一种基于效用函数的异构无线网络选择方法

摘要

本发明公开了一种基于效用函数的异构无线网络选择方法，具体步骤包括：(1)获取网络属性数据和当前用户业务类型；所述网络属性数据包括可用带宽、网络费用、能耗以及网络负载；所述用户业务类型包括语音、数据和视频；(2)对各个决策网络属性构造效用函数，根据网络属性的效用函数求解相应属性的效用值；其中，属性值与用户满意度的关系决定了所采用的效用函数；(3)根据求得的各个网络中网络属性的效用值，构造效用矩阵；(4)根据主观权重和客观权重，构造综合权重；(5)计算网络综合效用，选择最佳网络进行接入。本发明综合考虑了用户偏好，网络状态，设备能耗，网络费用以及网络负载，选择的最佳网络实现了QoS与网络负载的最佳平衡。

说明书

技术领域

本发明涉及异构无线网络领域，特别涉及一种基于效用函数的异构无线网络选择方法。

背景技术

在传统的异构无线网络选择中，一般最优网络的选择取决于带宽、时延抖动、能耗、价格等多个属性，即异构无线网络中最优网络的选择是一个多属性决策问题。在决策过程中，大多数文献将实际测量的属性值标准化后作为多属性决策算法的决策值。但不同的业务(如语音、视频会议和视频流等)对网络的要求是不同的，如对于带宽，语音一般几十Kb的速度就行，但对于视频会议是不够的，即将属性的标准化测量值作为决策值不能反映这一现象。考虑到上述原因，现有技术中提出采用效用理论来解决这一问题。

效用是经济学常用的概念，是消费者通过消费使自己的需求得到的满足程度的度量。效用函数的定义也来自于经济学，表示的是消费者在消费过程中获得的效用与其消耗的资源要素之间的数量关系函数。在网络选择算法中，网络资源可以与经济学中的资源要素作类比。因此，效用衡量的是用户做决策时，对于系统中各个无线网络可提供网络资源的满意程度，效用函数就是用来描述用户的满意度与网络资源的数量关系，是所获得资源的递增或递减函数。

针对无线异构网络各个属性的特点，人们提出了一系列的效用函数，但没有分析不同网络业务或用户下属性效用值。在决策过程中，把属性效用作为决策值，这样同一属性的相同值对不同的业务或用户的效用是不同的，即决策值是不同的。同时，在各属性效用综合时，对各个属性赋权的合理与否，直接关系到选择结果的合理性与可靠性。主观赋权法根据决策者对各项属性重要性的主观认知程度来确定权重，主观随意性比较大。如果只根据用户的偏好选择网络，必然会造成网络负载不均衡，部分网络拥塞，影响用户体验，因此在确定权重时，也要考虑到网络属性之间的差异，这种赋权法称为客观赋权法。

发明内容

本发明的目的在于结合应用的真实场景，提供一种基于效用函数的异构无线网络选择方法，该方法综合考虑了用户偏好，网络状态，设备能耗，网络费用以及网络负载，选择的最佳网络可实现QoS与网络负载的最佳平衡。相较与其他多属性网络选择，该方法保证用户业务的QoS的同时，考虑了用户设备的实际情况与网络费用敏感度，综合各方面达到一个平衡，还改善了网络的负载均衡。

本发明的目的通过以下技术方案实现：

一种基于效用函数的异构无线网络选择方法，步骤包括：

(1)获取网络属性数据和当前用户业务类型；

(2)根据各个网络属性构造效用函数，其中，属性值与用户满意度的关系决定了所采用的效用函数；

(3)根据上述效用函数，计算出每个网络中各个网络属性的效用值，构造效用矩阵；

(4)采用AHP方法来构造主观权重，采用熵权法来构造客观权重；根据所得到的主观权重和客观权重，得到各网络属性的综合权重；

(5)计算网络综合效用，选择最佳网络进行接入。

所述网络属性数据包括可用带宽、网络费用、能耗以及网络负载；所述用户业务类型包括语音、数据和视频；

在不同的业务模式下，对同一属性的侧重点不一样，使得该属性所占的权重会产生相应的变化。

在异构无线网络中，用户对可用带宽的要求存在一个区间[x_min,x_max]，在该区间内，用户满意度随着属性值的增加而提升。若低于x_min，用户就会表示不满意，因为已经不能满足业务基本要求。若高于x_max，用户的满意度也不会明显提升，因为用户业务的最高业务需求已经得到满足，更多的带宽已经不能带来业务质量的提升。

