多模終端選擇能夠保證服務質量的目標網絡的方法
2023-09-15 20:09:35
專利名稱：多模終端選擇能夠保證服務質量的目標網絡的方法
技術領域：
本發明涉及一種基於蟻群算法的多模終端選擇目標網絡的方法，確切地說，涉及一種多模終端基於蟻群算法選擇能夠保證服務質量的目標網絡的方法，屬於無線通信的技術領域。
背景技術：
從20 世紀末至 21 世紀的十餘年間，GSM、CDMA, WCDMA, TD-SCDMA, CDMA2000、LTE、IMT-advanced、WiMAX、802. lla/b/g/n、UWB、Bluetooth、Zigbee 和 RFID 等各種接入傳輸技術不斷地湧現，網絡的多模化呈現出更加多元和複雜的趨勢。已有的無線接入技術與新型的無線接入技術之間同時共存和互為補充，形成重疊、覆蓋的多模無線網絡。多模網絡的環境需要多模終端的支持，多模終端擁有多個無線接口，具有同時接入不同網絡的功能當其處於網絡重疊覆蓋的區域時，基站可以根據業務需求為多模終端選擇接入其最適宜的網 絡。當網絡環境發生改變或終端移動時，為了保證傳輸的連續性和可靠性，基站又為多模終端選擇一個更適宜的網絡進行切換或駐留。在多模網絡的環境出現下列情形時，需要重新選擇或分配目標網絡(1)當前多模終端所在網絡的服務質量值下降至其所能接受的最低門限以下；(2)多模終端已連接到一個網絡，但為了未來服務的需要而選擇將要切換的其他目標網絡；(3)當基站要在不同系統間分配整個網絡負載，以優化網絡性能時，也要進行目標網絡的分配。多模網絡中的基站為多模終端分配或選擇網絡是一個多維判決問題，眾多的決策因素使得其算法的設計非常靈活和較高的複雜度。經過檢索現有技術文獻後，發現多模終端網絡選擇階段經常使用遺傳算法，其代表文獻可見《啟發式遺傳算法的組播覆蓋網絡選擇(Dynamics of Network Selectionin Heterogeneous Wireless Networks:An Evolutionary Game Approach)》(幹丨J於《IEEETransactions on Vehicular Technology》2009年58卷第4期)，這種遺傳算法的主要方法是在確定移動終端在每種網絡中的服務質量值後，採用迭代優化方法，在不同的多模網絡內搜索移動終端與目標網絡間的較優組合，儘可能地提高多模終端的服務質量值。雖然這種基於遺傳算法的目標網絡選擇算法也能獲得較好的性能，但是其只是一個次優解，而非全局最優解，即多模終端無法選擇到最優網絡而使其擁有最高的服務質量值。因為蟻群算法非常適合求解多約束條件下的多目標組合的優化問題。而多模終端選擇能夠保證服務質量的目標網絡的方法中的一些特徵(如多輸入參數、需要同時滿足多個約束條件、組合優化等)，恰好都與蟻群算法的許多特徵非常匹配，因此如何嘗試利用蟻群算法為多模終端選擇能夠保證服務質量的目標網絡，就成為業內科技人員關注的新課題。
發明內容
有鑑於此，本發明的目的是提供一種多模終端基於蟻群算法選擇能夠保證服務質量的目標網絡的方法，以解決現有多模終端選擇目標網絡方法存在的問題。該方法根據多模終端的服務質量最優化的原則，基站利用蟻群算法的全局收斂特性，為多模終端選擇服務質量最優的目標網絡。本發明方法的操作步驟簡單、清晰、容易實現，且穩定性和魯棒性都比較強。