异构网络中多网络并行传输的网络选择算法

为了充分利用异构网络中的无线资源,提出了一种基于多网络并行传输的异构网络接入选择算法,该算法根据终端接收信号功率确定能够进行通信的无线网络,以这些无线网络的任意非空子集作为候选方案,计算各个方案对应的聚合属性,再根据吞吐量和功耗阈值条件限定候选网络方案,对这些方案建立多属性决策矩阵,采用基于用户偏好的逼近理想值排序法(TOPSIS)得到各个候选网络方案的效用函数值,从中选出与理想方案最接近的多网络接入方案。仿真结果表明该算法能有效改善用户服务质量,提高用户吞吐量,降低用户的单位吞吐量对应的功耗和费用,保证网络的负载均衡。      

基于强化学习的异构无线网络资源管理算法

为了充分利用各种无线网络的资源,需要实现异构网络的融合,而异构网络的融合又面临接入控制与资源分配的问题。为此,提出一种基于强化学习的异构无线网络资源管理算法,该算法引入 D2D （device-to-device）通信模式,并可以根据终端不同的业务类型、终端移动性及网络负载条件等状态,选择合适的网络接入方式。同时,为降低存储需求,采用神经网络技术解决连续状态空间问题。仿真结果表明,该算法具有高效的在线学习能力,能够有效地提升网络的频谱效用,降低阻塞率,从而实现自主的无线资源管理。     

基于模糊神经网络的异构无线网络接入选择算法

针对现有异构无线网络基于模糊逻辑及神经网络的接入选择方法未能合理考虑网络负载状况的问题,提出一种基于RBF(径向基函数)模糊神经网络的接入选择方法.该方法以可接入网络的接入阻塞率相等为模糊神经网络参数强化学习的目标,对网络负载程度具有很好的动态适应性,实现了智能化的接入判决.仿真结果表明,该方法能有效均衡异构无线网络间的负载,保障实时与非实时业务的QoS,并且相对于负载均衡算法(MLB算法)降低了网络的接入阻塞率.     

基于混沌遗传的异构无线网络接入选择策略

为了解决异构无线网络接入选择问题,提出一种基于混沌遗传算法的解决方法.将网络接入选择转换为一个多属性优化问题,利用混沌遗传算法解决全局寻优问题.算法首先通过超混沌系统产生初始种群和混沌扰动向量,对遗传算法进行改进;然后利用混沌遗传算法对适应度函数求解得到网络选择评价指标权重.仿真结果表明,该算法能够使新到达的用户更均匀地分布在各备选网络中,有效降低网络阻塞率并减小各候选网络阻塞率差距,实现网络的负载均衡.     

一种软件定义无线网络负载均衡架构及算法

软件定义网络( SDN)为实现异构无线网络中的负载均衡提供了新的思路。设计了一种软件定义的无线网络负载均衡架构,并提出对应算法。首先,根据接收信号强度构建候选网络列表;其次,根据各候选网络的可用负载比率标准差进行负载差异分级;再次,将服务质量匹配度函数和负载均衡指数线性组合成联合优化函数,并根据负载差异分级对联合优化的权重进行动态调整,合理设置门限进行接纳控制。与传统算法相比,所提算法一方面可使各类业务阻塞率明显降低大约20%,另一方面使不同网络的归一化负载更加接近。该算法在进行网络负载均衡的同时,能够有效降低业务阻塞率,从而有效提升异构无线网络的整体性能。     

异构无线网络接入策略的比较研究

针对目前异构无线网络接入选择算法种类繁多并且功能各异的情况,为了解决异构无线网络中移动终端在任何时间、任何地点进行最优网络接入的问题,该文首先简单介绍了异构无线网络,其次根据优化目标的不同将异构无线网络接入选择算法分为基于决策因素的接入选择算法和基于数学模型的接入选择算法两类,最后分析了目前国内外异构无线网络接入选择算法的研究情况,对现有的异构无线网络接入选择算法在业务类型、用户策略以及网络安全性等方面进行了分析。为选择合适的异构无线网络选择算法提供了有效的依据及借鉴意义。     

异构无线网络中基于模糊逻辑的分级垂直切换算法

在异构无线网络中,针对综合考虑网络端和用户端参数的垂直切换算法,参数权重难以确定,同时基于模糊逻辑的垂直切换算法存在复杂度高的问题,该文提出一种基于模糊逻辑的分级垂直切换算法。首先,将接收信号强度(RSS)、带宽、时延输入到1级模糊逻辑系统,结合规则自适应匹配,推理出QoS模糊值,并通过QoS模糊值对网络进行初步筛选得到候选网络集;然后通过触发机制触发2级模糊逻辑系统,并将候选网络的QoS模糊值、网络负载率、用户接入费用输入2级模糊逻辑系统,同时结合规则自适应匹配,得到输出判决值,从而选择最佳接入网络。最后,实验结果表明,该算法能保证网络性能的同时,降低系统的时间开销。     

