异构无线网络环境下的网络接入选择算法研究

陶 洋，谭 鹏

(重庆邮电大学计算机科学与技术学院，重庆 400065)

目前无线环境是由众多具有不同性能的异构接入网络形成，用户对互联网的访问服务，是由不同服务质量和成本的网络提供。此外，随着移动终端(Mobile Terminal，MT)的普及，多模终端在各种网络重叠覆盖的区域可以有多种无线接入网络供选择，异构网络环境的存在需要移动终端总是选择最好的网络 (Always Best Connected，ABC)。为了成功地实现ABC，移动终端应该具备面向多个无线接入系统的网络接口，每个MT将至少有3个或更多的网络接口，支持如 WLAN，GPRS，WiMAX，HSPA，EVDO等无线接入，所有这些服务都可以允许MT用户自由地从一个接入网络切换到另一个网络。理想的情况是，MT用户可以在会话连接不断开的情况下从一个无线网络漫游到另一个无线网络，并使得移动终端总是选择一个最好的网络。因此，只有必要的同步机制和网络选择方法才能保证MT无线异构环境中网络的无缝切换。

垂直切换决策(Vertical Handover Decision，VHD)可以使用成本函数［1］、模糊逻辑方法［2］，或其他更复杂的算法。最后，MT经过选择连接到新的网络接入点(AP)和改变它之前的网络连接方式。然而，接口的选择是一个问题(包括接口的功能、用户偏好和应用要求等)。在用于切换决策和接口选择的方法中，多属性决策法(Multiple Attribute Decision Making，MADM)是最有前途的方法。

切换判决是由MT和无线接入网络的性能共同决定的，不同的接入技术和无线网络的不同行为使得切换变得困难。本文提出，一种新型的垂直切换方法RafoQ(Ranking for QoS)［3］。通过考虑用户的喜好和应用程序QoS来仿真比较RafoQ与其他多属性决策算法，使用现有的网络性能参数来对改进的RafoQ算法和其他的多属性决策算法进行评估。通过仿真验证，证明了改进算法RafoQ的有效性。

1 相关的工作

由于垂直切换判决能够评估所述无线网络的性能。因此，越来越多的研究工作致力于理解新的切换解决方案。经典的切换解决方案是根据接收信号强度(RSS)［4］来进行网络选择。虽然这种切换方法具有很长的切换时延，可以达到2 s，但是能够使越区切换失败概率最小化，并能提高可用带宽。

还有一些以成本代价为基础的垂直切换方法，它们通过研究几个参数，选择最佳的网络。这些参数定义为4组:访问网络信息、用户偏好、终端能力和服务类型。文献［5］提出的跨层成本函数，收集不同层的决策标准。最后，基于应用程序和用户的喜好，MT选择具有最高分数的无线接入网络。

除了RSS和基于代价函数的切换算法，还设计了其他更复杂的算法。多属性决策(MADM)实现了多个备选方案和属性，选择适当的计算方法。最经典MADM算法，如SAW(简单加权)［6］中的总得分是由候选接入网络的所有属性值的加权和。灰色关联度分析(GRA)［7］通过计算灰色关联系数为每个终端选择理想的无线接入网络。TOPSIS法［6］通过评价对象与最优解、最劣解的距离来进行排序，选择一个最接近理想的解决方案，最好的选择应该具有最短的欧氏距离，负理想解是设计一个最远的距离，即最差的解决方案。多元指数加权(MEW)［8］可以表示为矩阵形式，其中行对应于候选网络，列对应其属性，最后计算接入网络的加权属性得分。一个多属性决策问题，制定如下:A={Ai，i=1，2，…，n}是一组代表移动终端支持的接口数目，B={Bj，j=1，2，…，m}是一组属性，如界面特性、应用需求和用户偏好(例如接收到的信号强度、功耗、成本、覆盖范围、延时、安全等)。权重向量W=［W1，W2，… ，Wm］表示这些QoS参数的相对重要性，W是权重的决定因素，一种MADM问题可以由矩阵来表示，即

式中:N是相对矩阵;qij是相应的QoS因子的值。

大多数早期的研究，特别是考虑到TOPSIS法在网络中多QoS的冲突问题，而且如何处理这些问题并没有被明确提及。事实上，一些先前的研究提出，通过使用多目标优化的机制，而不是使用一个单一的目标函数来达到目的。目前研究的QoS问题，在其有效性、无线接入网络负载均衡、企业节约成本以及顾客体验等方面，一致性被广泛重视。因此，选择多属性网络是非常重要的。

2 RafoQ算法

本文提出一种将层次分析法(Analytical Hierarchy Process，AHP)和RafoQ技术相结合的网络选择算法，以便找到一个权衡用户喜好、业务应用和网络条件的方案。算法机制分为以下功能块，即网络代理模块、MT请求模块和决策模块。网络代理模块和MT请求模块收集用户的喜好和网络条件;决策模块是由AHP和RafoQ对用户的数据进行处理和将网络数据标准化，也是本文关注的重点。

RafoQ基于多目标优化的QoS参数和监督在异构环境中的接入网络排名。该排名采用了多目标优化方法AMOSA［9］，在排名函数的基础上评估最佳QoS的接入网络。在这里，所提供的接入网络的集合作为输入，并返回一组输出的行列。算法步骤如下:

为了检验提取mtDNA的纯度，本研究参考大豆已知基因NARK、psbC和Cox Ⅲ的序列，设计了3对引物(表1)，分别以提取到的mtDNA和大豆基因组DNA为模板，进行PCR扩增。电泳检测结果发现，提取到的mtDNA只有Cox Ⅲ序列引物扩增出了目的条带，而基因组DNA中3对引物均扩增出目的条带(图5)，说明所提取到的mtDNA纯度较高，无核基因组DNA和叶绿体DNA的污染。