為了達到上述發明目的，本發明提供了一種基於蟻群算法多模終端選擇保證服務質量的目標網絡的方法，其特徵在於基站先由多模終端反饋得到每個多模終端在可供選擇的每個目標網絡中的服務質量QoS (Quality of Service)值，再調用蟻群算法、即模仿螞蟻覓食過程中尋找前進路徑的方法為每個多模終端選擇其最優化的目標網絡；所述蟻群算法是先用自然數分別對螞蟻前進路徑的步數及其可供選擇的路徑進行排序編號，還設定算法迭代計算的總次數，再採用螞蟻依據其在前進路徑上不同的信息素濃度和能見度選擇路徑的方法，模擬多模終端根據每種網絡的服務質量值選擇目標網絡；且在每次完成所有前進路徑的選擇後，利用網絡的服務質量值計算該次迭代計算過程中每條路徑的適應度，並由該適應度對螞蟻經過路徑的信息素濃度進行更新，再判斷是否達到設定的迭代計算次數，以便停止蟻群迭代計算而輸出每個多模終端選擇的最優化目標網絡。 本發明方法的創新優點是克服了以往傳統的遺傳算法等只能求得局部最優解的缺陷，本發明採用了能夠避免早熟收斂的蟻群算法，能夠尋找到全局最優解，從而有效提高了移動通信網絡中多模終端的平均服務質量。同時，本發明採用創新的精英螞蟻策略進一步提高了算法運行速度，減少了算法運行時間。計算機仿真實施的試驗結果表明，本發明方法與傳統的遺傳算法相比較，多模終端的服務質量值的平均值有所提高。而該均值究竟能具體提高多少，取決於可供選擇的目標網絡的數量和參與選擇的多模終端數量，例如，對於20部多模終端的系統，本發明方法與遺傳算法相比較，使得所有多模終端服務質量值的平均值提高約5% ;而且，隨著系統內的多模終端數量的增長，服務質量值的平均值將提高更多。再者，本發明方法使得每個多模終端都能很好地滿足其預設的最小服務質量值，每種網絡中的多模終端數量也不大於該網絡的最大容量。同時，該蟻群算法採用自然數編碼，大大提高了算法收斂速度，也加快了算法的運行速度。試驗表明，在30個多模終端的網絡系統中，傳統的遺傳算法需要迭代50次以上，才能夠達到較好的收斂結果，本發明方法只需迭代30次左右就能得到較好的目標網絡選擇方案，即顯著加快了算法的收斂速度。因此，本發明具有很好的推廣應用前景。
圖1是本發明基於蟻群算法的多模終端選擇目標網絡的方法操作流程圖。圖2是本發明方法實施例中，多模終端數量在20到30個之間變化時，本發明方法與傳統遺傳算法的多模終端平均服務質量值的仿真曲線示意圖。圖3是本發明方法在20個多模終端的實施例中，其與傳統遺傳算法的兩種收斂速度曲線的示意圖。圖4是本發明方法在30個多模終端的實施例中，其與傳統遺傳算法的兩種收斂速度曲線的示意圖。
具體實施例方式為使本發明的目的、技術方案和優點更加清楚，下面結合附圖和實施例對本發明作進一步的詳細描述。本發明基於蟻群算法多模終端選擇保證服務質量的目標網絡的方法，是基站先由多模終端反饋得到每個多模終端在可供選擇的每個目標網絡中的服務質量QoS (Qualityof Service)值，再調用蟻群算法、即模仿螞蟻覓食過程中尋找前進路徑的方法為每個多模終端選擇其最優化的目標網絡；所述蟻群算法是先用自然數分別對螞蟻前進路徑的步數及其可供選擇的路徑進行排序編號，還設定算法迭代計算的總次數，再採用螞蟻依據其在前進路徑上不同的信息素濃度和能見度選擇路徑的方法，模擬多模終端根據每種網絡的服務質量值選擇目標網絡；且在每次完成所有前進路徑的選擇後，利用網絡的服務質量值計算該次迭代計算過程中每條路徑的適應度，並由該適應度對螞蟻經過路徑的信息素濃度進行更新，再判斷是否達到設定的迭代計算次數，以便停止蟻群迭代計算而輸出每個多模終端選擇的最優化目標網絡。
