91精品人妻互换日韩精品久久影视|又粗又大的网站激情文学制服91|亚州A∨无码片中文字慕鲁丝片区|jizz中国无码91麻豆精品福利|午夜成人AA婷婷五月天精品|素人AV在线国产高清不卡片|尤物精品视频影院91日韩|亚洲精品18国产精品闷骚

    作者：張毅

1  引言

    隨著用戶對(duì)無線通信業(yè)務(wù)質(zhì)量需求的不斷增長(zhǎng)，現(xiàn)存的單一無線移動(dòng)網(wǎng)絡(luò)很難滿足多種類型服務(wù)的需要。無線通信技術(shù)的迅猛發(fā)展促使終端多�；�和接入技術(shù)多樣化，構(gòu)成了異構(gòu)網(wǎng)絡(luò)融合環(huán)境。在異構(gòu)網(wǎng)絡(luò)無線資源管理方面，網(wǎng)絡(luò)選擇算法是保障無線服務(wù)質(zhì)量(quality of service，QoS)的關(guān)鍵技術(shù)之一。

    影響網(wǎng)絡(luò)選擇算法性能的因素很多，不僅要考慮網(wǎng)絡(luò)服務(wù)的質(zhì)量，還要考慮選擇代價(jià)和網(wǎng)絡(luò)資源的合理利用。當(dāng)考慮用戶端性能時(shí)，用戶QoS是評(píng)估網(wǎng)絡(luò)選擇效果的主要因素之一。參考文獻(xiàn)[1]中提出以用戶QoS和偏好為主要考慮因素的網(wǎng)絡(luò)選擇算法。參考文獻(xiàn)[2]將用戶的喜好和使用網(wǎng)絡(luò)成本等作為選擇最優(yōu)網(wǎng)絡(luò)的參數(shù)。參考文獻(xiàn)[3]在異構(gòu)融合網(wǎng)絡(luò)應(yīng)用層QoS保證的基礎(chǔ)上，采用添加索引和隨機(jī)最優(yōu)化思想進(jìn)行最優(yōu)網(wǎng)絡(luò)選擇。參考文獻(xiàn)[4]將用戶性能與代價(jià)的比值作為用戶端的優(yōu)化目標(biāo)，以最大化用戶性價(jià)比(performance-cost ratio，PCR)進(jìn)行最優(yōu)網(wǎng)絡(luò)選擇。在很多研究網(wǎng)絡(luò)選擇算法的文獻(xiàn)中，基于博弈理論和代價(jià)函數(shù)的方法非常普遍。參考文獻(xiàn)[5]站在系統(tǒng)角度提出了一種基于代價(jià)函數(shù)的網(wǎng)絡(luò)選擇算法，結(jié)合流量平衡和接收信號(hào)強(qiáng)度，在呼叫阻塞概率和平均接收信號(hào)強(qiáng)度之間找到折中點(diǎn)。參考文獻(xiàn)[6]提出種群進(jìn)化和強(qiáng)化學(xué)習(xí)兩種基于進(jìn)化博弈論的網(wǎng)絡(luò)選擇算法。另外多目標(biāo)優(yōu)化也會(huì)應(yīng)用在網(wǎng)絡(luò)選擇算法中。參考文獻(xiàn)[7]提出了一種多目標(biāo)優(yōu)化函數(shù)最大化用戶體驗(yàn)質(zhì)量，同時(shí)也作為網(wǎng)絡(luò)資源管理的接收概率，但是最終選擇網(wǎng)絡(luò)的最優(yōu)化目標(biāo)還是最大化網(wǎng)絡(luò)端的收益，若用戶需求不在網(wǎng)絡(luò)設(shè)定的最優(yōu)范圍內(nèi)，用戶接入被拒絕。參考文獻(xiàn)[8]以可接入網(wǎng)絡(luò)的接入阻塞率相等為模糊神經(jīng)網(wǎng)絡(luò)參數(shù)強(qiáng)化學(xué)習(xí)的目標(biāo)，提出動(dòng)態(tài)適應(yīng)網(wǎng)絡(luò)負(fù)載的異構(gòu)無線網(wǎng)絡(luò)接人選擇算法，但是沒有考慮如何利用有限負(fù)載能力實(shí)現(xiàn)用戶和網(wǎng)絡(luò)端雙贏的局面。

