基于多属性决策和群组决策的网络选择方法

摘要

异构网络场景下无线资源管理的一个关键问题是网络选择，本发明提供了一种基于多属性决策和群组决策的网络选择方法。首先由多属性决策方法来得到主观与客观决策结果，利用层次分析法以及熵权法分别得到主观和客观决策结果，然后采用群组决策对主观和客观决策结果进行综合，并采用群组决策中的相容性理论对综合后结果的合理性进行判断，判断是否具有合理性，如果不合理，则需要修改决策，重新进行综合。最后将综合后的结果来对网络进行决策，为用户选择合适的网络。该方法不仅考虑到网络的客观属性，还考虑到了用户的偏好，保证了用户不会因为自己的偏好而选择一些性能较差的网络。本发明不但可以有效减少切换的次数而且还可以为用户提供满意的服务质量。

说明书

技术领域

    本发明涉及一种异构无线网络中基于多属性决策和群组决策的网络选择方法，属于无线通信技术领域。

背景技术

随着通信技术的发展，出现了很多适应不同场景的无线通信系统，如GSM、WCDMA、WiMAX、Wi-Fi以及LTE等，这些系统在覆盖范围、服务速率、平均包时延以及服务价格等方面存在很大差异，它们适用的场景各有侧重，彼此之间很难相互替代。下一代无线网络的发展趋势无疑是这些异构网络之间的融合，但异构网络融合所带来的主要难题是接入或者切换时，要进行的网络选择问题。网络选择的任务是为用户提供满意的服务质量的同时尽量降低服务代价，网络选择方案不但要考虑用户的业务特性和网络的各种属性，还需要考虑用户的偏好。由于网络选择考虑的属性众多，导致没有统一的标准衡量算法的优劣，因此异构网络环境下的网络选择也成为目前通信领域的一个研究热点，也是一个研究难点。

异构网络中进行网络选择时须要综合很多属性，因此很多网络选择算法采用MADM（Multiple Attributes Decision Making）。经典的MADM包括简单加权法、接近理想方案的序数偏好方法、乘法指数权值、灰度分析法、消去和选择转换法和VIKOR等。这些典型多属性决策方法会涉及多属性权重向量的确定，在网络选择中对于多属性权重向量的确定，一般会考虑到用户的业务类型以及用户偏好，例如业务类型为实时的话音业务时，一般要求时延和抖动相对于其他因素重要；用户在满足服务要求时，更偏向于选择费用低的无线网络，这种方法是一种主观赋权法，通常采用的方法是AHP（Analytic Hierarchy Process）。但是在实际网络选择中，还要考虑网络的客观属性，当候选网络中某个属性差异很大，以至有些网络无法满足业务的要求，因此有时在进行属性权重的确定时，还要考虑网络的客观属性之间的差异，这种权重的确定方法称为客观赋权法，其中常用的是EW（Entropy Method）以及标准差法。考虑到在实际进行网络选择时，不但需要考虑到网络的客观属性还要考虑用户的偏好，所以很多文献将主观和客观决策方法综合起来进行网络选择，将得到的两组权重向量通过简单的线性加权，构成新的权重向量，但没有讨论如何选取线性加权因子，以及对合成权重向量的合理性进行讨论

网络选择中不但要考虑人的主观因素，还要考虑网络的客观因素，这就相当于多个决策者进行决策，通过权衡这些决策者来选择一个合适的网络。本发明将群组决策（Group Decision Making, GDM）理论应用到网络选择算法，利用群组决策中的相容性概念对得到的主观和客观权重向量进行综合，构成新的权重向量，最后利用相容性的相关理论来判断综合后的权值向量是否具有合理性。

发明内容

技术问题： 本发明在于提供一种基于多属性决策和群组决策的网络选择方法，作为降低切换次数以及提供用户QoS的一种方法。该方法利用群组决策中的相容性理论，来对主客观决策结果进行综合，将综合后的结果应用到网络选择中，从而改善网络选择的性能。

