仿真取平均值后給出復(fù)合的系統(tǒng)權(quán)重定義

(,)=045(,)+035, +02(,)

(11)

移動(dòng)節(jié)點(diǎn)根據(jù)可接入機(jī)動(dòng)站點(diǎn)的復(fù)合系統(tǒng)權(quán)值大小選擇合適的機(jī)動(dòng)站點(diǎn)接入,優(yōu)先接入可選網(wǎng)絡(luò)范圍內(nèi)復(fù)合系統(tǒng)權(quán)值較大的機(jī)動(dòng)站點(diǎn)。

1.4 算法流程

為了使算法仿真更貼近現(xiàn)實(shí)環(huán)境,移動(dòng)節(jié)點(diǎn)采用高斯-馬爾可夫移動(dòng)模型模擬移動(dòng),每個(gè)移動(dòng)節(jié)點(diǎn)代表一個(gè)任務(wù)編隊(duì),在仿真時(shí)間內(nèi)進(jìn)行連續(xù)的隨機(jī)移動(dòng)。本文采用的海上通信信道,海上通信信道和陸上通信信道相比,海上障礙物遮擋少,使得繞射損耗減少,電波傳播余隙增大,反射波影響增大。

節(jié)點(diǎn)在運(yùn)動(dòng)時(shí),先收集周邊臨時(shí)機(jī)動(dòng)站點(diǎn)的網(wǎng)絡(luò)屬性參數(shù),然后用預(yù)先設(shè)定的十級標(biāo)度法,算法將網(wǎng)絡(luò)狀態(tài)參數(shù)進(jìn)行分級,把分級結(jié)果輸入到DAHP中進(jìn)行主觀權(quán)重更新。再利用協(xié)同學(xué)原理得到客觀權(quán)重,同時(shí)為了考慮節(jié)點(diǎn)的移動(dòng)性因素,用遠(yuǎn)距離傳播造成的功率損耗得到位置權(quán)重,將3種指標(biāo)進(jìn)行加權(quán)計(jì)算得到可選機(jī)動(dòng)站點(diǎn)的最終復(fù)合系統(tǒng)權(quán)重,選擇權(quán)重大的臨時(shí)機(jī)動(dòng)站點(diǎn)進(jìn)行連接。

編隊(duì)節(jié)點(diǎn)出發(fā)時(shí)算法開始運(yùn)行,算法流程如圖2所示。

圖2 算法流程

2 仿真結(jié)果與分析

本文的場景設(shè)置為海上臨時(shí)機(jī)動(dòng)站點(diǎn)環(huán)境,圖3給出了機(jī)動(dòng)站點(diǎn)的位置和編號。通常情況下當(dāng)海上節(jié)點(diǎn)移動(dòng)速度大于30 km/h時(shí)可視作高速運(yùn)動(dòng),機(jī)動(dòng)站點(diǎn)在海平面以15節(jié)的速度緩慢向軸正方向移動(dòng),移動(dòng)節(jié)點(diǎn)開始時(shí)從(0,0)出發(fā),之后的時(shí)間內(nèi)以150 m/s的速度做連續(xù)隨機(jī)運(yùn)動(dòng)。由于仿真使用的是機(jī)動(dòng)站點(diǎn)和海上節(jié)點(diǎn)的相對距離,所以機(jī)動(dòng)站點(diǎn)的移動(dòng)速度相對海上節(jié)點(diǎn)來說可以近似看做靜止。機(jī)動(dòng)站點(diǎn)的通信范圍是視距范圍,編隊(duì)節(jié)點(diǎn)出發(fā)點(diǎn)設(shè)置為坐標(biāo)原點(diǎn),把帶寬參數(shù)視作不同業(yè)務(wù)類型間的主要區(qū)別,以此為例子進(jìn)行蒙特卡羅仿真。仿真時(shí)間結(jié)束時(shí)節(jié)點(diǎn)停止移動(dòng)。

圖3 機(jī)動(dòng)站點(diǎn)位置圖

網(wǎng)絡(luò)選擇考慮4個(gè)屬性參數(shù),分別是帶寬、包延遲、包抖動(dòng)和丟包率。本文采用馬爾可夫鏈表示動(dòng)態(tài)變化的網(wǎng)絡(luò)屬性,每一秒的網(wǎng)絡(luò)屬性值都不同,這一時(shí)刻的網(wǎng)絡(luò)屬性值只與前一時(shí)刻相關(guān),與其他時(shí)刻無關(guān)。網(wǎng)絡(luò)屬性相關(guān)值設(shè)定范圍如表2所示,部分業(yè)務(wù)參數(shù)值設(shè)定參照文獻(xiàn)[11]。

