組切換中基于業務類型的預排序pso網絡選擇方法
【技術領域】
[0001] 本發明涉及無線通信技術領域，更具體地，涉及一種組切換中基于業務類型的預 排序PSO網絡選擇方法，是無線異構網絡環境下垂直組切換時的網絡選擇問題。
【背景技術】
[0002] 在垂直組切換（GVHO)的場景中，很多MN(MobileNode-即用戶）幾乎同時發送切 換請求。傳統的垂直切換算法假設用戶依次順序到達，所以發出切換請求的每個用戶都了 解前一個切換用戶的切換結果，這樣很容易達到最佳切換。但是在GVHO場景中，多個垂直 切換請求幾乎同時被處理，使用傳統切換算法就并不利于切換判決，反而會導致網絡擁塞 或表現不佳。這是因為傳統切換算法應用于GVHO場景時，每個MN并不知道其他MN的切換 決策，只是自私的選擇一個看似最優的網絡。所以針對GVHO場景，必須提出有別于傳統切 換算法的組切換算法。
[0003] 針對一組用戶同時或幾乎同時發起切換的情況，目前的研究成果較少，主要分三 種思路：
[0004] 1.時間隊列組切換算法
[0005] 該算法將同時到達的多個MN切換請求按照時間依次處理，處理方式與傳統組切 換相同。或者是對每個MN生成一個隨機延時參數，已達到避免多個MN同時進行切換的目 的。很顯然這是最簡單的組切換，時間效率極低，不能用于處理實時業務。
[0006] 2?按概率分配的組切換算法
[0007] 該算法把同時到達的麗切換請求按照預定義概率分配到不同網絡，這種算法過 于依賴于主觀設定的預定義概率。顯然，這樣很難達到最優策略，甚至很難達到較優策略。
[0008] 3.網絡協助組切換算法
[0009] 其利用網絡側來了解全局信息，在同時到達的麗切換請求和多個網絡中協調，以 提高整體表現。但是以往文獻中并沒有明確給出一個可行的方案，并沒有給出明確的達到 目標函數最優解或者較優解的方法。
【發明內容】
[0010] 本發明提出一種組切換中基于業務類型的預排序PSO網絡選擇方法，是采用PSO 算法來解決組切換中網絡選擇的問題。
[0011] 為了實現上述目的，本發明的技術方案如下：
[0012] 一種組切換中基于業務類型的預排序PSO網絡選擇方法，包括：
[0013] SI.按業務類型對網絡進行預排序；
[0014] S2.初始化粒子位置及粒子速度；
[0015] S3?對粒子進行適應度檢測；
[0016] S4.更新粒子速度、位置；
[0017] S5.獲取粒子當前的最優解，并判斷最優解是否優于個體極值pbest，當優于個體 極值pbest時則將當前的最優解賦值為個體極值pbest，pbest=當前的最優解；否則跳轉 至步驟S7 ;
[0018] S6.比較個體極值pbest與全局極值gbest，當個體極值pbest優于全局極值 gbest時，gbest=當前的最優解；否則跳轉至步驟S7 ;
[0019] S7.判斷是否達到最大迭代次數或PSO算法是否收斂，當其達到最大迭代次數或 收斂時，結束并輸出gbest為最優解；否則跳轉至步驟S4。
[0020] 進一步的，所述步驟Sl中業務類型包括五類，分別為語音類會話、視頻類會話、流 媒體類、交互類和后臺類；
[0021] 設衡量網絡優劣的網絡參數選取4個指標，即帶寬、信噪比、負載率和價格，則建 立多種無線網絡覆蓋下的異構網絡AHP(AnalyticHierarchyProcess)層次模型，獲得每 種業務類型的用戶選取網絡時各個網絡指標的權重；
[0022] 按業務類型網絡進行預排序的方式為：
