本发明专利技术公开了一种基于进化博弈论同时兼顾终端差异性的异构网负载分配算法，通过运用进化博弈论的思想，动态的调整用户策略，这种策略的调整是以获得改善的效用为进化动力的，且调整用户策略的同时考虑终端制式的差异以及这种差异所带来的异构网间用户切换的种种限制。异构网的终端用户和网络提供者构成博弈的主体，其中用户期望获得较高的服务质量同时支付较低的费用，而提供者希望服务更多用户的同时消耗更少的网络资源。本发明专利技术提出的基于进化博弈论的异构网络负载均衡算法，充分考虑了终端之间的差异性，从而使得算法更具实用性。
【技术实现步骤摘要】
本专利技术涉及无线网络的无线资源管理领域，尤其涉及异构无线网络中的负载均衡方法。
技术介绍
无线多媒体数据业务和无线接入互联网的巨大需求推动了无线通信技术的迅速发展，不同的无线通信技术将为用户提供各种不同的服务。这预示着未来的无线通信系统必将融合多种各异的无线接入网络(Radio Access Network，RAN)，例如无线蜂窝通信系统、IEEE802. 16/20以及短距离通信WLAN、卫星通信网络等。在多种异构网的架构下，用户可以按照一定的标准或者个人的偏好来选择特定的RAN承载不同的业务，如用户所处的环境，当前RAN的负载状况，当前用户所在位置在哪些RAN的覆盖下，服务质量需求以及网络收费等都将影响用户选择何种网络和如何分配业务。异构无线网络的联合负载均衡就是在这种背景下提出的针对异构网络资源的一种优化控制技术，该机制的有效实施有助于提高系统整体无线资源的利用率，动态调整网络负载，增加网络总体容量。一种已有的负载均衡算法应用场景是UMTS和GSM共存的情形下，UMTS网络可用的情形下，用户优先选择UMTS网络，GSM网络作为后备选项。当UMTS不可用时用户选择GSM 网络。同时也考虑了终端的差异，即UMTS制式的终端向下兼容GSM制式，但GSM制式的终端不能向上兼容UMTS制式。这种场景下的负载均衡时，UMTS制式的终端可以向相邻的UMTS 小区和GSM小区转移，但GSM制式的终端只能向相邻的GSM小区转移，不能向相邻的UMTS 小区转移。该算法的优点在于简单、可行，且考虑了终端制式在小区切换时的影响。不足之处是在于，不能满足异构网中，多种多样的服务种类，速度及QoS的要求各异，仅仅套用这种方法不足以应对未来在异构网的环境下的用户的多样化需求。另一种已有算法利用进化博弈论的方法实现分布计算机网络中的服务器选择，这种算法给出了一个有效的进化显式模型。在此基础上，可将进化博弈论引入到异构网的负载均衡问题中，把异构网络业务分配问题归结为一个进化博弈过程，利用进化博弈的自学习机理动态进化来实现业务合理分配的目标。该算法的应用场景为，用户所在的区域是一个三种异构网(例如蜂窝网络、WLAN、WiMAX)重叠覆盖下的区域，用户是随机产生的，用户的终端支持三种不同的网络制式，且任何一个用户可以在三种网络下自由切换。算法的优点在于，可以灵活的调整影响负载均衡的参数来优化异构网的业务负载的分配，缺点在于， 模型过于理想，终端的制式需同时支持三种或者三种以上的异构网是不易实现的。
技术实现思路
针对上述现有技术的缺点，本专利技术提出一种基于进化博弈论同时兼顾终端差异性的异构网负载分配算法，该方法从实用性的角度出发，基于进化博弈论实现了异构网络的负载均衡。一种基于终端制式差异的异构网负载分配算法，包括以下步骤 第一步用户模块初始化，初始化时充分考虑终端差异性。定义用户个数UE_num， 随机产生UE_num个用户。定义三种用户终端支持的网络制式Nl、N2、N3，网络1支持Nl， 网络2支持N2，网络3支持N3。且网络1、网络2、网络3互相覆盖。定义用户的终端类型， A、B、C、D。A类型终端支持附和N2；B类型终端支持N2和N3 ；C类型终端支持附和N3 ；D 类型终端支持N1、N2和N3。为避免极端情况，限定了 A、B、C、D四种类型的数量相差不大。 同时给出随机的分布X= (X1, x2, X3)的初值。XiSNi网络中的用户个数占总用户个数的百分比，xi+x2+x3 = LNl网络中包含的终端类型为A、C、D，N2网络中包含的终端类型为A、 B、D，N3网络中包含的终端类型为B、C、D。第二步网络参数初始化，通过异构网间两两比较确定网络参数初值，确定效用矩阵U0。