[发明专利]一种基于多目标优化模型的异构网络垂直切换算法及系统

说明书

本发明涉及异构网络技术领域，公开了基于多目标优化模型的异构网络垂直切换算法及系统，以提高异构网络系统的资源利用率和保证用户的服务质量需求，本发明的算法包括根据相关参数计算异构网络中反映各基站在不同状态下性能特征的Gittins指数，并生成异构网络中的Gittins矩阵；计算用户在切换执行前的传输速率矩阵和误码率矩阵；设置用于反映用户切换策略的矩阵变量；以Gittins矩阵、传输速率矩阵和误码率矩阵为参数，以矩阵变量为决策变量构建多目标优化模型；求解出多目标优化模型中的矩阵变量以确定最优的切换策略。

技术领域

本发明涉及异构网络技术领域，尤其涉及一种基于多目标优化模型的异构网络垂直切换算法及系统。

背景技术

随着无线网络技术的发展，多制式无线网络的融合将成为主流，不同类型的无线网络重叠覆盖形成了异构网络，异构网络中的用户可以连接到不同制式的网络中以获取不同的服务体验，用户总是选择最好的网络进行接入以获得好的服务质量。在异构网络环境下，用户经常需要在不同制式的网络中进行切换，这种在不同制式网络中切换的技术被称为垂直切换。垂直切换是解决异构无线网络集成障碍的重要技术。

到目前为止有很多关于垂直切换算法的研究，常见的垂直切换算法可以分为四类，第一类是基于接收信号强度的垂直切换算法，该类算法由于判决属性单一、设计过于简单，应用于垂直切换会导致乒乓效应，且对于异构网络环境下的切换，各个不同接入网络的特征差别很大，这个时候仅仅依据信号强度来执行切换已经不能准确的使终端接入到最优的网络中；第二类是多属性决策算法，该类算法通过选取影响用户服务需求的终端判决属性构建出相应的效应函数或代价函数，求出最优的网络进行接入，由于该类垂直切换算法设计简单且相比于单一的基于接收信号强度的垂直切换算法而言有更高的可靠性，因此被大量使用和研究，但是其灵活性差，且没有考虑到网络状态的动态变化特性；第三类是基于人工智能的切换算法，此类垂直切换算法适用于涉及较多难以量化的判决因素的切换场景，通过将网络参数的样本值输入到模糊推理系统(Fuzzy Inference System,FIS)或神经网络中进行处理，并根据系统输出进行切换判决。该类算法判决准确度高，但是缺乏考虑用户之间的协调性，且模糊逻辑和人工神经网络计算复杂，不适用于计算能力有限的终端设备；第四类是基于马尔可夫决策过程的垂直切换算法，该类算法通过引入价值函数将不同时刻下网络的状态进行量化，使得切换用户能实时掌握网络状态的动态变化特性，很好的保证了用户接入到低阻塞率和低时延的网络，但是缺乏考虑用户侧的服务需求。

发明内容

本发明目的在于提供一种基于多目标优化模型的异构网络垂直切换算法及系统，以提高异构网络系统的资源利用率和保证用户的服务质量需求。

为实现上述目的，本发明提供了一种基于多目标优化模型的异构网络垂直切换算法，包括以下步骤：

根据相关参数计算异构网络中反映各基站在不同状态下性能特征的Gittins指数，并生成所述异构网络中的Gittins矩阵；

计算用户在切换执行前的传输速率矩阵和误码率矩阵；

设置用于反映用户切换策略的矩阵变量；以Gittins矩阵、传输速率矩阵和误码率矩阵为参数，矩阵变量为决策变量构建多目标优化模型；求解出所述多目标优化模型的矩阵变量以确定最优切换策略。

优选地，所述生成所述异构网络中的Gittins矩阵包括：

对所述异构网络中的各Gittins指数按接入用户数进行升序排列以生成所述Gittins矩阵。

优选地，设定异构网络中的基站数量为M，用户数量为N，在生成所述异构网络中的Gittins矩阵时，若用户数量超过异构网络中的各基站状态数量时，将多余部分用户数量对应的Gittins指数都设为0。

优选地，所述传输速率矩阵和误码率矩阵根据异构网络中的信噪比计算得到。