    從最優(yōu)選擇的判決條件來看，以上參考文獻(xiàn)在做網(wǎng)絡(luò)最優(yōu)選擇時(shí)較偏向于一方，如用戶的最佳QoS或者網(wǎng)絡(luò)的最大收益，沒有側(cè)重如何實(shí)現(xiàn)雙贏效果。本文提出一種基于加權(quán)最優(yōu)二分圖的網(wǎng)絡(luò)選擇算法，對(duì)不同用戶的不同QoS要求以及網(wǎng)絡(luò)的服務(wù)指標(biāo)等參數(shù)進(jìn)行數(shù)學(xué)建模，將QoS指標(biāo)與服務(wù)指標(biāo)進(jìn)行比對(duì)，將具有最大匹配度的用戶和網(wǎng)絡(luò)作為網(wǎng)絡(luò)選擇的最優(yōu)結(jié)果。用戶與網(wǎng)絡(luò)之間的指標(biāo)值越相似，匹配的可能性越大，為實(shí)現(xiàn)用戶效用和網(wǎng)絡(luò)收益的雙贏結(jié)果，尋找優(yōu)化分配全網(wǎng)資源的目標(biāo)函數(shù)和分配方法。

2  網(wǎng)絡(luò)選擇場(chǎng)景模型

    在異構(gòu)網(wǎng)絡(luò)融合場(chǎng)景中，假設(shè)不同網(wǎng)絡(luò)之間是重疊覆蓋的關(guān)系，且參與網(wǎng)絡(luò)選擇的用戶均處于網(wǎng)絡(luò)重疊覆蓋區(qū)域內(nèi)，不會(huì)移動(dòng)到重疊區(qū)域外。為了綜合考慮用戶的QoS要求和網(wǎng)絡(luò)端的收益，動(dòng)態(tài)調(diào)節(jié)網(wǎng)絡(luò)資源，考慮將用戶和網(wǎng)絡(luò)之間進(jìn)行參數(shù)匹配，選取匹配度最大的鏈接作為網(wǎng)絡(luò)選擇結(jié)果。

    首先考慮采用分布式算法，每個(gè)用戶從可接入網(wǎng)絡(luò)中選擇滿意度最高的網(wǎng)絡(luò)請(qǐng)求接入，一個(gè)網(wǎng)絡(luò)可能有多個(gè)用戶申請(qǐng)接人，也可能沒有用戶申請(qǐng)接人，網(wǎng)絡(luò)從申請(qǐng)接人的用戶中選擇帶來最大收益的用戶允許其接入。第一次選擇時(shí)沒有成功接入網(wǎng)絡(luò)的用戶，就會(huì)選擇滿意度次高的網(wǎng)絡(luò)請(qǐng)求接入，收到多個(gè)申請(qǐng)的網(wǎng)絡(luò)選擇帶來收益最大的用戶允許其接入。如此循環(huán)直到所有用戶都成功接入網(wǎng)絡(luò)。該方式有幾個(gè)缺陷：第一，如果重新選擇次數(shù)太多，用戶的接入時(shí)延會(huì)變長(zhǎng)：第二，用戶和網(wǎng)絡(luò)來回選擇時(shí)都是單方面最優(yōu)化自己的利益，容易導(dǎo)致用戶在幾個(gè)網(wǎng)絡(luò)間來回切換始終不能成功接入網(wǎng)絡(luò)；第三，單方面滿足用戶或網(wǎng)絡(luò)的利益要求，容易導(dǎo)致資源浪費(fèi)或網(wǎng)絡(luò)過載影響總體性能，若用戶和網(wǎng)絡(luò)端可以隨意修改接人價(jià)格，更有可能造成惡性競(jìng)爭(zhēng)。