技术方案：典型的多属性决策策略会涉及到多属性权重向量的确定，对于权重向量的确定方法通常可以分为主观和客观赋权法。其中主观权重的赋权法包括AHP、ANP（Analytic Network Process）以及Delphi法等,这些方法都是决策者根据自身的经验主观确定各属性的权重；而客观赋权法包括熵权法、标准差法等，虽然这两种赋权法的公式是不一样的，但是这两种赋权法都认为属性的差异程度越大，属性越重要，因为从统计角度认为属性差异越大，它更能反映网络间的差异。为了综合考虑业务类型、用户的偏好以及网络客观属性的差异，本发明分别通过主客观赋权法来得到多属性的主客观权重向量。主观赋权法采用AHP法，客观赋权法采用熵权法。

异构网络中进行网络选择不但要考虑用户偏好以及业务的类型，还要考虑网络的客观属性，由于同时涉及主观和客观决策，利用经典的多属性决策方法已不能满足网络选择的要求，因此本发明引入群组决策来对主客观决策进行综合。这里主观和客观属性权重相当于一个主观和一个客观决策者的决策结果，群组决策是用来综合多个决策者的判决结果，得到一个权衡方案来解决这些决策者之间的冲突。本发明采用AHP法进行主观决策，熵权法进行客观决策，并利用相容性和群组决策理论对主观和客观决策结果进行综合，具体步骤如下：

步骤一：计算客观权重向量，首先对属性矩阵                                                进行标准化处理，得到归一化的属性矩阵，其中为网络属性的个数，为无线网络的个数，表示第网络的第个属性，并且，，效益型属性的标准化处理为，，，成本型属性的标准化处理为，利用熵权法得到客观权重向量，其中表示从网络角度的第个属性的权重，根据客观权重向量计算出等价的客观决策矩阵，；

步骤二：计算主观权重向量；假设用户的决策矩阵，其中表示属性比属性的重要程度，根据层次分析法由决策矩阵来得到主观权重向量，其中表示从用户角度的第个属性的权重；

步骤三：通过群组决策理论来综合主客观决策，合成的权重向量为，其中，由合成的权重向量得到等价的合成权重向量；

步骤四：分别计算判断矩阵与、的相容性指标、：

其中，“”为Hadamard乘积运算符，判断与是否都小于指标临界值，如果小于则转至步骤五，否则判断与是否小于，其中为最大容许的指标门限，如果都小于则转至步骤二，否则剔除和中与的相容性最差的决策矩阵，并令等于和中剩下的决策矩阵，并转至步骤五；

步骤五：根据综合权重向量进行网络选择，计算每个网络的性能函数值，并选择性能函数值最大的网络。

    有益效果：异构网络中进行网络选择不但要考虑用户偏好以及业务的类型，还要考虑网络的客观属性，由于同时涉及主观和客观决策。本发明同时考虑用户的偏好、业务特点、网络的实际状况，即同时考虑了主观和客观因素，并基于群组决策对这两种决策结果进行综合，将综合后的结果对网络进行选择，为用户提供满意的服务质量（QoS）。由于同时考虑了主观和客观两方面，因此本发明保证了用户不会因为自己的偏好而选择一些性能较差的网络，不但可以有效减少切换的次数，而且根据用户的业务类型为其提供满意的QoS。

附图说明

图1示出了异构网络的系统模型。

图2示出了本发明的网络选择算法的流程图。

具体实施方式

1. 层次分析法（AHP）

AHP法是一种定量与定性相结合的多属性决策分析方法。AHP法是将决策问题的相关属性分解成目标、准则、方案等层次，按元素之间的支配关系构成阶梯层次形式，用一种标度对人的主观判断进行量化，在此基础上再进行定量分析的一种决策方法。在每一层中通过比较两两属性来确定属性之间的重要性，然后综合每一层的评判结果，得到方案层中备选方案相对重要性的总排序。它将人的思维过程层次化、数量化，并通过数学分析为决策、预报或控制提供定量的依据。它尤其适合在人的定性判断起主导作用以及对决策结果难于直接准确计量的场合。AHP法的步骤如下：