表2 仿真參數(shù)表

節(jié)點(diǎn)在移動(dòng)過程中不間斷地產(chǎn)生隨機(jī)業(yè)務(wù)需求,基本業(yè)務(wù)類型分別是會(huì)話類業(yè)務(wù)、流媒體類業(yè)務(wù)和交互類業(yè)務(wù),其對應(yīng)的最低帶寬需求如表3所示。在傳輸業(yè)務(wù)的過程中,帶寬參數(shù)決定傳輸能否開始,包延遲、包抖動(dòng)和丟包率決定傳輸時(shí)間。

表3 業(yè)務(wù)參數(shù)表

為驗(yàn)證本文提出算法的性能,將其與基于距離的網(wǎng)絡(luò)接入算法、在文獻(xiàn)[16]基礎(chǔ)上改進(jìn)的基于傳統(tǒng)AHP、協(xié)同學(xué)和距離的網(wǎng)絡(luò)接入算法和基于DAHP的網(wǎng)絡(luò)接入算法作性能對比?；诰嚯x的網(wǎng)絡(luò)接入算法即在節(jié)點(diǎn)運(yùn)動(dòng)過程中通過比較和機(jī)動(dòng)站點(diǎn)間的發(fā)射功率和接收功率,選擇最大的機(jī)動(dòng)站點(diǎn)接入;改進(jìn)的基于傳統(tǒng)AHP、協(xié)同學(xué)和距離的網(wǎng)絡(luò)接入算法在原有文獻(xiàn)[1]的基礎(chǔ)上加入距離參數(shù)體現(xiàn)動(dòng)態(tài)節(jié)點(diǎn)與靜態(tài)節(jié)點(diǎn)的不同,其傳統(tǒng)AHP主觀權(quán)重設(shè)定為=[0.65 0.15 0.2]。3個(gè)權(quán)重分別代表了3個(gè)子系統(tǒng)的權(quán)重。

圖4給出了通信過程中實(shí)時(shí)帶寬變化,由于環(huán)境變化對帶寬影響最為明顯,故帶寬的數(shù)值波動(dòng)也最為劇烈。從圖4可以看出基于距離選擇機(jī)動(dòng)站點(diǎn)進(jìn)行連接,移動(dòng)節(jié)點(diǎn)的實(shí)時(shí)帶寬波動(dòng)劇烈,業(yè)務(wù)傳輸?shù)倪B續(xù)性受到制約。本文提出的DAHP算法能夠及時(shí)更新權(quán)重配置,經(jīng)過50次蒙特卡羅仿真取平均可得,算法70%的仿真時(shí)間能實(shí)時(shí)地選擇帶寬較大的機(jī)動(dòng)站點(diǎn),大大提高了算法的時(shí)效性和節(jié)點(diǎn)網(wǎng)絡(luò)的業(yè)務(wù)傳輸能力,降低了網(wǎng)絡(luò)內(nèi)的業(yè)務(wù)擁堵程度,一定程度上提高了節(jié)點(diǎn)通信網(wǎng)絡(luò)的時(shí)效性。

圖4 帶寬參數(shù)對比

圖5～圖7給出了包延遲、丟包率和包抖動(dòng)的實(shí)時(shí)參數(shù)對比圖,從中可以看出本文提出的算法對包延遲和丟包率的性能指標(biāo)有較好的提升,但對包抖動(dòng)的性能提升有限,這是由于在此場景下認(rèn)為包抖動(dòng)對業(yè)務(wù)傳輸?shù)挠绊懴鄬^小,因此算法選擇犧牲包抖動(dòng)性能,更關(guān)注帶寬、包延遲和丟包率3個(gè)指標(biāo)對任務(wù)完成的影響。

圖5 包延遲參數(shù)對比

圖6 丟包率參數(shù)對比

圖7 包抖動(dòng)參數(shù)對比

基于DAHP的算法不考慮節(jié)點(diǎn)移動(dòng)性這一特征,把節(jié)點(diǎn)視作靜態(tài)節(jié)點(diǎn),將全體機(jī)動(dòng)站點(diǎn)納入連接范圍,故通常情況下在直觀上基于DAHP的算法性能參數(shù)是最優(yōu)的。而實(shí)際中僅僅用實(shí)時(shí)網(wǎng)絡(luò)參數(shù)并不能全面評價(jià)算法,最終決定業(yè)務(wù)完成度的參數(shù)是業(yè)務(wù)完成度和信息傳輸速率,故引入這兩種指標(biāo)對算法進(jìn)行評估。