本發明已經進行了多次實施試驗，下面具體介紹本發明實施例的試驗情況在有多個多模終端(實施例中為20到30部)和多種可供分配的目標網絡(實施例中為4種不同模式網絡)。也就是，實施例的系統中，基站必需為每個多模終端(20到30個)從多種(4種)可供分配的目標網絡中分配一種作為其目標網絡，以便達到系統性能的最優化。同時，每種網絡中終端的最大數量是有限制的(實施例中每種網絡的最大容量為15個)，因此，基站需要根據多模終端在每種可供分配的目標網絡中的服務質量值和每種網絡的容量限制，選出合適的目標網絡，以提高網絡整體的服務質量，達到系統性能的最優化。下面具體描述基站是如何根據多模終端在每種網絡中的服務質量值，再基於本發明的蟻群算法來分配最優化的目標網絡。參見圖1，介紹本發明方法實施例詳細操作步驟如下步驟1，初始化設置參數採用自然數順序設置蟻群算法中的螞蟻前進路徑的總步數與每步前進時可供選擇的路徑數，以便分別模擬多模終端和目標網絡的數量，再設置螞蟻所有路徑的信息素濃度的初始值和蟻群算法迭代計算的總次數；採用自然數順序編號是為了後續解碼方便只需獲知螞蟻前進路徑上的每步編號及其所選路徑編號，就是為哪個多模終端分配的目標網絡的對應編號；該步驟操作前，基站先通過多模終端的反饋情況得到了多模終端在每種網絡內的服務質量值，這個信息用於確定不同多模終端分配不同網絡模式的依據。因為本發明決定目標網絡分配方案的主要因素有兩個多模終端在每種目標網絡中的服務質量值和每種網絡接納終端的最大容量。本發明基於蟻群算法的分配方法就是根據這兩種因素得到一個為多模終端分配最優的目標網絡。為了方便說明，本步驟僅給出前8個多模終端的服務質量值。
權利要求
1.一種基於蟻群算法多模終端選擇保證服務質量的目標網絡的方法，其特徵在於基站先由多模終端反饋得到每個多模終端在可供選擇的每個目標網絡中的服務質量QoS(Quality of Service)值，再調用蟻群算法、即模仿螞蟻覓食過程中尋找前進路徑的方法為每個多模終端選擇其最優化的目標網絡；所述蟻群算法是先用自然數分別對螞蟻前進路徑的步數及其可供選擇的路徑進行排序編號，還設定算法迭代計算的總次數，再採用螞蟻依據其在前進路徑上不同的信息素濃度和能見度選擇路徑的方法，模擬多模終端根據每種網絡的服務質量值選擇目標網絡；且在每次完成所有前進路徑的選擇後，利用網絡的服務質量值計算該次迭代計算過程中每條路徑的適應度，並由該適應度對螞蟻經過路徑的信息素濃度進行更新，再判斷是否達到設定的迭代計算次數，以便停止蟻群迭代計算而輸出每個多模終端選擇的最優化目標網絡。
2.根據權利要求1所述的方法，其特徵在於所述方法包括下列操作步驟(1)初始化設置參數採用自然數順序設置蟻群算法中的螞蟻前進路徑的總步數與每步前進時可供選擇的路徑數，以便分別模擬多模終端和目標網絡的數量，再設置螞蟻所有路徑的信息素濃度的初始值和蟻群算法迭代計算的總次數；採用自然數順序編號是為了後續解碼方便只需獲知螞蟻前進路徑上的每步編號及其所選路徑編號，就是為哪個多模終端分配的目標網絡的對應編號；(2)選擇前進路徑採用隨機分布和輪盤賭的形式，根據信息素濃度和能見度、即多模終端在每種網絡中的服務質量值，從可供選擇的多條前進路徑中選擇一條作為螞蟻的前進路徑；信息素濃度和能見度兩個因素較高的路徑被選擇的概率更大；(3)計算前進路徑上的適應度因為螞蟻選擇前進路徑的方法與基站為多模終端分配最優化目標網絡的操作相對應，故當螞蟻每次完成前進路徑的操作後，基站都要計算螞蟻該次前進路徑的適應度；(4)更新前進路徑上的信息素濃度先根據螞蟻經過的每條前進路徑對應的服務質量值的平均值計算每條前進路徑的適應度，因螞蟻經過路徑時會釋放信息素，且在適應度高的路徑上釋放的信息素多，使得該路徑的信息素濃度增加較多，在後續迭代計算時，該路徑被選擇的概率更高；然後將所有路徑的信息素濃度都按設定比率相應減少，防止路徑上的信息素累積產生早熟收斂；(5)判斷是否達到預先設置的迭代計算次數若是，則輸出適應度最高路徑的選擇結果、即每個多模終端選擇的平均服務質量值最高的目標網絡，結束全部流程；否則，返回步驟(2 )，繼續執行選擇路徑的操作。