设置循环次数。UO的值即代表三种网络状态及资源情况。初始化进化矩阵G。第三步循环开始，固定效用矩阵加扰，进化的检测模块检测是否应该进行进化并自动调整进化项。计算Ni，N2, N3网络各自在当前网络参数配置下的适应度，以及平均适应度。由于考虑了终端的差异性且运用了进化博弈论的思想，这里需要分别比较m，N2，N3 的适应度和平均适应度的大小，以便从适应度小的网络转移到适应度大的网络，即选择适应度最大的个体取代最小的个体。比较的结果分为六种情况。设m网络的适应度为fl， N2网络的适应度为f2，N3网络的适应度为f3，平度适应度为fjiiean。则六种比较结果分别为 fl<f_mean,f2 > f_mean,f3 > f_mean ； fl<f_mean,f2 > f_mean,f3 < f_mean ； fl<f_mean,f2 < f_mean,f3 > f_mean ； fl>f_mean,f2 < f_mean,f3 > f_mean ； fl>f_mean,f2 < f_mean,f3 < f_mean ； fl>f_mean,f2 > f_mean,f3 < f_mean ； 第四步运用进化博弈论中的进化思想，根据复制动力方程进行进化，首先分别计 算δ,.，分别判定停止条件是否满足，如果不满足停止条件(么,.二<_；7趋近于0)， 则将进化动力方程中的增长比率转化为具体的用户个数，根据增长比率的正负符号，来确定每个网络转入或者转出，动态调整各个网络的用户数量，从而给出内循环的次数上限。第五步稳定性及精度判定，稳定性的判定可由李亚普诺夫(A. M. Lyapunov)系统稳定性定理判定。精度判定条件由第四步的停止条件决定。获得用户在三个网络中的均衡分布，和平均效用值。若不满足，重新进入第三步的循环体。附图说明 图1为本专利技术的一种基于终端制式差异的异构网负载分配算法流程图； 图2为本专利技术的进化模块1的流程图； 图3为本专利技术的进化模块2的流程图； 图4为本专利技术的进化模块3的流程图； 图5为本专利技术的进化模块4的流程图； 图6为本专利技术的进化模块5的流程图； 图7为本专利技术的进化模块6的流程图； 具体实施例方式下面结合附图和具体实例对本专利技术做进一步详细说明。图1例示出本专利技术的异构无线网络中多级协作的负载均衡方法流程图，包括以下步骤 在步骤101，检测网络状态和用户状态，并且收集网络参数及用户参数。在步骤102，对用户参数进行初始化，定义用户个数UE_num，随机产生UE_num个用户。定义用户的终端类型，A、B、C、D。A类型支持m和N2;B类型支持N2和N3;C类型支持附和N3 ；D类型支持Ni、N2和N3。为避免极端情况，限定了 A、B、C、D四种类型的数量相差不大。在步骤103，对网络参数进行初始化，给出随机的分布X = (xl,x2,x3)的初值。xi 为Ni网络中的用户个数占总用户个数的百分比，xl+x2+x3 = Ι,ΝΙ网络中包含的终端类型为A、C、D，N2网络中包含的终端类型为A、B、D，N3网络中包含的终端类型为B、C、D。在步骤104，对控制参数进行初始化，设定观察变量，便于观察仿真过程中所跟踪的变量值。这些观察变量包括，网络1中用户的效用，网络2中用户的效用，网络3中用户本文档来自技高网...
【技术保护点】
１．一种基于终端制式差异的异构网负载分配算法，其特征在于包括下列步骤：第一步：用户模块初始化，定义用户个数ＵＥ＿ｎｕｍ，随机产生ＵＥ＿ｎｕｍ个用户。定义四种用户终端支持的网络制式Ｎ１、Ｎ２、Ｎ３，网络１支持Ｎ１，网络２支持Ｎ２，网络３支持Ｎ３。且网络１、网络２、网络３互相覆盖。定义用户的终端类型，Ａ、Ｂ、Ｃ、Ｄ。Ａ类型终端支持Ｎ１和Ｎ２；Ｂ类型终端支持Ｎ２和Ｎ３；Ｃ类型终端支持Ｎ１和Ｎ３；Ｄ类型终端支持Ｎ１、Ｎ２和Ｎ３。为避免极端情况，限定了Ａ、Ｂ、Ｃ、Ｄ四种类型的数量相差不大。同时给出随机的分布Ｘ＝（ｘ１，ｘ２，ｘ３）的初值。ｘｉ为Ｎｉ网络中的用户个数占总用户个数的百分比，ｘ１＋ｘ２＋ｘ３＝１，Ｎ１网络中包含的终端类型为Ａ、Ｃ、Ｄ，Ｎ２网络中包含的终端类型为Ａ、Ｂ、Ｄ，Ｎ３网络中包含的终端类型为Ｂ、Ｃ、Ｄ。第二步：网络参数初始化，通过异构网间两两比较确定网络参数初值，确定效用矩阵Ｕ０。