基于混合决策值的异构无线网络选择算法

针对异构网络环境下网络选择算法中决策值归一化或模糊化中存在的问题,提出了基于混合决策值的异构无线网络接入选择算法。该算法根据用户需求建立垂直切换算法评价指标体系,在此基础上建立混合型决策矩阵和计算一级指标、二级指标的权重,TOPSIS算法选择最优的网络。仿真分析表明,该算法在网络选择的过程中能够综合备选网络的各项指标,选择最优的网络接入,同时也能够满足具有特殊需求的移动台,提高网络吞吐量或减少传输延迟时间。     

基于决策概率的接入网选择

为了指导移动用户在B3G的异构系统中选择一个最优的无线网络接入,提出了基于决策概率的接入网络选择算法。该决策概率综合考虑了网络服务质量(QoS)的满意度、网络的收费价格和用户与网络间的相对链路质量。在NS2仿真平台下,搭建了UMTS和802.11e的异构仿真环境并模拟了用户依据决策概率所进行的网络选择行为。仿真表明,通过所提出的算法,终端能够选择到满意的网络进行接入。     

基于多网并行传输技术的海上异构网络接入算法

针对海上异构无线网络中网络接入选择算法存在干扰环境适应性不强、单网传输效率低、业务完成率低的问题,提出了一种基于多网并行传输的海上异构网络接入选择算法。该算法在满足多属性决策的基础上,采用效用函数对网络属性值进行数值标准化,再采用改进的逼近理想值排序(Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS)法计算出备选接入网络方案的排序,最后选择排序靠前的网络进行接入。仿真结果表明该算法相对于传统TOPSIS算法和模拟人工切换算法能有效降低接入成本,改善用户服务质量,提高业务完成率。     

异构多模终端的接入选择功能架构

不同类型无线网络的融合是宽带无线通信发展的必然趋势。在异构融合网络环境中,无论何种无线网络都能够提供无所不在的最优服务。具有挑战性的问题就是异构多模终端的管理系统和接入选择功能架构的设计。一种异构多模终端管理架构通过与各协议层的有效交互,可以适应多种接入标准与技术的要求,实现多模异构终端的无缝接入和移动。接入选择是核心研究问题之一,接入选择功能架构主要包含3个模块：接入适配、移动管理、用户偏好。     

基于效用理论的异构无线网络选择

在未来的异构无线网络环境中,为满足数据业务的需求,移动用户总希望能够接入最适合的网络。针对将实际测量的指标值归一化后作为决策值中存在的问题,提出了将效用理论应用到多指标算法中,设计了指标在不同业务、终端状态、用户类型下的效用函数,并用指标效用替代归一化测量值作为决策值计算备选网络的总效用,最后根据总效用值的比较来选择最优网络。仿真表明,此算法能够更好地反映用户的需求,帮助用户选择适合的网络。     

基于分解的多目标进化算法的异构无线网络业务接入控制

异构无线网络接入控制问题包含多个优化目标,现有算法考虑不全面且多是将其转换为单目标求解,限制了各目标的相对关系,无法适应不同的实际需求。该文提出一种直接采用多目标进化算法的接入控制算法。首先将优化目标扩展为3个,分别是最小化阻塞率、最小化占用总资源和负载均衡;其次引入基于分解的多目标进化算法(MOEA/D)并设计进化策略,进行初步寻优;最后通过非支配排序得到Pareto最优解集,即最佳接入方案。仿真结果表明,所提算法可以提高各优化目标的求解精度,从而提高业务接入成功率和网络资源利用率,并且为决策者提供多种接入方案,可根据实际需求进行最优选择。     

基于业务类型的异构无线网络选择算法

下一代异构无线网络环境下,用户的业务需求将更加多样化。根据3GPP对无线网络业务类型的划分,提出了一种基于业务类型的异构无线网络选择算法。该算法在无线多模终端中引入业务分析模块,考虑网络数据速率、时延、可靠性、安全性、价格等多种因素对不同业务的影响,采用模糊层次分析法,综合评价选出最佳网络接入。仿真结果证明,该算法能够根据业务类型有效地选择最佳网络,充分发挥异构网络的优势,有利于网络资源的优化调控。     

