胡明娣, 谭明明

(西安邮电大学 通信与信息工程学院， 陕西 西安 710121 )



基于Vague集的异构网络垂直切换算法

胡明娣, 谭明明

(西安邮电大学 通信与信息工程学院， 陕西 西安 710121 )

给出一种基于Vague集的异构网络垂直切换算法，在模糊化时将参数映射到Vague集上，并构造新的计分函数使其更为智能化。仿真结果表明，所给算法可减少不必要切换的频率，减小乒乓效应的不利影响。

Vague集；异构网络；垂直切换

当今的无线网络是多种技术并存与融合而形成的无线异构网络[1]。综合利用不同网络的优势，可以提升网络性能，达到无缝连接，得到实时切换服务[2]，满足用户需求。网络融合的关键在于垂直切换，优秀的切换算法在越区时适时切换，可以使用户服务不中断。

垂直切换过程分为3部分：系统发现、切换判决和切换执行[2]。在垂直切换判决中，判决算法需考虑多种参数,如可用的带宽、延迟、抖动、接入的代价、误码率、传输的功率、终端电源情况以及用户个人的偏好等。在切换执行阶段，要无缝地从当前网络切换到新网络，其关键仍在于判决算法的确定。垂直切换要考虑多种因素，故最好选择多属性判决(Multiple Criteria Decision Making，MCDM)[3]。

关于垂直切换判决的研究，已由当初的基于简单加权、序数偏好、层次分析法的多属性决策算法[3]，发展到现在基于模糊[4]、神经网络的、遗传算法的人工智能判决算法[2,5]。

基于层次分析法的切换算法，虽然能够解决代价函数中不同性的加权问题，但难以避免个人主观判断对判决结果的影响,有的算法[6]还容易带来乒乓效应。对逼近理想解排序法判决结果的逆序问题加以改进，可实现由每个目标网络Qos的范围确定绝对正负理想解[7]，但难于处理不确定问题。遗传网络优化的模糊神经网络垂直切换算法[8]收敛速度很快，但容易早收敛，可能会影响判决结果的精准性。人工智能模糊推理算法[2,5]在模糊推理机中，模糊化的隶属度仅限3种取值(low，medium，hight)，还远不能表达人脑对事物状态认识的复杂性。

Vague集[9]是Fuzzy集[10]的推广。对Vague集中的任一元素，可用一个真隶属度函数和一个假隶属度函数表示其隶属度的边界，这两个边界一个反映了元素对象肯定具有的信息，一个反映了该信息震荡变化的上界。对元素隶属度上下界的同时关注，可使对信息知识的把握更实际，从而使Vague集在处理信息时有更强的柔韧性和表现力，更加符合事实的多变性和复杂性。

本文拟将Vague集引入异构网络垂直切换算法的研究。先在模糊控制的模糊化时，将参数的隶属度与非隶属度转化到Vague集区间上，再构造新的计分函数，并证明其有效性，之后，将计分函数引入模糊推理机中，给出基于Vague集的异构网络垂直切换算法。

1 Vague集及计分函数

设有决策方案集A和决策属性集C，且

A={A1，A2，…,Am},

C={C1，C2，…，Cn}。

决策方案Ai在决策属性集C下的特征可表示为Vague集[9,11]

Ai={(c1,[ti1,1-fi1]),(c2,[ti2,1-fi2]),

…,(cn,[tin,1-fin])}。

(1)

其中,tij表示决策方案Ai满足属性Cj的相关程度，fij表示决策方案Ai不满足Cj的相关程度。

决策者要在决策集A中寻找出一个方案,并保障该方案同时满足属性cj,ck,…,cp,或者满足属性cs，那么，决策者的要求就是(cj∧ck∧…∧cp)∨cs。要度量决策方案Ai对此要求的满足程度，需要用到评价函数

E(Ai)={([tij,1-fij])∧([tik,1-fik])∧

…∧([tip,1-fip])}∨([tis,1-fis])=

[tAi,1-fAi]。

(2)