I. 构造层次分析结构

根据层次分析模型，构造合适的目标层、准则层和方案层。目标层是选择合适的接入或切换网络；准则层是影响网络选择的属性；方案层是候选的网络。

II. 构造判断矩阵

判断矩阵是指构造同一属性层的两两元素之间的重要性矩阵，类似可以构造出每一属性层的判断矩阵，每一层的判断矩阵形式如下：

      (1)

其中表示影响网络选择的属性总数，，，且、…表示属性的理想目标权重，表示属性比属性的重要程度，这里的重要程度可以按照Saaty标度来确定，见表1。

表1 Saaty标度

III. 判断矩阵特征值以及权值向量的计算

计算判断矩阵的最大特征值，并得到最大特征值对应的特征向量，对特征向量进行归一化后，得到的向量就是这一属性层的权重向量。

IV. 一致性校验

但是人的主观判断存在误差，所以判断矩阵与理想判断矩阵之间存在差异，理想判断矩阵的最大特征值是，但是实际判断矩阵得到的特征值一般不为，因此得到的权值向量与理想权值向量之间存在误差。这种差异是利用一致性来衡量，如果差异性很大，须要对判断矩阵进行适当修改，并重新进行决策。是利用最大特征根来检验一致性矩阵的偏离程度，其计算公式为：

                                    (2)

表2 平均随机性一致性指标

值越大，表明判断矩阵偏离理想判断矩阵的程度越大；值越小（接近于0），说明判断矩阵的一致性越好。为了表示判断矩阵是否具有满意一致性，还要引入平均随机性一致性指标，对于1-9阶的判断矩阵，其如表2所示。

判断矩阵的一致性指标与同阶平均随机一致性指标之比称为随机一致性比率，即。当时，可以认为判断矩阵具有满意的一致性，否则需要调整判断矩阵，重新计算权值向量，根据AHP法可以得到多属性权重向量。

2. 熵权法（EW）

熵权法是根据信息熵理论而提出的一种权重计算方法。信息量越大，信息熵越小；反之，如果信息量越小，则信息熵越大。属性的信息量通过候选网络中该属性的差异大小来表征，属性差异越大，该属性含有的信息量越大，表明这个属性对网路选择的影响越大，对应的权重越大。

假设异构网络的数目为，并影响网络选择属性的数目为，表示第网络的第个属性，并且，。为了消除属性的量纲效应，并且保持它们的变化信息，这里对属性的标准化采用线性变换。一般对用户而言，属性分为效益型和成本型，效益型的属性是越大越好，而成本型是越小越好，这两种不同属性的标准化公式也是不同的。取，。效益型属性的标准化处理为；成本型属性的标准化处理为。对属性标准化后，再利用熵权法来获得属性的权重向量，其具体步骤如下：

I. 首先对标准化后的属性进行规范化

             (3)

II. 计算属性的信息熵

                                (4)

    其中。

III. 计算属性的权重向量

                             (5)

最后通过熵权法可以得到属性的权重向量为。

3. 群组决策（GDM）

网络选择中不但要考虑人的主观因素，还要考虑网络的客观因素，这就相当于多个决策者进行决策，通过权衡这些决策者来选择一个合适的网络。为了在网络选择中引入群组决策，首先介绍群组决策理论的一些相关知识。

I. 相容性

相容性是用来度量两个判断矩阵距离的量，设，，利用相容度来表示矩阵与的相容性，其计算公式为：

                                (6)

其中，称为和的Hadamard乘积。为了计算方便，用对数来表示相容度，取：

                        (7)