因此單純的分布式算法在此情況下很難保證網(wǎng)絡(luò)選擇的最優(yōu)性�？紤]第三方介入的情況，如圖1所示，在用戶和網(wǎng)絡(luò)之間建立云端處理中心，收集用戶和網(wǎng)絡(luò)雙方的服務(wù)質(zhì)量需求和性能參數(shù)，比較雙方要求的相似度，尋找全局最優(yōu)的匹配結(jié)果。如果用戶需求或網(wǎng)絡(luò)參數(shù)有變化，能夠快速動(dòng)態(tài)地改變下次匹配的計(jì)算參數(shù)，得出新的全局最優(yōu)選擇結(jié)果。本文后續(xù)提出的算法流程和計(jì)算均在云端處理中心進(jìn)行，每次網(wǎng)絡(luò)選擇后，如果有網(wǎng)絡(luò)過載的情況，可以對(duì)接入過載網(wǎng)絡(luò)的新用戶重新進(jìn)行次優(yōu)的網(wǎng)絡(luò)選擇，平衡網(wǎng)絡(luò)負(fù)載。

3  網(wǎng)絡(luò)選擇過程建模

    綜合考慮用戶對(duì)多業(yè)務(wù)服務(wù)的QoS需求和網(wǎng)絡(luò)的負(fù)載壓力，本文提出一種基于加權(quán)二分圖最優(yōu)匹配的網(wǎng)絡(luò)選擇算法，將網(wǎng)絡(luò)選擇過程建模為加權(quán)二分圖最優(yōu)匹配過程，尋找兼顧雙方利益的最優(yōu)匹配結(jié)果。

3.1  加權(quán)二分圖建模

將異構(gòu)網(wǎng)絡(luò)融合場(chǎng)景中的網(wǎng)絡(luò)選擇問題建模為加權(quán)二分圖模型G=(X，Y，，E)。其中，G表示一個(gè)完整的二分圖；X表示異構(gòu)網(wǎng)絡(luò)中請(qǐng)求接入網(wǎng)絡(luò)的用戶，一共有m個(gè)呼叫請(qǐng)求；Y表示所有備選異構(gòu)網(wǎng)絡(luò)，一共有n個(gè)備選網(wǎng)絡(luò)，每個(gè)呼叫請(qǐng)求都至少可以接人其中一個(gè)網(wǎng)絡(luò)：E為二分圖中邊的集合，表示每一條呼叫請(qǐng)求與網(wǎng)絡(luò)之間的鏈路，如圖2所示，邊的權(quán)值表示為ei，網(wǎng)絡(luò)選擇的過程就是尋找該加權(quán)二分圖中邊的權(quán)值和最大的完備匹配。

3.2參數(shù)相似度和匹配度

    求出加權(quán)二分圖最優(yōu)匹配的關(guān)鍵步驟是計(jì)算每條邊的權(quán)值ei，為了綜合考慮用戶和網(wǎng)絡(luò)兩者的利益，邊的權(quán)值對(duì)應(yīng)為用戶QoS需求和網(wǎng)絡(luò)服務(wù)指標(biāo)之間的匹配度。匹配度表示了用戶和網(wǎng)絡(luò)雙方參數(shù)的相似及適合程度。

    用戶根據(jù)不同的業(yè)務(wù)類型需要不同的QoS性能，時(shí)延、誤碼率、分組丟失率、隊(duì)列長(zhǎng)度等QoS要求都可以在一定條件下轉(zhuǎn)換成速率要求。因此帶寬、速率、功率、價(jià)格等資源參數(shù)可以同時(shí)作為用戶呼叫和網(wǎng)絡(luò)的需求參數(shù)進(jìn)行配對(duì)比較，將用戶呼叫和網(wǎng)絡(luò)的性能需求以矢量形式表示如下：

    其中，葉衷示用戶呼叫的QoS矢量，”。表示網(wǎng)絡(luò)的性能

矢量，后是參數(shù)種類。首先對(duì)用戶呼叫和網(wǎng)絡(luò)需求矢量進(jìn)行

相似度計(jì)算。利用夾角余弦求兩向量之間的相似度為：

    根據(jù)業(yè)務(wù)類型和網(wǎng)絡(luò)運(yùn)行情況變化，用戶和網(wǎng)絡(luò)對(duì)矢

量參數(shù)的偏好權(quán)重也會(huì)改變，因此令ajk表示用戶呼叫j對(duì)

