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。      

基于动态灰色多指标决策的异构网络选择

将异构网络中的网络选择转化为典型的动态多指标决策问题,提出了一种基于动态多指标决策理论和灰色关联理论的网络选择策略。在考虑用户偏好、业务应用和网络参数当前好坏程度的基础上,进一步考虑了网络参数的动态变化趋势,从而为用户提供全面的QoS保证。仿真结果表明,这种策略能为用户提供合理的接入选择。     

基于多属性决策的异构网络选择算法比较研究

本文提出层次分析法结合逼近理想解法共同组成的算法对备选网络进行网络选择,主要考虑带宽、时延、抖动和丢包率四个QoS属性以及价格属性对网络选择的影响,判断了四类典型业务下,网络的综合性能,最后选择出适合用户业务的最佳网络。仿真结果表明,该算法适用于流类业务较多的情况,与层次分析法相比,该算法既能准确选择适合用户业务的接入网络,同时还能将网络负载从16.61%下降到了8.63%。     

基于多属性和群组决策的海上移动节点网络选择方法

针对海上异构无线网络因节点移动性特征造成的多网络覆盖下最优网络选择困难的问题,从克服节点移动性因素影响、确保决策权值客观合理的角度出发,提出了一种新的基于多属性和群组决策的海上移动节点网络选择方法。该方法采用层次分析(Analytic Hierarchy Process,AHP)法和熵权(Entropy Weight,EW)法分别作为主观权重方法和客观权重方法,并引用位置权重,降低移动性因素影响,采用群组决策进行权重综合,使决策权值更加客观合理。仿真结果表明,所提方法能够有效提升网络传输速率和传输质量,相对于基于AHP法、EW法以及距离的网络选择方法,具有更优的网络传输时效性和稳定性。     

异构无线网络环境下的网络接入选择算法研究

针对QoS对网络选择的影响,分析了当前的网络选择算法的SAW,GRA,MEW和TOPSIS,提出改进的RafoQ(Ranking for QoS)网络选择算法。仿真结果表明,与现有的网络选择算法相比,改进的RafoQ选择算法在时延、抖动性以及丢包率方面具有明显的优势。     

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。     

一种基于地理信息系统的异构网络多目标算法

地理信息系统（Geographic Information System,GIS）和多目标算法为异构网络基站部署问题带来新的突破。ArcGIS系列是GIS专业化的管理软件,采用ArcGIS软件对包含学校、医院等场景的中国某市密集城区进行建模分析,并且提出基于目标权重因子的多目标离散粒子群算法（Multi-objective Discrete Particle Swarm Optimization algorithm based on Target Weight Factor,MDPSO/TWF）,基于多个目标函数整体最优研究异构网络基站部署问题。仿真结果表明,所提的MDPSO/TWF算法具有可行性和先进性,可以综合考虑网络负载和网络能效多个优化目标,将业务需求与实际基站选址相结合,在满足业务需求的基础上尽可能达到节能的目的。     

WLAN/LTE异构网络中网络选择优化算法

目前,配有多种无线接入技术的多模终端变得越来越流行,与此同时,网络运营商和服务提供商利用各种技术,力争在为用户提供无缝服务的同时,使其成本最低。为了使复杂环境下的操作标准化,3GPP目前正致力于研究IP流的移动性和移动数据卸载的解决方案。本文提出了一种在WLAN/LTE异构网络环境下接入网络选择的优化方案。方案不仅考虑了移动节点中的可用参数和它当前所关联的网络及备选网络,还对异构网络的整体性能进行了优化。文章介绍了一种基于著名的装箱问题近似解的优化模型和分布式处理信号的方案。最后用模拟器对方案进行了验证,结果表明,相比只根据本地可有信息来进行切换,上述解决方案对网络的性能有明显改善。     