S型函数符合上述特征，因此，将S型函数用作异构网络选择的效用函数。一个基本的S型函数表示形式如下：

其中，ξ表示函数值随变量改变的敏感度，x_m表示变量的期望值。

进一步地，根据带宽网络属性的性质，带宽网络属性的效用函数u(x_AB)表示方式为：

其中，表示用户业务在当前环境下的等效频谱带宽，即用户的期望带宽，x_AB表示当前网络剩余可用带宽，BW_total表示网络的总带宽。α表示用户对带宽属性的敏感程度，敏感程度越高，α值越大。

在异构无线网络中，能耗和时延抖动为网络的固有属性，用户对这两个属性的要求都是属性值越低越好。在只考虑单一属性的情况下，如时延抖动，用户必定期望接入时延抖动最低的网络，随着时延抖动属性值的增加，用户的满意度越低。

进一步地，根据时延抖动网络属性的性质，其效用函数u(x_JT)表示方式为：

其中，x_JTmin和x_JTmax分别表示异构无线网络中最低时延抖动属性值以及最高时延抖动属性值。x_JT表示当前网络时延抖动属性值，β表示用户对时延抖动属性的敏感程度，敏感程度越高，β值越大。

进一步地，根据能耗网络属性的性质，其效用函数u(x_PW)表示方式为：

其中，x_PWmin和x_PWmax分别表示异构无线网络中最低能耗属性值以及最高能耗属性值，x_PW表示当前网络能耗属性值，γ表示用户对能耗属性的敏感程度，敏感程度越高，γ值越大。

在异构无线网络中，虽然网络费用属性并不是网络的固有属性，但用户对网络费用属性的要求同样也是属性值越低越好，在只考虑网络费用属性的情况下，用户必然也会期望接入到网络费用最低的网络，随着网络费用的增加，用户的满意度越低。

进一步地，根据网络费用属性的性质，其效用函数u(x_PR)表示方式为：

其中，x_PRmin和x_PRmax分别表示异构无线网络中最低网络费用属性值以及最高网络费用属性值，x_PR表示当前网络的网络费用属性值，表示用户对网络费用属性的敏感程度，敏感程度越高，值越大。

在异构无线网络中，网络负载的定义为：网络已分配带宽与网络总带宽的比值，网络负载属性的表示形式如下：

其中，BW_used表示已分配带宽。网络负载(LD)属性本身与用户偏好无关，是网络对用户网络选择行为的引导因素。LD属性的值越小，就表明该网络的负载越轻，则应该引导用户更倾向于接入到该网络。

进一步地，根据网络负载属性的性质，其效用函数u(LD)表示形式如下：

u(LD)＝(1-x_LD)^θ(7)

0≤x_LD≤1

其中，x_LD表示当前网络的LD属性值大小，θ表示效用函数值随LD的变化指数，根据各网络的不同特点，每个网络的θ值可以不同。

进一步地，根据各个网络属性的效用函数，计算出每个网络中各个网络属性的效用值，构造效用矩阵，效用矩阵U表示形式如下：

其中，u_nm表示网络n的m网络属性对应的效用值。

进一步地，采用AHP方法来构造主观权重，采用熵权法来构造客观权重，具体为：

4.1)采用AHP方法构造主观权重。

4.1.1)首先根据各个属性的重要度，构造判决矩阵为:

该矩阵中，行属性和列属性分别为带宽网络属性、网络费用属性、能耗网络属性、时延抖动网络属性、网络负载属性；矩阵中的数值为两个属性之间两两比对后的重要度；

4.1.2)采用特征根法求解每个属性的权重，得到最大特征根为

λ_max＝5.1361

对应的特征向量为

ξ＝(0.2064 0.4352 0.8672 0.0892 0.0892)^T

规范化后得到业务的主观权重向量为

ω₀＝(0.1223>T

4.2)采用熵权法构造客观权重

4.2.1)计算每个属性在各网络的比重：

4.2.2)计算第j个属性的信息熵

4.2.3)计算第j个属性的权重：

从而得到网络属性的客观权重向量为：

w_i＝(w₁,w₂,…w_m)^T>

其中，w_i表示网络属性i的客观权重。

在异构无线网络中，为了达到用户的业务偏好和网络的客观负载的平衡，最佳的综合权重向量的网络效用值应该与主观权重和客观权重分别得到的网络效用值的总差异最小。

因此，进一步地，建立的单目标最优化模型为：

从而求得综合权重向量[w₁,w₂…,w_J]。

进一步地，采用多属性SAW来计算各个网络的综合效用值，多属性SAW具体为：将每一个网络属性的效用值和该网络属性的综合权重相乘之后求和，各个网络的综合效用值求解方式如下：