其中

tAi=max{min{tij,tik,…,tip},tis}，

1-fAi=max{min{1-fij,1-fik,

…,1-fip},1-fis}。

基于Vague集的多准则模糊决策相关问题，就是从用Vague集表示的,满足属性指标程度的候选方案中,找出满足决策者要求的,最合适的方案。

计分函数可以表述为[11]

S(E(Ai))=tAi-fAi。

(3)

其值越大，方案Ai越满足决策者需求。该式的出发点是假隶属度函数比真隶属度函数具有越多的劣势，越满足决策者的需求。但是，利用这种计分函数，两种不同方案的函数值有可能出现相同，从而无法区分其优劣。另一种计分函数[12]

H(E(Ai))=tAi+fAi,

(4)

面临着同样的问题。

2 两种新的计分函数

2.1 引入中立度的计分函数

采用分步的思想，考虑Vague集

V=[tv(x),1-fv(x)]

的三维性质，即tv(x)，fv(x)和πv(x),其中

πv(x)=1-tv(x)-fv(x),

称为元素x在V上的中立度。

②金融商品转让按规定以盈亏相抵后的余额作为销售额的。金融商品实际转让月末，如产生转让收益，则按应纳税额借记“投资收益”等科目，贷记“应交税费——转让金融商品应交增值税”科目；如产生转让损失，则按可结转下月抵扣税额，借记“应交税费——转让金融商品应交增值税”科目，贷记“投资收益”等科目。交纳增值税时，应借记“应交税费——转让金融商品应交增值税”科目，贷记“银行存款”科目。年末，本科目如有借方余额，则借记“投资收益”等科目，贷记“应交税费——转让金融商品应交增值税”科目。

引入中立度，改造计分函数为

G1=tv(x)-fv(x)-0.5πv(x)。

(5)

G1值越大，说明对应策略越好。考虑到异构网络切换应尽量减少切换次数，故只将中立度的1/2作为可能不支持网络切换的部分，引入计分函数修订。当然，仅凭G1仍难以避免相异策略函数同值的情形，为此构造另一计分函数

G2=tv(x)-fv(x)。

(6)

同样，求得的G2越大，表示相应策略就越好。

可以证明，利用G1和G2，便能唯一确定两个Vague方案的优劣。设有

A=[tA,1-fA],

B=[tB,1-fB],

若利用G1和G2无法决出其优劣，则说明

G1(A)=G1(B)，

G2(A)=G2(B),

由此分别可以得出

3(tA-tB)=fA-fB,

tA-tB=fA-fB，

(7)

从而有

tA=tB,fA=fB。

(8)

也即A=B。可见，除非对于两个相同方案，否则，利用G1和G2，即可判定其优劣。

2.2 加权计分函数法

实际环境中，约束条件的重要性往往有所差别，故需对约束条件cj,ck,…,cp按其重要性赋权。假设它们的权重分别为wj,wk,…,wp∈[0,1]，且

wj+wk+…+wp=1,

那么,加权计分函数可表示为

W(Ai)=max{G1([tij,1-fij])wj+

G1([tik,1-fik])wk+…+

G1([tip,1-fip])wp,G1([tis,1-fis])}。

(9)

当由此出现数值相等的情形时，将数值相等的那些策略，接着用G2进行运算比较，即可得到最优选择。

3 基于Vague集的垂直切换算法

为方便讨论，仅考虑在网络切换判决中起决定作用的3个参数：信号强度x1，网络带宽x2和费用x3。先依次对这些切换指标进行Vague模糊化，然后将其代入多属性判决算法。

3.1 参数Vague化

只考虑两种网络之间的垂直切换，即方案A1和A2分别对应于网络WLAN和UMTS。设方案Ai的指标xj为不小于零的单值数据xij,并记

xm,j=min{x1j,x2j},

xM,j=max{x1j,x2j},

根据Vague参数模糊化方法[13]，则有

(10)

