本發(fā)明涉及移動通信領(lǐng)域中異構(gòu)無線網(wǎng)絡(luò)中的垂直切換方法，特別是涉及一種采用動態(tài)權(quán)重優(yōu)化和具有可調(diào)切換閾值的效用函數(shù)進(jìn)行垂直切換的方法。

背景技術(shù)：

在異構(gòu)無線網(wǎng)絡(luò)中，mt的連接從一種網(wǎng)絡(luò)轉(zhuǎn)換到另一種網(wǎng)絡(luò)時發(fā)生的切換稱為垂直切換。垂直切換技術(shù)是異構(gòu)無線網(wǎng)絡(luò)中移動性管理的關(guān)鍵技術(shù)之一，直接關(guān)系到用戶的服務(wù)質(zhì)量(qos)。

目前大多數(shù)針對垂直切換方法的研究都是以當(dāng)前網(wǎng)絡(luò)相關(guān)的多個判決屬性作為決策指標(biāo)，將垂直切換判決過程抽象為多屬性決策問題。因此，為了準(zhǔn)確刻畫和處理這些判決參數(shù)，提高切換性能，近年來不少研究者將效用函數(shù)運用到了垂直切換方法中。

文獻(xiàn)[ormondo,murphyj,etal.utility-basedintelligentnetworkselectioninbeyond3gsystems[c],ieeeiccs,istanbul,turkey,2006,1831-1836]面向非實時的文件傳輸應(yīng)用，考慮用戶的時間要求，估計每個接入網(wǎng)絡(luò)的文件傳輸時間，并基于消費盈余的概念來選擇最佳接入網(wǎng)絡(luò)。但是此方法沒有考慮實時業(yè)務(wù)，不能充分滿足終端不同應(yīng)用類型對qos的個性化需求。文獻(xiàn)[sunc,stevensne,etal.aconstrainedmdp-basedverticalhandoffdecisionalgorithmfor4gwirelessnetworks[c].ieeeiccs,beijing,china,2008,2169-2174]將垂直切換判決形式化為一個以每個連接的總預(yù)期收益為目標(biāo)的馬爾科夫決策過程，其目標(biāo)是在預(yù)期的總訪問開銷的約束條件下最大化每個連接的總預(yù)期收益。在切換判決中，僅考慮了不同網(wǎng)絡(luò)的資源情況、用戶的移動速度和位置信息，而沒有考慮網(wǎng)絡(luò)的其他參數(shù)，會導(dǎo)致判決不夠準(zhǔn)確。文獻(xiàn)[leesk,sriramk,etal.verticalhandoffdecisionalgorithmsforprovidingoptimizedperformanceinheterogeneouswirelessnetworks[j].ieeetransactionsonvehiculartechnology,2009,58(2):865-881]采用一個效用函數(shù)來選擇最佳的目標(biāo)網(wǎng)絡(luò)。效用函數(shù)考慮了節(jié)點的電量和不同接入網(wǎng)絡(luò)的負(fù)載，卻沒有考慮網(wǎng)絡(luò)狀況的動態(tài)變化，在終端切換可能發(fā)生阻塞，降低切換性能。

技術(shù)實現(xiàn)要素：

本發(fā)明旨在解決以上現(xiàn)有技術(shù)的問題。提出了一種使切換判決更符合實際情況，有效降低阻塞率和掉話率、滿足mt的個性化需求的異構(gòu)網(wǎng)絡(luò)中基于動態(tài)權(quán)重優(yōu)化的垂直切換方法。本發(fā)明的技術(shù)方案如下：

一種異構(gòu)網(wǎng)絡(luò)中基于動態(tài)權(quán)重優(yōu)化的垂直切換方法，其包括以下步驟：

101、獲取候選異構(gòu)網(wǎng)絡(luò)的參數(shù)，包括：接收信號強(qiáng)度rss、帶寬、時延、服務(wù)費用和能耗，將這些參數(shù)分別進(jìn)行歸一化為兩類：效益型參數(shù)和成本型參數(shù)；