參數(shù)k的偏好權(quán)重，nih表示網(wǎng)絡(luò)i對(duì)參數(shù)k的偏好權(quán)重。

用戶呼叫需求與網(wǎng)絡(luò)參數(shù)的匹配度可以表示為：

    令，下面求取該二分圖的最優(yōu)匹配。

3.3最優(yōu)加權(quán)二分圖匹配

    尋找加權(quán)二分圖最優(yōu)匹配(weighted bipartite graphoptimal matching, WBGOM)，實(shí)際上是尋找子圖G’=(x，Y，E’)，E’∈E，滿足對(duì)任意一個(gè)子圖G"，子圖G’的任意兩條邊不相鄰，且邊數(shù)最多，邊的權(quán)值和最大。該匹配過程可以用以下優(yōu)化模型描述：

    其中，是二進(jìn)制變量，=1表示網(wǎng)絡(luò)i與呼叫請(qǐng)求j的鏈路連通，否則鏈路不通，Cl和C3保證每個(gè)呼叫請(qǐng)求同時(shí)只能匹配一個(gè)網(wǎng)絡(luò)；z。是二分圖中每條邊的權(quán)值，由式(4)計(jì)算得到。

從這個(gè)優(yōu)化問題可以看出，呼叫請(qǐng)求與網(wǎng)絡(luò)之間是一一對(duì)應(yīng)的匹配關(guān)系，當(dāng)每個(gè)網(wǎng)絡(luò)都匹配了一個(gè)用戶，或者每個(gè)用戶都匹配了一個(gè)網(wǎng)絡(luò)，且該匹配得到的權(quán)值和最大時(shí)，優(yōu)化問題有最優(yōu)解。求解過程雖然不難但是復(fù)雜度高，若使用窮舉法則時(shí)間復(fù)雜度為。求解加權(quán)二分圖的最優(yōu)匹配還可以采用Kuhn-Munkrcs算法，流程如下：

    (1)初始化頂標(biāo)，令X集合中每個(gè)元素的頂標(biāo)為對(duì)應(yīng)邊的最大權(quán)值，y集合中每個(gè)元素頂標(biāo)為零；

    (2)用匈牙利算法尋找完備匹配；

    (3)若未找到完備匹配則更改可行頂標(biāo)的值；

    (4)重復(fù)步驟(2)和步驟(3)直至找到相等子圖的完備匹配。

    Kuhn-Munkres算法的時(shí)間復(fù)雜度最大為0(n4)，因此當(dāng)m>4時(shí)用Kuhn-Munkres算法求解優(yōu)化問題(5)能夠降低復(fù)雜度。

3.4基于負(fù)載均衡的網(wǎng)絡(luò)重選擇

    在第3.1節(jié)中，備選網(wǎng)絡(luò)可以通過調(diào)節(jié)參數(shù)的偏好權(quán)重來調(diào)整網(wǎng)絡(luò)內(nèi)的資源使用情況。例如，若備選網(wǎng)絡(luò)只能接受低速率的服務(wù)要求，則增大速率的權(quán)重以選取低速率的用戶；若備選網(wǎng)絡(luò)帶寬有限，則增大帶寬的權(quán)重以選取帶寬要求不高的用戶。但是也不能排除經(jīng)過匹配后出現(xiàn)網(wǎng)絡(luò)擁擠的情況。因此考慮當(dāng)網(wǎng)絡(luò)的負(fù)載情況不能保證用戶服務(wù)需求時(shí)，匹配到該網(wǎng)絡(luò)的用戶可以重新進(jìn)行匹配，在二分圖中尋找次優(yōu)的網(wǎng)絡(luò)進(jìn)行接入，實(shí)現(xiàn)網(wǎng)絡(luò)負(fù)載平衡。

假設(shè)網(wǎng)絡(luò)i的資源容量為鼠，定義網(wǎng)絡(luò)空閑資源占有率為：

    其中，眩是接入網(wǎng)絡(luò)i的用戶呼叫集合，bj(t)是用戶呼叫j使用的網(wǎng)絡(luò)資源。

    假設(shè)網(wǎng)絡(luò)設(shè)有空閑資源占有率的警戒門限p．，當(dāng)n≥pit)時(shí)，網(wǎng)絡(luò)i可以拒絕二分圖匹配結(jié)果，選擇接入網(wǎng)絡(luò)i的用戶可以重新選擇次優(yōu)的網(wǎng)絡(luò)。重選擇過程如圖3所示，選擇結(jié)果可以表示為：