因为0≤xm,j≤xij≤xM,j,于是

所以

满足Vague集的有界准则。又由于

所以同时满足

tij+fij≤1。

3.2 切换判决规则

利用函数G对各参量计分，得到相关参量的计分值G(E(Ai(xj))),以此即可进行判决切换，但考虑到不同参量对网络性能的重要程度存在差异，仍需对各参量加权处理。权值的选取可以根据网络条件进行动态选择, 但考虑到运算复杂度, 根据信号强度x1和费用x3对切换判决的重要程度不同,采用固定加权来处理，即取

w1=0.8,w3=0.2。

再通过加权计分函数计算两种网络的综合评估值

Vi=max{G[Ai(x1)]w1+G[Ai(x3)]w3,

G[Ai(x2)]}。

(11)

切换决策实际需要经历两个过程:一个是Vague模糊控制过程，另一个是切换判决过程。

Vague模糊控制的基本过程为：输入参数的Vague化，得到相关Vague语言变量，再基于Vague规则来进行推理运算，最后做Vague计分运算。Vague计分事实上是逆模糊化的过程，把Vague值转换为具体数值，最后输出综合评估值，来用于判断切换与否。Vague控制系统如图1所示。

图1 Vague控制系统

垂直切换判决过程则可描述如下：当移动终端从UMTS切换到WLAN时，若V1≤V2，则不发生切换，否则切换；当移动终端从WLAN切换到UMTS时，若V1

图2 基于Vague集的异构网络垂直切换算法

4 仿真分析

4.1 系统模型

在实际应用场景中，由UMTS和WLAN所组成的异构无线网络具有代表性。不失一般性，假定异构无线网络系统中包括两个UMTS基点和两个WLAN热点，并且移动节点始终处在UMTS覆盖范围内，WLAN的部署是不连续的，其模型如图3。其中每个UMTS基站的覆盖半径是1 000 m，带宽为3 Mbps，每个WLAN热点的覆盖半径是200 m，带宽为54 Mbps。

图3 仿真系统模型

4.2 仿真计算与分析

先令一移动节点(MN)在系统场景内行走，路程长4 000 m，途经UMTS1→WLAN1→UMTS2→WLAN2→ UMTS2，移动节点速度为10 m/s，总共用时400 s。相关仿真结果如图4和图5所示。

此次仿真一共发生4次切换，结果与现实情况相符，这说明所给算法准确可行。

图4 移动台切换概况

图5 移动台切换详情

另在仿真系统中均匀分布10个移动节点(MN)，允许其随机自由移动，将所给算法与已有其他3种算法进行对比，即记录各算法控制下，50 s内10个移动节点发生切换的总次数，并测试20次，相关结果如图6所示。其中，普通切换算法只将接收信号强度作为切换的判决因素，Fuzzy logic算法将信噪比、网络的可用带宽以及费用进行模糊化,原Vague logic算法采用改进前计分函数[11]。

图6 4种算法切换次数对比

统计结果显示：采用普通切换算法，平均切换19.6次；采用Fuzzy logic算法，平均切换12.1次；采用原Vague logic算法，平均切换10.55次；而采用改进后的算法，平均切换仅需要8.55次，切换次数最少。这说明，改进算法可有效减少切换次数，抑制乒乓效应的发生。

5 结语

将异构网络切换参数的隶属度描述推广为真隶属度与假隶属度两种描述，构造了新的Vague计分函数，给出一种更加智能的异构网络垂直切换算法。对由网络WLAN和UMTS所模拟搭建的异构网络系统，以信号强度、带宽和价格3个参数作为影响切换的因子，给出了Vague值和计分函数的计算结果，并做出垂直切换判决。仿真试验显示，改进算法，即基于Vague集的异构网络垂直切换算法，优于只考虑信号强度的普通算法和Fuzzy Logic算法，能够综合多种影响切换的因子，做出更加准确的切换判决，可以有效的抑制不必要的切换。

[1] LEE S K， SRIRAM K，KIM K S，et al. Vertical Handoff Decision Algorithms for Providing Optimized Performance in Heterogeneous Wireless Networks[J/OL]. IEEE Transactions on Vehicular Technology，2009，58(2)：865-881[2016-04-03].http://dx.doi.org/10.1109/TVT.2008.925301.