102、將步驟101歸一化的參數(shù)采用ahp層次分析法計算出主觀權(quán)重，采用熵值法計算出客觀權(quán)重，并基于sop線性單目標(biāo)最優(yōu)化理論計算兩者的組合權(quán)重；

103、通過權(quán)重調(diào)整因子，優(yōu)化步驟102的組合權(quán)重，以適應(yīng)網(wǎng)絡(luò)狀況的動態(tài)變化特性，其中權(quán)重調(diào)整因子是由網(wǎng)絡(luò)參數(shù)的均值和方差所確定的；

104、根據(jù)步驟101歸一化參數(shù)信息和步驟103優(yōu)化后的權(quán)重，采用簡單加權(quán)法saw設(shè)計效用函數(shù)，計算候選網(wǎng)絡(luò)的效用值，確定目標(biāo)網(wǎng)絡(luò)，并計算目標(biāo)網(wǎng)絡(luò)與當(dāng)前網(wǎng)絡(luò)的效用差值，并比較該效用差值是否大于可調(diào)切換閾值，確定是否觸發(fā)切換。

進(jìn)一步的，所述步驟101中效益型參數(shù)包括rss、帶寬；成本型參數(shù)包括時延、服務(wù)費用和能耗，兩類參數(shù)的歸一化方法分別為：

效益型參數(shù)：

成本型參數(shù)：

其中，cij表示第i個接入網(wǎng)絡(luò)為用戶終端提供的實際參數(shù)值，表示參數(shù)cij的歸一化值，且cij^max和cij^min分別表示用戶應(yīng)用對cij提出的最大及最小需求值。

進(jìn)一步的，所述步驟102將歸一化的參數(shù)采用ahp層次分析法計算出主觀權(quán)重的步驟具體包括：

1)分析評價系統(tǒng)中各判決參數(shù)之間的關(guān)系，構(gòu)建遞階的層次結(jié)構(gòu)模型，該模型中，最上層的總目標(biāo)為總是最佳連接abc，所支配的下一層的為網(wǎng)絡(luò)的判決參數(shù)，最下層為不同的候選方案；

2)根據(jù)會話業(yè)務(wù)對網(wǎng)絡(luò)參數(shù)的需求，依次取兩個參數(shù)，本發(fā)明一共考慮了5個參數(shù)：接收信號強(qiáng)度rss、帶寬、時延、服務(wù)費用和能耗。依次取兩個參數(shù)則是分別取rss和帶寬、rss和時延、rss和服務(wù)費用……，比較它們對目標(biāo)層的影響，并用1～9這9個等級來標(biāo)注它們對目標(biāo)層影響程度的相對大小，從而得到一個判斷矩陣，在本發(fā)明中該矩陣的大小是5×5；比較其對目標(biāo)層的影響，按照1～9度標(biāo)度確定兩者的相對重要程度，用aij表示，即可得到成對的判斷矩陣a＝(aij)n×n；n表示所選擇的參數(shù)個數(shù)；

3)對判斷矩陣a的每一列進(jìn)行歸一化得到矩陣a’，然后對矩陣a’的每一行求均值，即可求得主觀權(quán)重向量w1＝(w1j)1×n中的各元素；w1j表示表示大小為1×n的主觀權(quán)重向量w1中的各個元素，j＝1,2,…,n；

4)通過隨機(jī)一致性指標(biāo)ri對w1進(jìn)行一致性檢驗，當(dāng)cr<0.1時，表明該判斷矩陣a的一致性程度在允許范圍以內(nèi)，否則，需要對判斷矩陣a進(jìn)行調(diào)整，直至滿足條件為止。

進(jìn)一步的，所述步驟3)對矩陣a’的每一行求均值，即可求得主觀權(quán)重向量w1＝(w1j)1×n中的各元素的公式為：

進(jìn)一步的，所述步驟2)采用熵值法計算客觀權(quán)重向量w2＝(w2j)1×n包括以下步驟：根據(jù)所述步驟101中歸一化的參數(shù)值，計算第j個屬性在網(wǎng)絡(luò)i中所占的比重則可得第j個屬性的信息熵值

