[发明专利]一种基于协同学原理的异构网络多属性决策方法

摘要

本发明是一种基于协同学原理的多属性网络决策方法，该方法将网络看作是由多个属性子系统合成的复合系统，从属性均衡协调发展的角度对网络性能评估，根据业务需求为用户提供满意的QoS，即在会话业务下选择低时延、低抖动的网络，而在交互类业务下选择低价格、高吞吐量的网络，并且有效减少垂直切换次数。具体步骤如下将每个网络属性归类到对应的属性子系统，计算每个属性子系统中各个序参量分量即网络属性的有序度，将序参量分量的有序度几何平均得到每个属性子系统的有序度，再结合AHP属性权重计算每个网络系统的整体熵值，以熵值作为网络效用函数，选择熵值最小即整体有序度最大、属性整体发展最好的网络作为目标网络。

主权项

一种基于协同学原理的异构网络多属性决策方法，其特征在于，该方法包括以下步骤：1)确定候选网络复合系统的构成：将每个候选网络复合系统S看作是由吞吐量子系统S1、及时性子系统S2、可靠性子系统S3和费用子系统S4组成的系统，所述吞吐量子系统S1包含的属性为可用速率e11和峰值速率e12，及时性子系统S2包含的属性为包时延e21和包抖动e22，可靠性子系统S3包含的属性为包丢失e31，费用子系统S4包含的属性为每比特费用e41，以上属性分别为所对应属性子系统中的序参量分量；2)计算属性子系统的序参量分量的有序度：对属性子系统Sk，假定属性的取值越大网络性能越好，反之性能越差，而属性的取值越大网络性能越差，反之性能越好，其中k为属性子系统编号，k＝1,2,3,4，lk为属性子系统Sk中效益型属性的个数，Mk为属性子系统的属性个数，lk≤Mk，则属性子系统Sk中各个序参量分量eki，i≤Mk的有序度为其中αki,βki分别为属性eki的最大值和最小值，i为属性子系统中属性的编号；3)计算属性子系统的有序度：将所述步骤2)中得到的属性子系统的序参量分量的有序度uk(eki)几何平均得到属性子系统Sk的有序度为4)根据业务类型计算层次分析法权重，具体流程为：a)根据业务类型分别建立关于步骤1)中确定的所有属性两两比较的判断矩阵B，所述判断矩阵的元素值为1到9的整数或其倒数，根据B×V＝λ×V，计算出判断矩阵B的最大特征值λmax和λmax对应的特征向量Vmax，其中V为非零特征向量，λ为特征值，b)根据下式计算得到判断矩阵的一致性比率为：其中N为矩阵维数，即候选网络复合系统包含的属性个数，RI为根据所述矩阵维数N查询平均随机性一致性指标表得到的平均一致性指标；c)判断是否满足CR>0.1，如是，则返回步骤a)，否则进入步骤d)；d)将矩阵的最大特征值λmax对应的特征向量Vmax归一化，得到该业务类型对应的层次分析法权重为W＝[w1 w2 ... wN]T，w1,w2,...,wN分别为N个属性所对应的权重；5)计算复合系统熵值：将所述步骤3)得到的属性子系统的有序度uk按照步骤4)得到的层次分析法权重W进行加权复合，得到第t个候选网络复合系统S的系统熵值为其中j∈Sk表示第k个属性子系统Sk的属性编号，wj表示编号j的属性对应的权重，表示属性子系统Sk对候选网络复合系统S的贡献权重，T为候选网络复合系统的个数；6)将步骤5)中计算得到的各个候选网络复合系统的系统熵值U1,U2,...,UT作为衡量网络性能的效用函数，选取其中系统熵值最小的网络作为目标网络，即