基于业务敏感区间的网络属性矩阵规范化及权重计算方法

摘要

本发明提供一种基于业务敏感区间的网络属性矩阵规范化及权重计算方法，包括步骤S1：构造决策矩阵X；步骤S2：设定各决策属性的业务敏感区间；步骤S3：对决策矩阵X进行规范化，生成标准决策矩阵；步骤S4：计算各决策属性的均值和标准差；步骤S5：计算各决策属性的客观权重。本发明的基于业务敏感区间的网络属性矩阵规范化及权重计算方法，能够准确确定各网络属性的客观权重，为采用多属性决策算法进行无线网络的精准选择奠定基础，使得终端能够在众多的无线网路中能匹配出最优或次优的网络，从而提高终端用户的业务体验和网络资源的利用率。

说明书

技术领域

本发明涉及无线网络选择和多属性决策的技术领域，特别是涉及一种基于业务敏感区间的网络属性矩阵规范化及权重计算方法。

背景技术

多属性决策也称有限方案多目标决策，是指在考虑多个属性的情况下，选择最优备选方案或进行方案排序的决策问题，其是现代决策科学的一个重要组成部分。多属性决策的理论和方法在工程、技术、经济、管理和军事等诸多领域中都有广泛的应用。

近年来，随着移动通信的发展和智能终端的普及，应用和业务越发丰富。人们对于业务的体验要求也越来越高，给无线通信网络提出了严峻的挑战。为了应对这些挑战，目前无线通信网络由原来的单一网络逐渐转向异构化、立体化的网络发展，即Macro、Picocell、Femtocell、Wifi等不同网路技术组成的异构立体化的网络，使得网络结构越来越复杂。在这种立体化的网络结构中，多模终端同时处在多个网络的覆盖下，包括多种不同技术的网络以及同一种网络的多个cell。在这种情况下，终端在某个时刻连接到哪个网络进行通信，既能保证终端用户的业务质量和用户体验，又能使网络资源得到最大化的利用，就成为了目前无线网络技术研究的一个热点，即如何让终端时刻能匹配到最合适的网络。

目前这方面的研究比较多的集中在多属性决策算法上，还有部分研究采用基于模糊理论的定量决策算法和基于遗传算法的决策等。然而，无论采用上述的哪一种决策算法，都需要构造决策矩阵，并对决策矩阵进行规范化后再来确定属性权重和决策。

目前的属性决策矩阵规范化基本都是直接根据属性的数值的大小来进行规范化，而忽略了属性数据取值的含义、取值区间以及对业务的敏感程度。

现有技术中，采用线性比例变化法对属性矩阵进行规范化，再由属性均值和差异化程度来共同确定客观权重。这种计算客观权重的方法相对传统熵值法有了一定的改进，不仅考虑了属性的差异化程度，还考虑了属性的均值。但由于对网络属性矩阵进行规范化时直接采用线性比例变换法，即候选网络具体属性值与候选网络对应属性最大值的比值，会导致决策结果与预期的偏离。具体原因如下：

(1)规范化后的属性取值不能反映实际属性值的大小

比如候选网络的某个属性值相对于业务要求都偏低，且相差不大，按照上面的思路均值较小，权重应该大一些。但通过上面的规范化后，各个属性的取值与该属性最大值取比值后都变得大了(接近1)，均值也都变大了，获取的客观权重也会比较小。即只要各网络的属性取值比较接近，不管实际取值是大还是小，规范化后属性取值都接近1，反映不了实际取值的大小。

(2)规范化没有考虑属性取值空间的差异

各个属性的取值空间不一样，直接采用上面的规范化方法也会导致计算的客观权重与期望的偏离。比如一个属性的取值区间为[1000-1500]，另一个属性的取值范围为[0-500]，而且多个候选网络的这两个属性取值在各自的区间分布是相同的。设第二个属性的最大值为b，m个网络的属性取值为a_i(i＝1,2…m)，第一个属性的最大值为b+1000，m个网络的属性取值为a_i+1000(i＝1,2…m)。这种情况下二者权重应该相差不大，但在经过规范化后第一个属性取值变为第二个属性取值变为显然远大于第一个属性均值大，标准差也小，其权重也要小。