然后基于第j個屬性的差異系數(shù)(1-ej)，可以計算w2中的各個元素

進(jìn)一步的，所述計算組合權(quán)重具體包括：計算組合權(quán)重向量w3＝(w3j)1×n，由ahp和熵值法計算的主客觀權(quán)重向量分別為w1和w2，用x、y分別表示w1和w2的系數(shù)，則主客觀組合權(quán)重為

進(jìn)一步的，通過最小化組合權(quán)重與w1、w2的偏差平方和fk＝|w3-wk|²，wk表示w1或w2，k＝1或2，對應(yīng)前面計算的兩類權(quán)重：主觀權(quán)重向量w1和客觀權(quán)重向量w2；

可以構(gòu)建和求解sop模型f表示構(gòu)建的一個目標(biāo)f；

該模型可以通過構(gòu)造拉格朗日函數(shù)進(jìn)行求解wkj表示w1j或w2j，k＝1或2，因為前面計算了兩類權(quán)重：主觀權(quán)重向量w1和客觀權(quán)重向量w2，而w1、w2的元素分別是w1j、w2j。w2j第一次出現(xiàn)在式(5)中，表示大小為1×n的客觀權(quán)重向量w2中的各個元素，j＝1,2,…,n；

其中，λ為拉格朗日乘子，在約束條件下分別對x、y求偏導(dǎo)，并令可以求得最優(yōu)解x＝y(tǒng)＝0.5，將x、y代入到式(6)中即可計算組合權(quán)重向量w3。

通過構(gòu)造拉格朗日函數(shù)求解得到最優(yōu)的x、y為x＝y(tǒng)＝0.5。

進(jìn)一步的，所述步驟103中調(diào)整權(quán)重調(diào)整因子，優(yōu)化步驟102的組合權(quán)重具體包括：組合權(quán)重向量w3需要考慮網(wǎng)絡(luò)狀況的動態(tài)變化特性，基于各參數(shù)的均值αj和標(biāo)準(zhǔn)差βj，引入權(quán)重調(diào)整因子μj，對w3進(jìn)行自適應(yīng)調(diào)整：

其中，

m表示m個候選網(wǎng)絡(luò)，考慮了5個候選網(wǎng)絡(luò)，故m＝5；

所以，調(diào)整更新后得到各網(wǎng)絡(luò)參數(shù)的最終權(quán)重w3j表示大小為1×n的組合權(quán)重向量w3中的各個元素，j＝1,2,…,n；

進(jìn)一步的，所述步驟104中采用簡單加權(quán)法saw設(shè)計效用函數(shù)具體包括：

在t時刻候選網(wǎng)絡(luò)i的效用函數(shù)可以采用saw法表示為

通過式(13)計算各候選網(wǎng)絡(luò)的效用值fi(t)，并比較得出最大的fi(t)值對應(yīng)的網(wǎng)絡(luò)g，將其作為最優(yōu)的目標(biāo)網(wǎng)絡(luò)。

進(jìn)一步的，所述異構(gòu)網(wǎng)絡(luò)終端的業(yè)務(wù)類型可以分為三類，分別是實時業(yè)務(wù)、半實時業(yè)務(wù)和非實時業(yè)務(wù)，考慮它們對接入網(wǎng)絡(luò)的個性化需求，當(dāng)目標(biāo)網(wǎng)絡(luò)g滿足以下條件時，即可進(jìn)行切換

其中，fc(t)和fg(t)分別表示當(dāng)前網(wǎng)絡(luò)和目標(biāo)網(wǎng)絡(luò)的效用值，θ表示可調(diào)的切換閾值

θ＝θth-ε1ξ1-ε2ξ2(15)

式中，θth為固定切換閾值，決定θ的最大值；ε1和ε2分別為實時業(yè)務(wù)和半實時業(yè)務(wù)的變化因子，決定兩者的最大變化范圍；ξ1和ξ2分別為實時業(yè)務(wù)和半實時業(yè)務(wù)所占比例。