[0023] D個用戶分別接入不同的N個網絡的解采用粒子位置X1表示，即X1=(Xu，12，~ ，xlD);表示第1個用戶接入網絡Xll，表示第2個用戶接入網絡X12，表示第D個用戶接入網絡 xlD; 1彡i彡M，M為初始化粒子群規模；
[0024] 則粒子位置1;=(1;1，1;2，~，1;[))中每一維1^的取值范圍為1~1」_ = 1，2，*"， D，所以這就需要在運行PSO主體算法之前對所有可用網絡進行排序，排序依照基于業務類 型的AHP算法；針對不同業務類型的用戶，網絡排序的結果不盡相同；
[0025] Xlj的取值范圍1~N中的1表示針對用戶j最好的網絡，N表示針對用戶j最差 的網絡。
[0026] 進一步的，所述步驟S2中初始化粒子位置及粒子速度的具體過程為：
[0027] 初始化粒子群規模M，即粒子數總數為M個，在所有解中隨機選擇的M個解，每個解 表示為Xi,I<i<M;
[0028] 粒子的長度-即維度由用戶數決定；
[0029] 粒子的范圍是由網絡總數決定的，粒子的第j維表示用戶j所接入的網絡；在組切 換中，假設所有用戶的可接入網絡是相同的；但是由于用戶終端運行的業務類型不同，則對 于不同的用戶的網絡優劣排序不同；
[0030] 隨機初始化粒子速度，粒子每一維的最大速率受網絡總數N影響，被限制為v_ = N-1，粒子的速度應該取[0,v_]閉區間上的整數；
[0031] 初始化后，粒子的個體局部極值等于其初始位置的值。
[0032] 進一步的，所述步驟S3對粒子進行適應度檢測的具體方式為：
[0033] 每個粒子代表一種接入方案，將此接入方案的參數帶入目標函數，根據函數 值-即適應度判斷方案優劣；
[0034]對于某一用戶j，l彡j彡D，4個網絡參數的權重向量W= [WuWdWmW4]，設該用 戶接入網絡k的4個參數值Vk=[Vkl,vk2,vk3,vk4];則對于用戶j的收益函數為：
[0036] 關于網絡側，只考慮負載均衡的影響，對于網絡k，其負載率為LRk，所有網絡的平 均負載率為：
[0042] 假設網絡總容量可以容納所有用戶，為了避免組切換過程中不必要的阻塞，當迭 代過程中出現網絡負載率大于1的情況時，令目標函數f= 0。
[0043] 進一步的，所述步驟S4、S5的具體過程為：
[0044] 找出pbest和gbest
[0045] PSO初始化為一群隨機粒子-隨機解，粒子通過不斷學習更新，最終飛至解空間中 的最優解位置；
[0046] 在每一次迭代中，粒子參照兩個〃極值〃來更新自己：pbest和gbest，pbest是 個體極值，是粒子本身所找到的最優解；gbest是是全局極值，是整個種群目前找到的最優 解；最優解就是目標函數值最大的解，顯然gbest是最優的pbest;
[0047] 搜索過程結束，最后輸出的gbest就是全局最優解；
[0048] 更新粒子速度和位置
[0049] M個粒子在解決方案的D維空間中飛行，粒子i的位置X1=(Xu，X12，…，xlD)，其速 度V1=(VU，vi2,…，V1D);令
[0052] 則速度和位置的迭代公式為：
[0055] 其中1彡i彡M, 1彡j彡D，Cl=c2= 2，和?§;是（〇, 1)之間均勻分布的隨機 數，設迭代總次數為g，則迭代到第t(0彡t彡g)次時w如下：
[0057] 速度更新和位置更新是分段函數，是因為速度的每一維取值和位置的每一維取值 均受網絡總數N的影響，取值范圍分別是0~v_和1~N;
[0058] 1~N并不是指網絡編號，而是對于某用戶的網絡優劣排序，對該用戶來說最優網 絡為1，最劣網絡為N;令V]為網絡n的第j個參數，w,為針對某用戶業務類型第j個網絡 參數的權