其中，表示接入網(wǎng)絡(luò)i’的用戶呼叫j’需要重新選擇接入網(wǎng)絡(luò)。

4仿真及結(jié)果分析

    為了分析驗(yàn)證本文提出的WBGOM網(wǎng)絡(luò)選擇算法，將所提算法與參考文獻(xiàn)[4]中PCR算法和參考文獻(xiàn)[7]中多目標(biāo)優(yōu)化接人選擇  (multicriteria optimization of accessselection，MOAS)算法進(jìn)行仿真比較。假設(shè)3個(gè)網(wǎng)絡(luò)重疊覆蓋，重疊覆蓋區(qū)域內(nèi)有60個(gè)多模用戶，用戶呼叫到達(dá)過程服從泊松分布，為不同業(yè)務(wù)統(tǒng)計(jì)方便，設(shè)置等效呼叫到達(dá)

率a。例舉3種用戶呼叫業(yè)務(wù)需求見表1，考慮到時(shí)延敏感業(yè)務(wù)和高速業(yè)務(wù)在網(wǎng)絡(luò)選擇中的權(quán)重可能較高，因此針對(duì)時(shí)延和帶寬要求不是最高的業(yè)務(wù)，定義最高價(jià)格預(yù)算以提高其網(wǎng)絡(luò)選擇的權(quán)重，也防止這類業(yè)務(wù)在網(wǎng)絡(luò)選擇過程中被忽略。網(wǎng)絡(luò)根據(jù)實(shí)際情況提供不同的傳輸速率，并根據(jù)速率調(diào)整價(jià)格，網(wǎng)絡(luò)參數(shù)見表2。

    根據(jù)式(1)、式(2)建立用戶和網(wǎng)絡(luò)的參數(shù)模型，然后根據(jù)式(4)計(jì)算出匹配度帶人加權(quán)二分圖模型，根據(jù)第3節(jié)給出的網(wǎng)絡(luò)選擇過程，利用Kuhn-Munkres算法求解最優(yōu)匹配和次優(yōu)重匹配后，考察以下參數(shù)來比較算法性能。

    (1)接入阻塞概率

    定義為網(wǎng)絡(luò)選擇過程中，呼叫接入請(qǐng)求沒有被任何網(wǎng)絡(luò)接受，接入失敗的概率。該參數(shù)主要考察對(duì)時(shí)延敏感性不同的業(yè)務(wù)接入網(wǎng)絡(luò)的情況。

    其中，Ⅳ是網(wǎng)絡(luò)選擇次數(shù)，因?yàn)槊看芜x擇都是一一對(duì)

應(yīng)，所以接入失敗時(shí)。

    (2)QoS滿意度

    定義為業(yè)務(wù)呼叫接入所選網(wǎng)絡(luò)的性價(jià)比與期望性價(jià)比的比值，其中性價(jià)比定義為速率與代價(jià)的比值。該參數(shù)主要考察業(yè)務(wù)呼叫接人所選網(wǎng)絡(luò)的服務(wù)情況。

    其中，分別表示業(yè)務(wù)呼叫接入網(wǎng)絡(luò)后得到的傳輸期望的速率和代價(jià)；分別代表業(yè)務(wù)呼叫接入網(wǎng)絡(luò)前期望的速率和代價(jià)。

    (3)網(wǎng)絡(luò)負(fù)載變化

    網(wǎng)絡(luò)負(fù)載定義為接人用戶的總符號(hào)速率與網(wǎng)絡(luò)符號(hào)速

率的比值。

    其中，η是網(wǎng)絡(luò)i的負(fù)載，Ω是接入網(wǎng)絡(luò)i的用戶集合，ri是用戶i的數(shù)據(jù)速率，rm是用戶的調(diào)制編碼速率，SF是擴(kuò)頻因子，非擴(kuò)頻時(shí)設(shè)置為1，R。是網(wǎng)絡(luò)的符號(hào)速率。他值越大表示網(wǎng)絡(luò)負(fù)載越重。