本發(fā)明的優(yōu)點及有益效果如下：

1.本發(fā)明針對網(wǎng)絡(luò)狀況的動態(tài)變化導(dǎo)致的垂直切換性能不佳的問題，首先采用ahp和熵值法分別計算網(wǎng)絡(luò)參數(shù)的主、客觀權(quán)重，并計算組合權(quán)重，然后基于權(quán)重調(diào)整因子對組合權(quán)重進(jìn)行調(diào)整更新，使切換判決更符合實際情況，有效降低阻塞率和掉話率。

2.根據(jù)mt的不同業(yè)務(wù)類型對接入網(wǎng)絡(luò)的個性化需求，設(shè)計了具有可調(diào)切換閾值的效用函數(shù)。在進(jìn)行垂直切換時，mt能根據(jù)當(dāng)前業(yè)務(wù)類型合理地選擇切換網(wǎng)絡(luò)，有效減少不必要的切換，降低“乒乓效應(yīng)”，滿足mt的個性化需求。

附圖說明

圖1是本發(fā)明提供優(yōu)選實施例方法的實現(xiàn)流程圖；

圖2為采用ahp計算主觀權(quán)重的步驟；

圖3為ahp的層次結(jié)構(gòu)模型；

圖4為異構(gòu)無線網(wǎng)絡(luò)系統(tǒng)模型；

圖5為不同方法的切換阻塞率對比；

圖6為不同方法的平均切換次數(shù)對比；

圖7為實時業(yè)務(wù)比例對平均掉話率的影響；

圖8為半實時業(yè)務(wù)比例對平均掉話率的影響。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、詳細(xì)地描述。所描述的實施例僅僅是本發(fā)明的一部分實施例。

本發(fā)明解決上述技術(shù)問題的技術(shù)方案是，

一種異構(gòu)網(wǎng)絡(luò)中基于動態(tài)權(quán)重優(yōu)化的垂直切換方法，其根據(jù)網(wǎng)絡(luò)狀況的動態(tài)變化，以及終端不同業(yè)務(wù)類型對接入網(wǎng)絡(luò)的個性化需求，設(shè)計以下垂直切換步驟：

101、獲取候選網(wǎng)絡(luò)的參數(shù)，包括：rss、帶寬、時延、服務(wù)費用和能耗。這些參數(shù)可以劃分成兩類：效益型和成本型，將其分別進(jìn)行歸一化；

102、將步驟101歸一化的參數(shù)分別采用ahp和熵值法計算出兩類權(quán)重：主觀權(quán)重和客觀權(quán)重。并基于sop理論計算兩者的組合權(quán)重。

103、通過權(quán)重調(diào)整因子，進(jìn)一步優(yōu)化步驟102的組合權(quán)重，以適應(yīng)網(wǎng)絡(luò)狀況的動態(tài)變化特性。其中權(quán)重調(diào)整因子是由網(wǎng)絡(luò)參數(shù)的均值和方差所確定的。

104、根據(jù)步驟101歸一化參數(shù)信息和步驟103優(yōu)化后的權(quán)重，采用saw設(shè)計效用函數(shù)，計算候選網(wǎng)絡(luò)的效用值。通過比較目標(biāo)網(wǎng)絡(luò)與當(dāng)前網(wǎng)絡(luò)的效用差值是否大于可調(diào)切換閾值，確定是否觸發(fā)切換。

進(jìn)一步的，所述步驟101中候選網(wǎng)絡(luò)的參數(shù)可分為兩類：成本型和效益型。其中，效益型參數(shù)越大越好，如rss、帶寬；成本型參數(shù)越小越好，如：時延、服務(wù)費用和能耗。這兩類參數(shù)的歸一化方法分別為：

效益型參數(shù)：

成本型參數(shù)：

其中，cij表示第i個接入網(wǎng)絡(luò)為用戶終端提供的實際參數(shù)值，cij^max和cij^min分別表示用戶應(yīng)用對cij提出的最大及最小需求值。

進(jìn)一步的，mt根據(jù)所述步驟101中獲取的網(wǎng)絡(luò)參數(shù)，并歸一化，按照所述步驟102中通過sop計算組合權(quán)重具體包括步驟：