[2] CALHAN A, CEKEN C. An Optimum Vertical Handoff Decision Algorithm Based on Adaptive Fuzzy Logic and Genetic Algorithm[J/ol].Wireless Personal Communications, 2012,64(4):647-664[2016-04-05].http://dx.doi.org/10.1007/s11277-010-0210-6.

[3] 贺锌,李斌. 异构无线网络的切换技术[M/OL]. 北京:北京邮电大学出版社,2008:255-256[2016-04-05].http://www.bookask.com/book/89635.html.

[4] 何晴,陈光.一种基于模糊控制的3G-WLAN垂直切换算法[J/OL].科技通报,2010,26(2):261-264[2016-05-03].http://dx.chinadoi.cn/10.3969/j.issn.1001-7119.2010.02.018.

[5] ALKHAWLANI M, AYESH A. Access network selection based on fuzzy logic and genetic algorithms[J/OL]. Advances in Artificial Intelligence, 2008,8(1):1-12[2016-05-06].http://dx.doi.org/10.1155/2008/793058.

[6] 刘胜美，孟庆民，潘甦，等.异构无线网络中基于SNIR和层次分析法的SAW垂直切换算法研究[J/OL].电子与信息学报,2011,33(1):235-239[2016-04-20].http://dx.chinadoi.cn/10.3724/SP.J.1146.2010.00154.

[7] 张继荣,苗国防,王文斌.异构无线网络TOPSIS算法的一种改进[J/OL].西安邮电大学学报,2014,19(2):26-29[2016-04-20].http://dx.chinadoi.cn/10.13682/j.issn.2095-6533.2014.02.004.

[8] 王柟.基于模糊神经网络的异构网络垂直切换算法研究[D/OL].长春：吉林大学，2012：10-51[2016-05-12].http://cdmd.cnki.com.cn/Article/CDMD-10183-1012370348.htm.

[9] GAU W L, BUEHRER D J.Vague sets[J/OL]. IEEE Transactions on Systems, Man, and Cybernetics.1993,23(2):610-614[2016-05-11].http://dx.doi.org/10.1109/21.229476.

[10] 王国俊.计算智能[M].北京:高等教育出版社,2004:7-9.

[11] CHEN S M, TAN J M. Handling multi-criteria fuzzy decision-making problems based on vague set theory[J/OL]. Fuzzy Sets and Systems, 1994, 67(2):163-172[2016-05-15].http://dx.doi.org/10.1016/0165-0114(94)90084-1.

[12] HONG D H, CHOI C H. Multi-criteria fuzzy decision-making problems based on vague set theory[J]. Fuzzy Sets and Systems, 2000,114: 103-113.

[13] 王鸿绪.单值数据转化为Vague值数据的定义和转化公式[J/OL].计算机工程与应用,2010,46(24):42-44[2016-05-15].http://dx.chinadoi.cn/10.3778/j.issn.1002-8331.2010.24.013.

[责任编辑:陈文学]

A vague sets based vertical handoff algorithm in heterogeneous networks

HU Mingdi, TAN Mingming

(School of Communication and Information Engineering, Xi’an University of Posts and Telecommunications, Xi’an 710121, China)

A vertical handoff algorithm for heterogeneous networks based on vague set is presented. The parameters are mapped to vague set in fuzzy time, and a new score function is constructed to make it more intelligent. Simulation results show that, the proposed algorithm can reduce the frequency of unnecessary switching, and narrow the adverse side of Ping-pong effect.

vague sets, heterogeneous networks, vertical handoff

10.13682/j.issn.2095-6533.2016.06.016

2016-06-22

国家自然科学基金资助项目(61502386);陕西省教育厅科学研究计划资助项目(2013JK1074)

胡明娣(1970-)，女，博士，副教授，从事模糊信息处理研究。E-mail: mendy2013@163.com 谭明明(1988-)，男，硕士研究生，研究方向为电子与通信工程。E-mail: tanming890610@163.com

TN929.5

A

2095-6533(2016)06-0083-05