设置循环次数。第三步：循环开始，固定效用矩阵加扰，计算Ｎ１，Ｎ２，Ｎ３网络各自在当前网络参数配置下的适应度，以及平均适应度。由于考虑了终端的差异性，这里需要分别比较Ｎ１，Ｎ２，Ｎ３的适应度和平均适应度的大小，以便从适应度小的网络转移到适应度大的网络，即选择适应度最大的个体取代最小的个体。比较的结果分为六种情况。设Ｎ１网络的适应度为ｆ１，Ｎ２网络的适应度为ｆ２，Ｎ３网络的适应度为ｆ３，平度适应度为ｆ＿ｍｅａｎ。则六种比较结果分别为ｆ１＜ｆ＿ｍｅａｎ，ｆ２＞ｆ＿ｍｅａｎ，ｆ３＞ｆ＿ｍｅａｎ；ｆ１＜ｆ＿ｍｅａｎ，ｆ２＞ｆ＿ｍｅａｎ，ｆ３＜ｆ＿ｍｅａｎ；ｆ１＜ｆ＿ｍｅａｎ，ｆ２＜ｆ＿ｍｅａｎ，ｆ３＞ｆ＿ｍｅａｎ；ｆ１＞ｆ＿ｍｅａｎ，ｆ２＜ｆ＿ｍｅａｎ，ｆ３＞ｆ＿ｍｅａｎ；ｆ１＞ｆ＿ｍｅａｎ，ｆ２＜ｆ＿ｍｅａｎ，ｆ３＜ｆ＿ｍｅａｎ；ｆ１＞ｆ＿ｍｅａｎ，ｆ２＞ｆ＿ｍｅａｎ，ｆ３＜ｆ＿ｍｅａｎ；第四步：根据复制动力方程进行进化，首先分别计算 分别判定停止条件是否满足，如果不满足停止条件（ 趋近于０），则将进化动力方程中的增长比率转化为具体的用户个数，根据增长比率的正负符号，来确定每个网络转入或者转出，动态调整各个网络的用户数量，从而给出内循环的次 数上限。第五步：稳定性及精度判定，稳定性的判定可由李亚普诺夫（Ａ．Ｍ．ＬＹＡｐｕｎｏｖ）系统稳定性定理判定。精度判定条件由第四步的停止条件决定。获得用户在三个网络中的均衡分布，和平均效用值。若不满足，重新进入第三步的循环体。...
【技术特征摘要】
1.一种基于终端制式差异的异构网负载分配算法，其特征在于包括下列步骤 第一步用户模块初始化，定义用户个数UE_num，随机产生UE_num个用户。定义四种用户终端支持的网络制式N1、N2、N3，网络1支持Ni，网络2支持N2，网络3支持N3。且网络1、网络2、网络3互相覆盖。定义用户的终端类型，A、B、C、D。A类型终端支持附和N2; B类型终端支持N2和N3 ；C类型终端支持m和N3 ；D类型终端支持Ni、N2和N3。为避免极端情况，限定了 A、B、C、D四种类型的数量相差不大。同时给出随机的分布X = (X1, x2, X3)的初值。XiSNi网络中的用户个数占总用户个数的百分比，xi+x2h3= LNl网络中包含的终端类型为A、C、D，N2网络中包含的终端类型为A、B、D，N3网络中包含的终端类型为 B、C、D。第二步网络参数初始化，通过异构网间两两比较确定网络参数初值，确定效用矩阵 UO。设置循环次数。第三步循环开始，固定效用矩阵加扰，计算Ni，N2, N3网络各自在当前网络参数配置下的适应度，以及平均适应度。由于考虑了终端的差异性，这里需要分别比较Ni，N2，N3的适应度和平均适应度的大小，以便从适应度小的网络转移到适应度大的网络，即选择适应度最大的个体取代最小的个体。比较的结果分为六种情况。设m网络的适应度为Π，N2 网络的适应度为f2，N3网络的适应度为f3，平度适应度为fjiiean。则六种比较结果分别为 fl < f—mean，f2 > f—mean，f3 > f—mean ； fl < f—mean，f2 > f—mean，f3 < f—mean ； fl < f—mean，f2 < f—mean，f3 > f—mean ； fl > f—mean，f2 < f—mean，f3 > f—mean ； fl > f—mean，f2 < f—mean，f3 < f—mean ； fl > f—mean，f2 > f—mean，f3 < f—mean ；第四步根据复制动力方程进行进化，首先分别计算-7，分别判定停止条件是否满足，如果不满足停止条件(Δ,. = 乂趋近于0)，则将进化动力方程中的增长比率转化为具体的用户个数，根据增长比率的正负符号，来确定每个网络转入或者转出，动态调整各个网络的用户数量，从而给出内循环的次数上限。第五步稳定性及精度判定，稳定性的判定可由李亚普诺夫(A. M. LYApimov)系...
【专利技术属性】
技术研发人员：高日新，路兆铭，郑伟，温向明，赵岩琨，巨颖，凌大兵，马文敏，
申请(专利权)人：北京邮电大学，
类型：发明
国别省市：11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。