3.根據權利要求2所述的方法，其特徵在於所述步驟(I)中，基站執行下列具體操作內容(11)採用自然數η和m分別對參與選擇的全部多模終端和所有不同模式的目標網絡進行順序編號，並設置多模終端和目標網絡的總數分別為N個和M種；(12)設置螞蟻在其前進路徑中的每一步可供選擇的路徑數，都與其可供選擇的目標網絡總數M相同，且每個路徑的編號也與其目標網絡的編號相同；(13)設置螞蟻在每次迭代計算中前進路徑的總步數等同於多模終端數N，這樣其前進路徑上的每一步就相當於基站為一個多模終端選擇目標網絡；(14)設置所有路徑的信息素濃度初始值均為I;並在每次完成前進路徑操作時，都分別對其經過的路徑增加信息素濃度，以加快算法的收斂速度。
4.根據權利要求2所述的方法，其特徵在於所述步驟(2)包括下列操作內容在每次迭代計算的每一步前進路徑中，都根據路徑選擇公式
5.根據權利要求1所述的方法，其特徵在於所述步驟(3)中，計算前進路徑上的適應度操作包括下列內容(31)設置每個多模終端的服務質量值的最低門限，再設置每種網絡容納多模終端數量的最大值；(32)如果路徑所對應的可選目標網絡中有任何一個多模終端的服務質量值低於其最低門限，或者任何一種目標網絡中的終端數量超過其容量最大值時，則該路徑的適應度為O ;(33)如果路徑所對應的可選目標網絡中的所有多模終端的服務質量值都高於其最低門限，並且每種網絡中的多模終端數量都不大於設定容量的最大值時，則設置螞蟻經過的前進路徑適應度值為全部多模終端的服務質量值的平均值；螞蟻經過的前進路徑適應度Q的計算公式為
6.根據權利要求2所述的方法，其特徵在於所述步驟(4)包括下列操作內容(41)每次迭代計算開始前，先將所有路徑的信息素濃度減少10%，用於防止路徑的信息素累積過多而造成早熟與收斂；(42)因螞蟻經過前進路徑時會釋放信息素，且釋放的信息素濃度等於該前進路徑的適應度值；這時，按照公式τ (t+l) = P X τ α) + Δ τ (t, t+l) + A x*(t, t+1)更新每條路徑的信息素濃度值；式中，t為本次迭代計算的序號，τ (t)為第t次迭代計算時路徑的信息素濃度，P為信息素的揮發係數，這裡取P =0. 9, Δ τ (t, t+1)為第t次迭代計算後的路徑信息素濃度遞增值，Δ x*(t, t+1)為第t次迭代計算後精英螞蟻、即適應度值最大的路徑的信息素濃度遞增值；(43)因螞蟻在適應度較高的路徑上釋放的信息素多，造成該路徑的信息素濃度也增加得多，在下一次迭代計算時，螞蟻選擇該路徑的概率也相應增大。
全文摘要
一種基於蟻群算法多模終端選擇保證服務質量的目標網絡的方法，是基站先由多模終端反饋得到每個多模終端在每個目標網絡中的服務質量值，再模仿螞蟻覓食過程中尋找前進路徑蟻群算法為每個多模終端選擇其最優化的目標網絡；先用自然數分別對螞蟻前進路徑的步數及可供選擇的路徑排序編號，還設定算法迭代計算的總次數，再用螞蟻依據前進路徑上不同的信息素濃度和能見度選擇路徑的方法，模擬多模終端根據每種網絡的服務質量值選擇目標網絡；且在每次完成前進路徑選擇後，計算該次迭代計算中每條路徑的適應度，並由該適應度更新經過路徑的信息素濃度，還判斷是否達到設定的迭代計算次數，以便停止蟻群迭代計算而輸出每個多模終端選擇的最優化目標網絡。
文檔編號H04W88/06GK103002520SQ20121018508
公開日2013年3月27日 申請日期2012年6月6日 優先權日2012年6月6日
發明者劉元安, 周杰, 吳帆, 張立佳, 張洪光, 唐碧華, 範文浩, 楊洋 申請人:北京郵電大學, 華為技術有限公司