另外，现有技术中还采用的规范化方法类似于线性比例交换法，只是在使用线性比例交换法之前将属性取值减去各备选的最小值。这种方式属性取值分布比较分散时能避免不同属性在取值区间上的差异，但在属性取值分布比较集中时，规范化后的属性取值仍然不能体现其属性取值的具体物理含义，即不同候选网络的某个属性如果都集中取大值或者集中取小值，规范化后取值基本相同，导致最后的决策结果必然也会出现偏差。

发明内容

鉴于以上所述现有技术的缺点，本发明的目的在于提供一种基于业务敏感区间的网络属性矩阵规范化及权重计算方法，能够准确确定各网络属性的客观权重，为采用多属性决策算法进行无线网络的精准选择奠定基础，使得终端能够在众多的无线网路中能匹配出最优或次优的网络，从而提高终端用户的业务体验和网络资源的利用率。

为实现上述目的及其他相关目的，本发明提供一种基于业务敏感区间的网络属性矩阵规范化及权重计算方法，包括以下步骤：

步骤S1：构造决策矩阵X；

$>X={\left(x_{\mathrm{ij}}\right)}_{m*n}=\left(\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\\ ...& ...& ...& ...\\ x_{m1}& x_{m2}& ...& x_{\mathrm{mn}}\end{array}\right)$>

其中，m为候选网络个数，n为网络的决策属性个数，i＝1,2,…,m，j＝1,2,…,n；

步骤S2：设定各决策属性的业务敏感区间D_j；

D_j＝[L_jR_j]j＝1,2,….,n

其中，D_j表示第j个属性的业务敏感区间，取值在L_j和R_j间；

步骤S3：对决策矩阵X进行规范化，生成标准决策矩阵S_m*n；

$>S_{m*n}={\left(S_{\mathrm{ij}}\right)}_{m*n}=\left(\begin{array}{cccc}{S}_{11}& S_{12}& ...& S_{1n}\\ S_{21}& S_{22}& ...& S_{2n}\\ ...& ...& ...& ...\\ S_{m1}& S_{m2}& ...& S_{\mathrm{mn}}\end{array}\right)$>

其中，对于收益型属性，j为收益型属性；对于成本型属性，$>S_{\mathrm{ij}}=\frac{R_j-x_{\mathrm{ij}}}{R_j-L_j},i=1,2,···,m,$>j为成本型属性；

步骤S4：计算各决策属性的均值和标准差，

$>a_j=\frac{1}{m}\underset{i=1}{\overset{m}{\Sigma }}{S}_{\mathrm{ij}},j=1,2,...,n$>

$>d_j=\sqrt{\frac{1}{m-1}\underset{i=1}{\overset{m}{\Sigma }}{(S_{\mathrm{ij}}-a_j)}^2},j=1,2,...,n$>

其中，a_j表示第j个决策属性的均值，d_j表示第j个决策属性的标准差；

步骤S5：计算各决策属性的客观权重w_j，

$>w_j=\frac{v_j}{v_{\mathrm{all}}},j=1,2,...,n$>

其中，v_j＝exp(-a_j+d_j)j＝1,2,…,n，exp是指以e为底数的指数函数；

根据上述的基于业务敏感区间的网络属性矩阵规范化及权重计算方法，其中：决策属性包括收益型属性和成本型属性。

进一步地，根据上述的基于业务敏感区间的网络属性矩阵规范化及权重计算方法，其中：所述步骤S2中，如果第j个属性为收益型属性时，L_j为业务下限，即L_j为该业务能进行的最低基准；R_j为业务敏感上限，表示该属性取值比R_j还大时，该属性取值的大小对业务质量已经不敏感。

进一步地，根据上述的基于业务敏感区间的网络属性矩阵规范化及权重计算方法，其中：所述步骤S2中，如果第j个属性为成本型属性时，R_j为业务下限，表示该属性取值比R_j还大时，业务无法进行，L_j为业务敏感上限，表示该属性取值比L_j还小时，该属性取值的大小对业务质量已经不敏感。

根据上述的基于业务敏感区间的网络属性矩阵规范化及权重计算方法，其中：所述步骤S3中，标准决策矩阵S_m*n中若属性取值小于1，表示该决策属性的取值对业务质量是比较敏感的；若属性取值大于1，表示该决策属性取值对业务质量影响不敏感。