基于5G无人机通信的多智能体异构网络选择方法

摘 要：5G无人机通信网络和各种不同无线接入技术的结合使无线异构网络呈现多样化的发展趋势。然而，用户繁多且不同的业务请求对网络要求也不同，造成网络接入选择问题。提出了一种基于5G无人机通信的多智能体异构网络选择方法，将用户分为多个智能体，从用户端和网络端两个方面出发，将用户侧的时延和传输速率需求与网络侧的负载均衡需求综合考虑作为即时回报的相关参数，通过基于Nash Q-Learning的算法进行学习，得到异构网络环境下的网络选择决策模型。仿真结果表明，所提异构网络选择方法针对不同业务类型用户的需求均能选择合适的网络，同时均衡网络的负载，充分利用异构无线网络的资源。     

基于GLV模型的异构网络联合无线资源管理

为使不同的无线接入网络协同工作,实现异构无线网络的接纳控制,基于生态学种群竞争与异构无线网络资源管理的映射关系,提出了一种分布式联合无线资源管理(JRRM)算法。建立了基于Gause-Lotka-Volterra(GLV)的异构网络业务量预测模型,根据预测的业务量是否达到共存状态来调整网络参数,以使各网络的业务量达到稳定平衡状态。性能分析与仿真结果表明,该算法可以均衡各个网络的业务量,减少竞争对于网络的影响,使不同网络运营商均获得了一定收益。     

异构无线网络中基于马尔可夫决策过程的区分业务接纳控制的研究

对异构无线网络中区分业务类型的接纳控制机制进行研究.分析了语音和数据2种典型业务在CDMA蜂窝网络和WLAN中的容量区域.基于马尔可夫决策过程理论,提出异构无线网络中区分业务类型的接纳控制理论模型,规定了不同类型业务的接纳控制行为并推导了系统状态转移概率.而且,进一步从用户角度对不同类型业务QoS要求和网络状态之间关系进行分析,提出一种基于模糊逻辑的接纳效用评估机制,在保证各类业务接入和切换成功率的基础上,推导出接纳效用最大的最优接纳控制策略.仿真表明,基于模糊逻辑的接纳效用评估能够有效反映网络状态动态变化对接纳控制的影响,最优接纳控制策略在平均接纳效用方面明显优于不考虑业务区分和用户移动性2种接纳控制机制,并且能严格保证各类业务的接入和切换成功率.     

考虑负载均衡和用户体验的垂直切换算法

在超密集异构无线网络中,针对城区交通高峰期,大规模车载终端短时间聚集性移动引起的网络拥塞问题,该文提出一种考虑负载均衡和用户体验(LBUE)的垂直切换算法。首先,引入网络环境感知模型预测网络未来的拥塞程度,并提出一个融合自组织网络的网络架构,缓解网络拥塞。其次,定义业务适应度和负收益因子,并提出一种基于秩和比(RSR)的自适应切换判决算法,为用户筛选出当前环境下满意度最高的目标网络。实验结果表明,该算法能够有效降低终端接入网络的阻塞率和掉话率,实现网络间负载均衡并提升用户体验。     

超密集异构无线网络中基于位置预测的切换算法

在密集异构蜂窝网络和无线局域网络构成的超密集异构无线网络中, 变速移动的车辆终端会面临更加频繁的切换,导致用户服务质量(QoS)变差。该文针对上述问题,首先,利用高斯马尔可夫移动模型,预测车辆下一时刻的位置,筛选出满足终端服务质量的候选网络集,与当前的候选网络集做交运算,其次,当前接入网络不在交集中,则使用变步长的萤火虫算法寻找最佳网络;再次,对因预测误差导致的切换失效,则把终端用户迁移到宏蜂窝,以保证通信的持续性。仿真结果表明,在超密集异构无线网络中,使用该文所提算法能够减少乒乓切换等频繁切换现象,同时,提升了用户的服务质量和网络吞吐量。     

多网络接入协同选择与聚合算法

针对异构无线网络场景,本文提出了一种基于协同学的多网络并行接入协同聚合算法,该算法基于吞吐量、可用信道数、功耗、费用及丢包率等多个参数构建了网络协同度评价体系,将属性要求作为协同子系统,属于同一属性的不同参数作为子系统的序参量,序参量之间相互协同和制约,以更加全面地衡量聚合网络的整体性能。多网络聚合过程分为两步:首先计算单个网络的协同度,以判断该网络是否为参与聚合的候选网络,多个候选网络的各种排列组合可以得到多种网络的候选方案;候选方案采用属性聚合形成聚合网络,然后计算聚合网络的协同度,选择协同度最大的多网络聚合方案。仿真结果证明,本文算法能够更加合理分配信道,降低用户接入阻塞率,增加用户的平均吞吐量和系统容量,同时降低单位吞吐量对应的功耗和费用。