最后，将所求得的各个网络的综合效用值进行排序，选出综合效用值最高的网络进行连接。

本发明与现有技术相比，具有如下优点和有益效果：

1、本发明针对不同的网络属性构造了不同的效用函数，并将效用值代替归一化测量值作为决策值，使得决策过程中终端能够得到合理的决策值。

2、本发明综合考虑了QoS、用户设备电量与网络费用，实现了收益与代价的平衡。

3、本发明通过主观权重与客观权重，利用基于单目标优化决策模型通过主观和客观赋权法得到综合权重，在用户偏好和网络客观状态之间得到一个平衡方案，避免用户由于自身偏好而接入较差的网络。

附图说明

图1为本发明的步骤流程图；

图2为本发明中通过主观赋权法和客观赋权法求解综合权重的流程图；

图3为本发明与传统层次分析法分别得到的权重对比图；

图4为本发明与传统层次分析法分别得到的网络总效益对比图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。

实施例

图1所示为本发明的步骤流程图，具体包括：

(1)获取网络属性数据和当前用户业务类型。

获取由网络供应商所提供的网络属性数据和用户所进行的业务类型。网络属性数据包括可用带宽、网络费用、能耗以及网络负载；用户业务类型包括语音、数据和视频。本实施例中网络属性的参数如表1所示。

表1网络属性的参数

(2)对各个决策网络属性构造效用函数，根据网络属性的效用函数求解相应属性的效用值；其中，属性值与用户满意度的关系决定了所采用的效用函数；

在本实施例中，各个网络属性的效用函数具体为：

(2.1)带宽的效用函数：

(2.2)价格(网络费用)的效用函数：

(2.3)时延抖动的效用函数：

(2.4)能耗的效用函数：

(2.5)负载均衡的效用函数

u(x_LD)＝(1-x_LD)²

(3)根据求得的各个网络中网络属性的效用值，构造效用矩阵；

本实施例中，将步骤(1)中网络属性的参数代入到步骤(2)的网络属性效用函数中，构造效用矩阵，本实施例的效用矩阵如下所示：

(4)根据主观权重和客观权重，构造综合权重。

图2所示为通过主观赋权法和客观赋权法求取综合权重的流程图，在本实施例中，采用AHP方法构造主观权重向量，采用熵权法构造客观权重向量。具体步骤包括：

4.1)利用AHP构造主观权重。

4.1.1)首先各个属性的重要度，构造判决矩阵为

4.1.2)采用特征根法求解每个属性的权重，得到最大特征根为

λ_max＝5.1361

对应的特征向量为

ξ＝(0.2064 0.4352 0.8672 0.0892 0.0892)^T

规范化后得到业务的主观权重向量为

ω₀＝(0.1223>T

4.2)计算熵权法构造客观权重

4.2.1)计算每个属性在个网络的比重：

4.2.2)计算第j个属性的信息熵

4.2.3)计算第j个属性的权重：

从而得到属性的客观权重为ω₁＝[0.2278>

4.3)通过层次分析法和熵权法得到主观权重向量和客观权重向量，利用公式(12),等到综合权重为

ω＝[0.1751 0.1589 0.0867 0.5371 0.0424]

图3所示为本发明与传统层次分析法分别得到的权重对比图。

(5)计算网络综合效用，选择最佳网络进行接入。

在不同的业务模式下，对同一属性的侧重点不一样，使得该属性所占的权重会产生相应的变化。利用SAW算法，计算出各个候选网络的得分

C＝(0.3003 0.4127 0.6811 0.7380)

因此，网络排序为

I＝(1 2 3 4)

可见，网络4，即WLAN2网络将作为最佳网络进行连接。

图4所示为本发明与传统层次分析法分别得到的网络总效益对比图，从图4以及综合权重向量来看，背景业务需要较低的时延，较高的带宽和较低的费用。对能耗和网络负载考虑较低。WLAN2网络提供了最低的时延，较高的带宽和较低的费用，是背景业务的最佳选择，故本方法的有效性得到了验证。

上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。