如上所述，本发明的基于业务敏感区间的网络属性矩阵规范化及权重计算方法，具有以下有益效果：

(1)适用于无线网络接入和切换选择决策，也可以广泛用于其它领域的多属性决策算法中；

(2)采用本方法规范化的决策矩阵属性取值能直观反映对业务质量的影响，使得决策网络属性客观权重分配更加合理，保证多属性决策结果更加准确；

(3)针对每个网络属性提出了业务质量敏感区间，而且该业务敏感区间是区分业务类型的，在进行网络属性决策矩阵规范化时首先根据业务敏感区间对各网络属性下限归零化，消除了不同网络属性在取值区间上的差异，使各网络属性之间具有更好的可比性；

(4)在网络属性矩阵规范化时，基于该网络属性参考值的线性比例交换法，体现了具体网络属性取值对业务的影响程度，避免了现有技术中不考虑网络属性取值的含义，仅仅通过纯粹的数值运算来规范化带来的偏差。

附图说明

图1显示为本发明的基于业务敏感区间的网络属性矩阵规范化及权重计算方法的流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。

需要说明的是，本实施例中所提供的图示仅以示意方式说明本发明的基本构想，遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。

本发明的基于业务敏感区间的网络属性矩阵规范化及权重计算方法区分不同的业务类型，对每个属性设定对应的业务敏感区间，若网络属性取值落在业务敏感区间内时，该属性会获取相对较大的客观权重，若网络属性取值不在业务敏感区内，该网络属性会获得相对较小的客观权重。因此，本发明结合了业务类型以及不同属性具体取值对某种业务的敏感度来动态确定属性客观权重，使不同网络属性之间的权重分配更加合理，从而保证了多属性网络匹配决策结果的准确性。

具体地，本发明的本发明的基于业务敏感区间的网络属性矩阵规范化及权重计算方法针对不同的业务类型，对每个网络属性设定一个对应的业务敏感区间，在确定候选网络各属性的客观权重前，以设定的业务敏感区间来对属性矩阵进行规范化，并应用该规范化矩阵来计算网络属性均值和标准差，最终获得对应各网络属性的客观权重。

其中，网络属性的业务敏感区间由两个基准值组成，一个是属性的下限值，另一个是属性的标准值。当网络属性取值超过标准值后，网络属性取值的变化对业务质量的影响程度不明显。在进行矩阵规范化时，利用业务敏感区间对属性取值下限归零化，避免不同网络属性取值区间差异，同时用线性比例变化法规范化时采用属性值与该属性的基准值的比值，该取值能真实反映对业务质量的敏感程度。

参照图1，本发明的基于业务敏感区间的网络属性矩阵规范化及权重计算方法包括以下步骤：

步骤S1：构造决策矩阵X。

$>X={\left(x_{\mathrm{ij}}\right)}_{m*n}=\left(\begin{array}{cccc}{x}_{11}& x_{12}& ...& x_{1n}\\ x_{21}& x_{22}& ...& x_{2n}\\ ...& ...& ...& ...\\ x_{m1}& x_{m2}& ...& x_{\mathrm{mn}}\end{array}\right)$>

其中，m为候选网络个数，n为网络的决策属性个数，i＝1,2,…,m，j＝1,2,…,n。

步骤S2：针对特定的业务类型，设定各决策属性的业务敏感区间D_j，

D_j＝[L_jR_j]j＝1,2,….,n

其中，D_j表示第j个属性的业务敏感区间，取值在L_j和R_j间。

特定的业务类型就是WLAN定义的四种AccessCatogory，包括Voice、Vedio、BestEffort和BackGround四种。针对各决策属性，不同的业务类型对应不同的业务敏感区间。

决策属性分为收益型属性和成本型属性。收益型属性是指属性值越大越好，比如Received接收的信号强度指示(SignalStrengthIndication，RSSI)、可用带宽等；成本型属性是指属性值越小越好，比如时延、丢包率等。

当决策属性的取值在业务敏感区间时，表示该决策属性对业务质量是比较敏感的。如果第j个属性为收益型属性时，L_j为业务下限，表示该属性取值比L_j还要小时，业务基本无法进行，即L_j为该业务能进行的最低基准；R_j为业务敏感上限，表示该属性取值比R_j还大时，该属性取值的大小对业务质量已经不敏感。如果第j个属性为成本型属性时，R_j为业务下限，表示该属性取值比R_j还大时，业务基本无法进行，L_j为业务敏感上限，表示该属性取值比L_j还小时，该属性取值的大小对业务质量已经不敏感。