输入为一组k接入网络N={N1，N2，… ，Nk}。

输出为集合N中的排名R={R1，R2，…，Rk}。

1)在异构网络环境中模拟不同的接入网络，并计算其QoS参数。

2)Ni采用多目标优化算法AMOSA，并选择最佳QoS矢量的网络为特定网络。

3)采用排名函数比较QoS矢量，对Ni进行排名。

3 仿真结果

3.1 仿真环境

在本节中，将RafoQ算法与4种不同的垂直切换决策算法进行比较，即SAW，TOPSIS，GRA和MEW。在场景中，模拟2个WLAN、UMTS和GPRS共4个网络，这些网络覆盖相同的面积。使用NS－2和NIST流动性模块来模拟所描述的配置，接入网络性能，如表1所示。

表1 接入网络性能

网络覆盖区域可以容纳几百个手机终端，并将3GPP定义的几类应用程序分布在不同的终端运行(即会话类、流类、交互类和背景类)，这几类应用程序主要特征通过时延、抖动和丢包率这几个QoS参数表示(见表2)。对于不同类别，为每个参数分配不同的权重。虽然关于多属性的垂直切换决策是一个复杂的问题，但层次分析法(AHP)可以把它分解成更简单、更易于管理的子问题，这些子问题可以是决定因素或权重。决定因素可以是解决方案，层次分析法通过比较权重选择解决方案、收集用户偏好数据来构造AHP矩阵，所有QoS因子的权重参数如表2所示。在仿真环境中，设置终端的平均连接时间在1～10 s之间变化，来观察各个算法的网络性能。

表2 QoS权重参数

3.2 模拟结果

由于切换判决算法GRA，SAW和TOPSIS选择同一网络的MT，所以在仿真图中显示这几类算法的图形叠加。

图1～图4表示每个业务类的每个越区切换决定算法的平均时延。它代表了从MT将数据包传送到接收终端的时延。仿真结果表明RafoQ提供最低的终端到终端延时。事实上，RafoQ能不断评估网络性能，并给终端分配最好的瞬时网络。

图1 会话类的平均时延

图2 流类的平均时延

图3 交互类的平均时延

图4 背景类的平均时延

图5～图8描绘了每个业务类的平均抖动变化，它被定义为数据包到达时间之间的偏差。它取决于接入网络本身，以及网络负载。从图中可以看出RafoQ的抖动性能是最好的，然后是TOPSIS，SAW和GRA。从图中可以看出除了会话类业务，MEW优于SAW，TOPSIS和GRA外，其他类业务MEW的性能是最差的。

图5 会话类的抖动

图6 流类的抖动

图7 交互类的抖动

图9～图12描述的丢包率，定义为丢失数据包的数目与发送总数据包的比例。相对其他算法，RafoQ算法具有最低的丢包率。TOPSIS法、GRA和SAW在背景类和流类业务方面比MEW具有更好的性能。然而，MEW在会话类却有较低的丢包率。

图8 背景类的抖动

图9 会话类的丢包率

图10 流类的丢包率

图11 交互类的丢包率

4 结论

图12 背景类的丢包率

在下一代网络中，一个具有挑战性的问题就是垂直切换判决。理想的越区切换算法是让所有移动终端分配到最适合它们的网络上，同时又不干扰无线系统的性能。在本文中，提出通过与多个属性相结合的AHP法确定网络参数来评级候选网络和使用多目标优化法得到候选网络的排名，最后通过改进RafoQ网络选择算法来决定选择哪个网络。

:

［1］LASSOUED I，BRETAGNE T，CESSON S，et al.Towards an architecture for mobility management and resource control［C］//Proc.Wireless Communications and Networking Conference 2008.［S.l.］:IEEE Press，2008:2846－2851.

［2］YANG Tao，RONG Peng.A fuzzy logic vertical handoff algorithm with motion trend decision［C］//Proc.IFOST 2011.［S.l.］:IEEE Press，2011:1280－1283.

［3］DHAR J，KIRAN S R，REDDY K Y.Network selection in heterogeneous wireless environment:a ranking algorithm［C］//Proc.the 3rd International Conference on Wireless Communication and Sensor Networks.［S.l.］:IEEE Press，2007:41－44.

［4］MOHANTY S，AKYILDIZ I.A cross－layer(layer 2+3)handoff management protocol for next－generation wireless systems［J］.IEEE Transactions on Mobile Computing，2006，5(10):1347－1360.

［5］CHANG B J，CHEN J F.Cross－layer－based adaptive vertical handoff with predictive in heterogeneous wireless networks［J］.IEEE Transactions on Vehicular Technology，2008，57(6):3679－3692.

［6］ZHANG W.Handover decision using fuzzy MADM in heterogeneous networks［C］//Proc.WCNC2004.Atlanta:IEEE Press，2004:653－658.

［7］SONG Q，JAMALIPOUR A.A network selection mechanism for next generation networks［C］//Proc.in IEEE ICC'05.［S.l.］:IEEE Press，2005:1418－1422.

［8］YOON K，HANG C.Multiple attribute decision making:an introduction［M］.［S.l.］:Sage Publications，1995.

［9］BANDYOPADHYAY S，SAHA S，MAULIK U ，et al.A simulated annealing based multi－objective optimization algorithm:AMOSA ［J］.IEEE Transactions on Evolutionary Computation，2008，12(3):269－283.