采用ahp計算主觀權(quán)重向量w1＝(w1j)1×n。首先分析評價系統(tǒng)中各判決參數(shù)之間的關(guān)系，構(gòu)建層次結(jié)構(gòu)模型。然后依次取兩個參數(shù)，比較其對模型目標(biāo)層的影響，按照1～9度標(biāo)度確定兩者的相對重要程度(用aij表示)，即可得到成對的判斷矩陣a＝(aij)n×n。再者對判斷矩陣a的每一列進(jìn)行歸一化得到矩陣a’，然后對矩陣a’的每一行求均值，即得到w1的各個元素

最后，通過一致性比率對主觀權(quán)重向量w1進(jìn)行一致性檢驗。

采用熵值法計算客觀權(quán)重向量w2＝(w2j)1×n。首先根據(jù)所述步驟101中歸一化的參數(shù)值，得到參數(shù)矩陣然后根據(jù)計算第j個屬性在網(wǎng)絡(luò)i中所占的比重計算第j個屬性的信息熵值

最后基于第j個屬性的差異系數(shù)(1-ej)，可以計算w2中的各個元素

計算組合權(quán)重向量w3＝(w3j)1×n。由ahp和熵值法計算的主客觀權(quán)重向量分別為w1和w2，用x、y分別表示w1和w2的系數(shù)，則主客觀組合權(quán)重為

為了既考慮用戶的主觀偏好，又兼顧決策的客觀真實性，達(dá)到主客觀的統(tǒng)一，通過最小化組合權(quán)重與w1、w2的偏差平方和fk＝|w3-wk|²，可以構(gòu)建和求解sop模型

該模型可以通過構(gòu)造拉格朗日函數(shù)進(jìn)行求解

其中，λ為拉格朗日乘子。在約束條件下分別對x、y求偏導(dǎo)，并令可以求得最優(yōu)解x＝y(tǒng)＝0.5。將x、y代入到式(6)中即可計算組合權(quán)重向量w3。

進(jìn)一步的，所述步驟102中組合權(quán)重向量w3需要考慮網(wǎng)絡(luò)狀況的動態(tài)變化特性，基于各參數(shù)的均值αj和標(biāo)準(zhǔn)差βj，引入權(quán)重調(diào)整因子μj，對w3進(jìn)行自適應(yīng)調(diào)整：

其中，

所以，調(diào)整更新后得到各網(wǎng)絡(luò)參數(shù)的最終權(quán)重

進(jìn)一步的，根據(jù)所述步驟101中歸一化參數(shù)值和步驟103中各網(wǎng)絡(luò)參數(shù)的權(quán)重，在t時刻候選網(wǎng)絡(luò)i的效用函數(shù)可以采用saw法表示為

通過式(13)計算各候選網(wǎng)絡(luò)的效用值fi(t)，并比較得出最大的fi(t)值對應(yīng)的網(wǎng)絡(luò)g，將其作為最優(yōu)的目標(biāo)網(wǎng)絡(luò)。

進(jìn)一步的，所述終端的業(yè)務(wù)類型可以分為三類，分別是實時業(yè)務(wù)、半實時業(yè)務(wù)和非實時業(yè)務(wù)。考慮它們對接入網(wǎng)絡(luò)的個性化需求，當(dāng)目標(biāo)網(wǎng)絡(luò)g滿足以下條件時，即可進(jìn)行切換

其中，fc(t)和fg(t)分別表示當(dāng)前網(wǎng)絡(luò)和目標(biāo)網(wǎng)絡(luò)的效用值，θ表示可調(diào)的切換閾值

θ＝θth-ε1ξ1-ε2ξ2(15)

式中，θth為固定切換閾值，決定θ的最大值；ε1和ε2分別為實時業(yè)務(wù)和半實時業(yè)務(wù)的變化因子，決定兩者的最大變化范圍；ξ1和ξ2分別為實時業(yè)務(wù)和半實時業(yè)務(wù)所占比例。