步骤S3：对决策矩阵X进行规范化，生成标准决策矩阵S_m*n。

对于收益型属性，规范化后的决策属性取值为：

$>S_{\mathrm{ij}}=\frac{x_{\mathrm{ij}}-L_j}{R_j-L_j},i=1,2,···,m;$>j为收益型属性

对于成本型属性，规范化后的决策属性取值为：

$>S_{\mathrm{ij}}=\frac{R_j-x_{\mathrm{ij}}}{R_j-L_j},i=1,2,···,m;$>j为成本型属性

不同类型的决策属性进行相应规范化后，形成标准决策矩阵S_m*n：

$>S_{m*n}={\left(S_{\mathrm{ij}}\right)}_{m*n}=\left(\begin{array}{cccc}{S}_{11}& S_{12}& ...& S_{1n}\\ S_{21}& S_{22}& ...& S_{2n}\\ ...& ...& ...& ...\\ S_{m1}& S_{m2}& ...& S_{\mathrm{mn}}\end{array}\right)$>

其中，标准决策矩阵S_m*n中取值小于1的属性，表示该属性的取值对业务质量是比较敏感的，取值大于1的属性，表示该属性取值已经比较好，对业务质量影响不敏感。

步骤S4：计算各决策属性的均值a_j和标准差d_j，其中

$>a_j=\frac{1}{m}\underset{i=1}{\overset{m}{\Sigma }}{S}_{\mathrm{ij}},j=1,2,...,n$>

$>d_j=\sqrt{\frac{1}{m-1}\underset{i=1}{\overset{m}{\Sigma }}{(S_{\mathrm{ij}}-a_j)}^2},j=1,2,...,n$>

a_j表示第j个决策属性的均值，d_j表示第j个决策属性的标准差。

步骤S5：计算各决策属性的客观权重w_j，其中

$>w_j=\frac{v_j}{v_{\mathrm{all}}},j=1,2,...,n$>

其中：v_j＝exp(-a_j+d_j)j＝1,2,…,n，exp是指以e为底数的指数函数。

$>v_{\mathrm{all}}=\underset{j=1}{\overset{n}{\Sigma }}{v}_j.$>

下面以WLAN校园网为例，对本发明的基于业务敏感区间的网络属性矩阵规范化及权重计算方法的具体应用过程进行详细说明。

在WLAN校园网中，WLAN节点分布密集，同时终端用户也比较多，客户端STA一般都会处在多个WLAN节点的覆盖范围内，网络状态相对比较拥挤。客户端STA接入合适的网络是提升用户体验的保证。

假设某个客户端STA同时处在5个可用的WLAN节点覆盖下。在多属性决策时，考虑四个属性进行网络选择的决策，分别是客户端STA接收到的信号强度RSSI、客户端STA和接入点AP的能力匹配度、接入点AP的可用容量和时延。这四个决策属性分别用RSSI、A_b、C_a和T_d来表示。

采用本发明的基于业务敏感区间的网络属性矩阵规范化及权重计算方法时，具体包括以下步骤：

步骤1：构造决策矩阵X。

$>X=\left(\begin{array}{cccc}\mathrm{RSS}{I}_1& A_{b1}& C_{a1}& T_{d1}\\ {\mathrm{RSSI}}_2& A_{b2}& C_{a2}& T_{d}2\\ {\mathrm{RSSI}}_3& A_{b3}& C_{a3}& T_{d}3\\ {\mathrm{RSSI}}_4& A_{b4}& C_{a4}& T_{d4}\\ {\mathrm{RSSI}}_5& A_{b5}& C_{a4}& T_{d}5\end{array}\right)=\left(\begin{array}{cccc}-77& 0.85& 56& 3800\\ -70& 0.7& 81& 2200\\ -60& 0.47& 82& 4800\\ -54& 0.42& 118& 3200\\ -81& 0.43& 115& 2100\end{array}\right)$>

上面矩阵的数字只是举例说明，其中C_a取值是指1S内能为该业务类型提供的时间单位数，T_d取值是该业务类型的平均时延。

步骤2：针对各业务类型，设定对应的业务敏感区间，其中

D₁＝[L₁R₁]＝[-85-65]；

D₂＝[L₂R₂]＝[0.10.5]；

D₃＝[L₃R₃]＝[2080]；

D₄＝[L₄R₄]＝[20006000]。

上面设定的业务敏感区间范围只是举例说明，具体可以根据不同的业务来进行设置。

步骤3：对决策矩阵X进行规范化，生成标准决策矩阵S_m*n

在四个决策属性中，信号强度RSSI、STA和AP的能力匹配度A_b、AP的可用容量C_a三个属性为收益型属性，时延T_d为成本型属性，按照上面的方法对决策矩阵X进行规范化，计算方法及结果如下：