矩阵和的相容性指标用来表示，其中。当 时，称具有满意的相容性，为相容性指标临界值，的取值如表3所示。

表3 相容性指标临界值

II. 群组决策

设有个决策者参与决策，他们的决策矩阵分别是、、…、，各自得到的权重向量是、、…、，利用综合方法得到的合成权重向量是，因此得到综合特征矩阵。排序向量是否被接受，不仅要求每个特征矩阵与自身特征矩阵相容，而且还要求与综合特征矩阵相容。群组决策不但与决策矩阵自身有关，还与综合方法有关，因此最好能求取一个与各个判断矩阵有较好相容性的权重向量。

III. 权重的合成

合成的权重向量理论依据是使得综合特征矩阵与所有的决策矩阵的相容度之和最小，即：

                            (8)

其中(或)表示第个权重向量的第(或)个属性。对(8)式求的偏导，即，求解偏微分方程组，并对所求的权重向量进行归一化，从而可以得到合成的权重向量为：

                        (9)

4. 网络选择算法

     异构网络中进行网络选择不但要考虑用户偏好以及业务的类型，还要考虑网络的客观属性，由于同时涉及主观和客观决策，利用经典的多属性决策方法已不能满足网络选择的要求，因此本发明引入群组决策来对主客观决策进行综合。这里主观和客观属性权重相当于一个主观和一个客观决策者的决策结果，群组决策是用来综合多个决策者的判决结果，得到一个权衡方案来解决这些决策者之间的冲突。本发明中采用AHP法进行主观决策，熵权法进行客观决策，并利用相容性和群组决策理论对主观和客观决策结果进行综合，接下来给出改进的网络选择算法的数学分析。

首先由AHP法和熵权法得到主客观权重向量，假设AHP法中的判断矩阵为，熵权法中标准化的网络属性矩阵为，根据1-2中步骤得到它们的权重向量分别为和。是根据网络的属性矩阵计算得到的，等效于一个客观判断矩阵来得到，其等效的判断矩阵为。 通过群组决策理论来综合主客观决策，利用（9）式得到的合成权重向量为，其中

                (10)

其等效的判断矩阵是。利用群组决策理论对主客观权重进行综合后，还要判断综合后的权重向量是否满足相容性要求，即判断矩阵与和是否具有满意的相容性，它们的相容性指标分别为：

(11)

如果与都小于同阶的相容性指标临界值，则说明综合后的权重向量符合相容性校验。如果不符合满意性校验，则需要对判断矩阵做适当修改，保证用户不能依赖自己的偏好选择一些性能很差的网络。在某些情况下，可以剔除相容性很差的决策矩阵，使得决策更为集中，网络选择更为合理。利用得到的综合权值向量来进行网络选择，每个网络的性能函数可以表示成标准化后的属性与其权重的乘积之和，即第个网络的性能函数可以表示成：

                   (12)

计算出每个网络的性能函数结果，最后选择性能最大的网络。基于多属性决策和群组决策的网络选择算法的流程图如图2所示，步骤如下:

步骤一：利用熵权法计算客观权重向量，首先对属性矩阵进行标准化处理，然后利用（3-5）式得到客观权重向量。

步骤二：利用AHP法主观权重向量，结合AHP法来得到主观权重向量。

步骤三：根据利用（9）式来综合主客观权重向量，得到综合后的权重向量。

步骤四：根据（11）式来判断综合后的判断矩阵与和的相容性，判断相容性的算法如下:

1:   Initialize,,,,,and set iteration index ;

2:   while  do

3:      if 

4:           then go to Step 5.

5:      else if 

6:           then go to Step 2.

7:      else

8:     then eliminate the decision matrix with maximum compatibility index, and select the weights’vector of the remained decision matrix as , and go to Step 5.

9:   end if

10:  Set ;

11:  end while

12:  Go to Step 5.

其中为AHP的最大判决次数，为相容性指标的最大容许值。

步骤五：根据综合权重向量进行网络选择，选择性能函数值最大的网络，即可以表示成：

                                      (13)