把一段時(shí)間內(nèi)未完成的任務(wù)數(shù)除以總的任務(wù)數(shù)定義為業(yè)務(wù)未完成率,用此參數(shù)衡量算法在基于任務(wù)驅(qū)動(dòng)下的性能優(yōu)劣。圖8可以看出4種算法在波動(dòng)環(huán)境場景下,節(jié)點(diǎn)接入網(wǎng)絡(luò)的業(yè)務(wù)完成情況隨著時(shí)間的增長逐漸產(chǎn)生差異,本文提出的算法和單一的基于DAHP的算法在面向服務(wù)時(shí)有更好的表現(xiàn)。對50次仿真結(jié)果進(jìn)行統(tǒng)計(jì)平均,本文提出的算法相較于基于傳統(tǒng)AHP和基于距離的網(wǎng)絡(luò)選擇算法在業(yè)務(wù)完成率上提升10%;與基于DAHP的網(wǎng)絡(luò)選擇算法相比,有60%的概率在業(yè)務(wù)完成率性能上一致。這是因?yàn)榛贒AHP的算法得到的是無通信距離約束的全局最優(yōu)解,而本文提出的算法在通信距離的約束下只能得到較優(yōu)解。

圖8 算法業(yè)務(wù)未完成度

圖9給出4種算法的傳輸速率對比圖,可以看出基于傳統(tǒng)AHP、協(xié)同學(xué)和距離的算法和基于距離的算法不僅平均傳輸速率低,還有較大的波動(dòng)性。本文提出的算法相較于單一的DAHP網(wǎng)絡(luò)選擇算法在同樣保持較高傳輸速率的情況下,波動(dòng)性減少44%,有利于移動(dòng)節(jié)點(diǎn)切換和傳輸不同類型的業(yè)務(wù),提高了業(yè)務(wù)完成率。

圖9 算法傳輸速率對比

圖10是節(jié)點(diǎn)不同的移動(dòng)速率對算法未完成率的影響對比圖,通過50次蒙特卡羅仿真取平均得到如圖曲線。從圖中橫向?qū)Ρ瓤梢钥闯?節(jié)點(diǎn)移動(dòng)速度對算法的未完成率有雙向的影響,一方面節(jié)點(diǎn)移動(dòng)速度較慢時(shí),節(jié)點(diǎn)移出當(dāng)前覆蓋范圍的時(shí)間較長,當(dāng)前覆蓋范圍的基站參數(shù)不佳時(shí)難以切換到參數(shù)較優(yōu)的基站;另一方面節(jié)點(diǎn)移動(dòng)速度較快時(shí),節(jié)點(diǎn)頻繁的改變被覆蓋范圍,受距離影響迫使算法頻繁改變接入方案,不利于業(yè)務(wù)傳輸。因此移動(dòng)節(jié)點(diǎn)在某一適中速度下才能發(fā)揮算法的最優(yōu)效能。從圖中縱向?qū)Ρ瓤梢钥闯鯠AHP算法相較于其他算法在不同移動(dòng)節(jié)點(diǎn)速度下仍具有優(yōu)勢,有效降低算法的業(yè)務(wù)未完成率。

圖10 節(jié)點(diǎn)移動(dòng)速率影響對比

3 結(jié) 論

針對傳統(tǒng)網(wǎng)絡(luò)接入算法無法適應(yīng)高移動(dòng)性節(jié)點(diǎn),時(shí)效性不強(qiáng)的問題,本文提出一種基于動(dòng)態(tài)AHP、協(xié)同學(xué)和位置信息的多屬性網(wǎng)絡(luò)選擇算法。首先在傳統(tǒng)AHP方法上引入十級標(biāo)度法,再在傳統(tǒng)主客觀權(quán)重基礎(chǔ)上提出由位置信息提供的位置權(quán)重,建立由主客觀、位置權(quán)重共同構(gòu)成的綜合系統(tǒng)權(quán)重模型,最后搭建仿真環(huán)境對其性能進(jìn)行仿真。通過對節(jié)點(diǎn)的實(shí)時(shí)業(yè)務(wù)完成度和傳輸速率進(jìn)行分析,在移動(dòng)節(jié)點(diǎn)基于任務(wù)驅(qū)動(dòng)的網(wǎng)絡(luò)選擇場景下,引入動(dòng)態(tài)AHP和位置權(quán)重提高了業(yè)務(wù)完成度和算法的時(shí)效性。網(wǎng)絡(luò)接入技術(shù)作為異構(gòu)網(wǎng)絡(luò)資源管理的關(guān)鍵技術(shù),有著廣闊的探索空間和巨大的研究價(jià)值,其中網(wǎng)絡(luò)權(quán)重的動(dòng)態(tài)分配對面向服務(wù)的網(wǎng)絡(luò)選擇有著重要的意義,值得未來進(jìn)行研究和探索。