$>S_{5*4}=\left(\begin{array}{cccc}\frac{{\mathrm{RSSI}}_1-L_1}{R_1-L_1}& \frac{A_{b1}-L_2}{R_2-L_2}& \frac{C_{a1}-{L:}_3}{R_3-L_3}& \frac{R_4-T_{d1}}{R_4-L_4}\\ \frac{{\mathrm{RSSI}}_2-L_1}{R_1-L_1}& \frac{A_{b2}-L_2}{R_2-L_2}& \frac{C_{a2}-L_3}{R_3-L_3}& \frac{R_4-T_{d2}}{R_4-L_4}\\ \frac{{\mathrm{RSSI}}_3-L_1}{R_1-L_1}& \frac{A_{b3}-L_2}{R_2-L_2}& \frac{C_{a3}-L_3}{R_3-L_3}& \frac{R_4-T_{d3}}{R_4-L_4}\\ \frac{\mathrm{RSS}{I}_4-L_1}{R_1-L_1}& \frac{A_{b4}-L_2}{R_2-L_2}& \frac{C_{a4}-L_3}{R_3-L_3}& \frac{R_4-T_{d4}}{R_4-L_4}\\ \frac{{\mathrm{RSSI}}_5-L_1}{R_1-L_1}& \frac{A_{b5}-L_2}{R_2-L_2}& \frac{C_{a5}-L_3}{R_3-L_3}& \frac{R_4-T_{d5}}{R_4-L_4}\end{array}\right)=\left(\begin{array}{cccc}0.4& 1.875& 0.6& 0.55\\ 0.75& 1.5& 1.016& 0.95\\ 1.25& 0.925& 1.033& 0.3\\ 1.55& 0.8& 1.633& 0.7\\ 0.2& 0.825& 1.583& 0.975\end{array}\right)$>

上面结果矩阵中，取值小于1的表示该属性的取值对业务质量是比较敏感的，大于1的表示该属性取值已经比较好，对业务质量影响不敏感。

步骤4：计算各决策属性的均值A和标准差D，其中

A＝[a₁a₂a₃a₄]＝[0.831.1851.1730.695]

D＝[d₁d₂d₃d₄]＝[0.56630.47970.43370.283]

步骤5：计算各属性的客观权重W，其中

W＝[w₁w₂w₃w₄]＝[0.31980.20560.19870.2757]

从上面计算的客观权重可以看出，属性A_b、C_a两个属性的取值与基本都在业务敏感区间的边界或超出业务敏感区间，因此权重相对较低，但RSSI和T_d大部分落在业务敏感区内，且差异比较大，因此其权重相对较高。

在确定规范化决策矩阵和各属性的客观权重后，往往还会进行主客观权重的综合，再进行最后的决策。这些方法也有很多种，但不在本发明讨论范围内，这里只是举例说明一种最简单的应用方式，即简单加权法，权重直接采用客观权重：

$>v_i=\underset{j=1}{\overset{4}{\Sigma }}{s}_{\mathrm{ij}}*w_j$>

根据上式计算出v₄取值最大，即决策结果为候选网络4为最佳选择。

综上所述，本发明的基于业务敏感区间的网络属性矩阵规范化及权重计算方法适用于无线网络接入和切换选择决策，也可以广泛用于其它领域的多属性决策算法中；采用本方法规范化的决策矩阵属性取值能直观反映对业务质量的影响，使得决策属性客观权重分配更加合理，保证多属性决策结果更加准确；针对每个网络属性提出了业务质量敏感区间，而且该业务敏感区间是区分业务类型的，在进行网络属性决策矩阵规范化时首先根据业务敏感区间对各网络属性下限归零化，消除了不同网络属性在取值区间上的差异，使各网络属性之间具有更好的可比性；在网络属性矩阵规范化时，基于该网络属性参考值的线性比例交换法，体现了具体网络属性取值对业务的影响程度，避免了现有技术中不考虑网络属性取值的含义，仅仅通过纯粹的数值运算来规范化带来的偏差。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。