該方法綜合考慮了網(wǎng)絡(luò)狀況的動態(tài)變化對切換性能的影響，以及不同業(yè)務(wù)類型的對接入網(wǎng)絡(luò)的個性化需求，不僅能降低切換阻塞率和掉話率，還能減少不必要的切換，降低“乒乓效應(yīng)”。

本發(fā)明提出的圖1所示的垂直切換方法包括以下步驟：

步驟一、獲取候選網(wǎng)絡(luò)的參數(shù)，包括：rss、帶寬、時延、服務(wù)費用和能耗。這些參數(shù)可以劃分成兩類：效益型和成本型，將其分別進(jìn)行歸一化。

步驟二、將歸一化參數(shù)分別采用ahp和熵值法計算出兩類權(quán)重：主觀權(quán)重和客觀權(quán)重，并基于sop理論計算兩者的組合權(quán)重。

步驟三、通過權(quán)重調(diào)整因子，進(jìn)一步優(yōu)化組合權(quán)重，以適應(yīng)網(wǎng)絡(luò)狀況的動態(tài)變化特性，其中權(quán)重調(diào)整因子是由網(wǎng)絡(luò)參數(shù)的均值和方差所確定的。

步驟四、根據(jù)歸一化參數(shù)和優(yōu)化的組合權(quán)重，采用saw設(shè)計效用函數(shù)，計算候選網(wǎng)絡(luò)的效用值。通過比較目標(biāo)網(wǎng)絡(luò)與當(dāng)前網(wǎng)絡(luò)的效用差值是否大于可調(diào)切換閾值，確定是否觸發(fā)切換。

我們首先對圖2所示的主觀權(quán)重向量的計算步驟進(jìn)行分析：

(1)分析評價系統(tǒng)中各判決參數(shù)之間的關(guān)系，構(gòu)建圖3所示的遞階的層次結(jié)構(gòu)模型。該模型中，最上層的總目標(biāo)為總是最佳連接(abc)，所支配的下一層的為網(wǎng)絡(luò)的判決參數(shù)，如rss、帶寬、時延等，最下層為不同的候選方案。

(2)根據(jù)會話業(yè)務(wù)對網(wǎng)絡(luò)參數(shù)的需求，依次取兩個參數(shù)，比較其對目標(biāo)層的影響，按照1～9度標(biāo)度確定兩者的相對重要程度(用aij表示)，即可得到成對的判斷矩陣a＝(aij)n×n。

(3)對判斷矩陣a的每一列進(jìn)行歸一化得到矩陣a’，然后對矩陣a’的每一行求均值，即可求得主觀權(quán)重向量w1＝(w1j)1×n中的各元素。

(4)通過隨機(jī)一致性指標(biāo)(ri)對w1進(jìn)行一致性檢驗。當(dāng)cr<0.1時，表明該判斷矩陣a的一致性程度在允許范圍以內(nèi)。否則，需要對判斷矩陣a進(jìn)行調(diào)整，直至滿足條件為止。

為了對本發(fā)明進(jìn)行驗證，我們在matlab平臺上進(jìn)行仿真實驗，并設(shè)置如下仿真場景：場景內(nèi)分布有2個lte和3個wlan，如圖4所示，lte和wlan的半徑分別為600m和100m。終端每隔一段時間隨機(jī)改變運動方向，系統(tǒng)呼叫到達(dá)率和離開率均服從參數(shù)為λ的泊松分布，平均服務(wù)時間為40s。

為了進(jìn)一步突出本發(fā)明的優(yōu)越性，將本發(fā)明所提方法與文獻(xiàn)[weis,qingaz.cost-function-basednetworkselectionstrategyinintegratedwirelessandmobilenetworks[j].ieeetransactionsonvehiculartechnology,2008,57(6):3778-3788]中基于代價函數(shù)的網(wǎng)絡(luò)選擇策略(cost-function-basednetworkselectionstrategy，cfns)、文獻(xiàn)[bhosales,daruwalar.multi-criteriaverticalhandoffdecisionalgorithmusinganalytichierarchymodelingandsimpleadditiveweightinginanintegratedwlan/wimax/umtsenvironment-acasestudy[j].ksiitransactionsoninternetandinformationsystems,2014,8(1):35-57]中基于層次分析法和簡單加權(quán)法的多準(zhǔn)則切換判決算法(verticalhandoffdecisionalgorithmusinghierarchymodelingandadditiveweighting，ahp-saw)進(jìn)行比較分析，得到如圖5-8所示的仿真結(jié)果。