一种基于博弈论的5G异构网络多目标优化干扰算法

为解决高铁无线网络的通信干扰问题,提升高铁通信的吞吐量和能量效率,提出了一种基于博弈论的双目标优化干扰算法。首先,通过获取非理想信道的相应预编码矩阵和干扰抑制矩阵,计算包括延迟和衰落的非理想信道状态信息,实现干扰信号的空间对齐。其次,基于系统总功率、信干噪比,建立了功率分配双目标最佳博弈模型,实现吞吐量和能效的双重优化,并采用最大信噪比的干扰对齐算法,通过迭代计算实现干扰管理优化。最后,基于Matlab仿真平台与传统的干扰优化算法进行对比分析。实验结果表明,当信干噪比为30 dB、列车运行速度为300 km/h时,所提算法的吞吐量增加48.95%,能量效率增加53.02%,误码率减少14.37%;当信干噪比为30 dB、轨旁设备数量为5时,所提算法的吞吐量达到88.03%,能量效率达到71.58%;与其他算法相比,所提算法在系统吞吐量、能量效率和传输可靠性方面均具有显著优势。     

Heterogeneous Network Selection Optimization Algorithm Based on a Markov Decision Model

A network selection optimization algorithm based on the Markov decision process(MDP)is proposed so that mobile terminals can always connect to the best wireless network in a heterogeneous network environment.Considering the different types of service requirements,the MDP model and its reward function are constructed based on the quality of service(QoS)attribute parameters of the mobile users,and the network attribute weights are calculated by using the analytic hierarchy process(AHP).The network handoff decision condition is designed according to the different types of user services and the time-varying characteristics of the network,and the MDP model is solved by using the genetic algorithm and simulated annealing(GA-SA),thus,users can seamlessly switch to the network with the best long-term expected reward value.Simulation results show that the proposed algorithm has good convergence performance,and can guarantee that users with different service types will obtain satisfactory expected total reward values and have low numbers of network handoffs.     

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.     

基于改进深度Q学习的网络选择算法

在引入休眠机制的超密集异构无线网络中,针对网络动态性增强,导致切换性能下降的问题,该文提出一种基于改进深度Q学习的网络选择算法。首先,根据网络的动态性分析,构建深度Q学习选网模型;其次,将深度Q学习选网模型中线下训练模块的训练样本与权值,通过迁移学习,将其迁移到线上决策模块中;最后,利用迁移的训练样本及权值加速训练神经网络,得到最佳选网策略。实验结果表明,该文算法显著改善了因休眠机制导致的高动态性网络切换性能下降问题,同时降低了传统深度Q学习算法在线上选网过程中的时间复杂度。     

新的犹豫模糊集相关系数及多属性决策应用

为解决犹豫模糊集相关系数违背统计学和随机过程直觉的问题,分析了现有相关系数的局限性,基于更严谨的数学相关系数定义模式,通过定义犹豫模糊集的方差和协方差提出新的犹豫模糊集相关系数计算方法.并考虑犹豫模糊属性权重的影响将其拓展为加权相关系数,最后将所提出的方法应用到多传感器多属性决策问题中.仿真试验验证了新的犹豫模糊集相关系数决策的有效性,并对比分析了相关系数计算性能和属性权重对的决策结果的影响.     

基于匹配博弈的车辆异构网络选择算法

摘要：针对车辆在异构网络覆盖环境下的网络接入选择问题,基于双边匹配博弈中稳定匹配的相关概念,提出一种车辆异构网络选择博弈模型,通过用户侧与网络侧的双向选择得到异构网络选择的稳定匹配。算法首先利用层次分析法获得相应权重分配以给出满意度函数,然后将网络侧的一对多匹配转化为一对一匹配问题,在稳定匹配条件下构建多目标优化模型,并求解最优匹配结果。相关性能分析及仿真实验表明,基于稳定匹配的博弈模型相对于传统决策模型,能够使网络和用户侧双方的满意度最优化,从而得到双向网络选择的均衡状态。     

异构网络融合环境下基于加权二分图的网络选择算法

摘要：在异构网络融合场景中,为了合理利用异构网络资源,提出了一种基于加权二分图的网络选择算法。将网络选择过程映射为寻找最优加权二分图的过程,用户和网络双方的需求经数学建模后进行供需最优匹配,供需匹配有二次选择机会以平衡网络负载。与其他算法相比,提出的算法可以为不同QoS业务提供满足需求的匹配结果,并且能够动态调整网络负载,实现异构网络融合场景中用户需求和网络资源的合理匹配。