圖5顯示了三種算法在不同到達(dá)率下的平均阻塞率。隨著單位時間內(nèi)到達(dá)的用戶數(shù)的增加，采用三種算法的平均阻塞率都呈遞增趨勢。但是，采用多屬性ahp-saw算法比采用rss和帶寬兩個判決屬性的cfns算法平均阻塞率低，體現(xiàn)出了綜合考慮多個判決屬性算法的優(yōu)越性。另外，本文算法的平均阻塞率比ahp-saw算法更低，這是因為本文算法在切換判決階段考慮了網(wǎng)絡(luò)狀況的動態(tài)變化特性，引入權(quán)重調(diào)整機(jī)制，較好地保證了切換的有效性，從而使阻塞率有了一定改善。

由于終端的移動性，使其經(jīng)歷的網(wǎng)絡(luò)條件不斷變化，從而產(chǎn)生了多次網(wǎng)絡(luò)選擇的過程。本節(jié)假設(shè)mt按照如圖4所示的具有代表性的運動軌跡進(jìn)行移動，對其切換過程進(jìn)行多次仿真，統(tǒng)計出如圖6所示的平均累計切換次數(shù)。隨著用戶移動距離的增加，經(jīng)歷的切換次數(shù)也不斷增加。在穿過異構(gòu)網(wǎng)絡(luò)的整個過程中，采用cfns算法發(fā)生了13.42次切換，采用ahp-saw算法發(fā)生了12.04次切換，而采用本文算法發(fā)生了10.88次切換。這說明本文算法經(jīng)歷的切換次數(shù)少于其余兩種算法。究其原因，在確定屬性權(quán)重時采用組合賦權(quán)法與權(quán)重動態(tài)調(diào)整相結(jié)合之后，使網(wǎng)絡(luò)選擇時的判決結(jié)果更接近實際情況，改善了cfns算法僅考慮兩個屬性判決不夠準(zhǔn)確以及ahp-saw算法主觀性太強(qiáng)的問題，使得不必要切換次數(shù)明顯減少。

本文通過平均掉話率來分析可調(diào)切換閾值的影響?？梢栽O(shè)定適當(dāng)?shù)姆抡嬷担害萾h＝0.18(或θth＝0.16)，ε2＝0.08，ξ2＝0.3，通過ε1和ξ1的變化來引起θ的變化；同理，設(shè)定θth＝0.18(或θth＝0.16)，ε1＝0.12，ξ1＝0.3,，通過ε2和ξ2的變化來引起θ的變化。仿真結(jié)果如圖7、圖8所示?？梢钥闯?，當(dāng)θth減少時，引起θ值的減少，使掉話率降低；當(dāng)ε1或ε2減少時，引起θ值的增加，使掉話率增加。而且，無論是ahp-saw算法還是本文算法，隨著ξ1或ξ2的增加，切換的掉話率都逐漸降低。因為當(dāng)用戶的實時業(yè)務(wù)或半實時業(yè)務(wù)的比例增加時，通過式(15)引起θ值減少，而θ值的降低使用戶面臨的可選擇網(wǎng)絡(luò)的機(jī)會增加，可以更快地向目標(biāo)網(wǎng)絡(luò)切換，從而降低了切換的掉話率。另外，本文算法的性能始終優(yōu)于ahp-saw算法，這是因為動態(tài)權(quán)重優(yōu)化帶來了更好的性能。

以上這些實施例應(yīng)理解為僅用于說明本發(fā)明而不用于限制本發(fā)明的保護(hù)范圍。在閱讀了本發(fā)明的記載的內(nèi)容之后，技術(shù)人員可以對本發(fā)明作各種改動或修改，這些等效變化和修飾同樣落入本發(fā)明權(quán)利要求所限定的范圍。