    圖4給出了3種業(yè)務(wù)接入阻塞概率隨呼叫到達(dá)率變化的情況。3種算法都保證業(yè)務(wù)1（時(shí)延敏感業(yè)務(wù)）的接入阻塞概率最低，業(yè)務(wù)3（時(shí)延不敏感業(yè)務(wù)）的接入阻塞概率最高，有利于實(shí)時(shí)業(yè)務(wù)的QoS保障。從單一業(yè)務(wù)看，本文提出的WBGOM算法得到的接入阻塞概率為0．符合算法一一匹配并可負(fù)載均衡重選擇的特點(diǎn)：PCR算法的接入阻塞概率在呼叫到達(dá)率升高后稍高于WBGOM算法：MOAS算法的呼叫接入阻塞概率最高，這是算法中隨機(jī)分配預(yù)測(cè)資源過程引起的。

    圖5給出3種業(yè)務(wù)QoS滿意度隨呼叫到達(dá)率變化的情況。業(yè)務(wù)2（時(shí)延較敏感業(yè)務(wù)）的QoS滿意度最高，這是因?yàn)闃I(yè)務(wù)2的QoS需求不是最高的，且出價(jià)最高，在網(wǎng)絡(luò)選擇時(shí)容易匹配到網(wǎng)絡(luò)；業(yè)務(wù)1和業(yè)務(wù)3對(duì)QoS要求較高，出價(jià)相對(duì)較低，所以網(wǎng)絡(luò)選擇時(shí)匹配網(wǎng)絡(luò)不一定能滿足期望的性價(jià)比。這個(gè)問題可以利用博弈競(jìng)價(jià)理論進(jìn)一步研究解決，因篇幅限制本文不再做深入分析。從單一業(yè)務(wù)看，PCR算法以最大化用戶的性價(jià)比為網(wǎng)絡(luò)選擇依據(jù)，因此業(yè)務(wù)呼叫的QoS滿意度很高，而本文提出的WBGOM算法的QoS滿意度與其相近，甚至業(yè)務(wù)2和業(yè)務(wù)3的QoS滿意度超過PCR算法。這是因?yàn)樵赑CR算法中有些呼叫請(qǐng)求被分配了多余的網(wǎng)絡(luò)資源，而有些呼叫請(qǐng)求分配不到足夠的網(wǎng)絡(luò)資源。WBGOM算法充分考慮用戶和網(wǎng)絡(luò)雙方的利益，盡可能按需合理分配，使業(yè)務(wù)呼叫與網(wǎng)絡(luò)之間的匹配度最大。MOAS算法的QoS滿意度最低，算法中只有預(yù)測(cè)的資源滿足用戶呼叫的資源需求時(shí)才能接入網(wǎng)絡(luò)。

圖6給出網(wǎng)絡(luò)負(fù)載隨呼叫到達(dá)率變化的情況。在WBGOM算法和MOAS算法中，每個(gè)網(wǎng)絡(luò)的負(fù)載隨呼叫到達(dá)率的增大而增大，WBGOM算法中根據(jù)負(fù)載門限調(diào)節(jié)每個(gè)網(wǎng)絡(luò)的負(fù)載情況，因此網(wǎng)絡(luò)間負(fù)載交替上升，MOAS算法中無法滿足的業(yè)務(wù)呼叫被拒絕接入網(wǎng)絡(luò)導(dǎo)致總體網(wǎng)絡(luò)負(fù)載較低。PCR算法中網(wǎng)絡(luò)負(fù)載較高，網(wǎng)絡(luò)1的負(fù)載經(jīng)常處于最高狀態(tài)，而網(wǎng)絡(luò)2和網(wǎng)絡(luò)3有時(shí)卻幾乎沒有負(fù)載。從以上分析可以看出．WBGOM算法能夠動(dòng)態(tài)調(diào)整不同網(wǎng)絡(luò)之間的負(fù)載，MOAS算法的網(wǎng)絡(luò)負(fù)載雖然低于WBGOM，接入阻塞概率卻遠(yuǎn)遠(yuǎn)高于后者，接人的呼叫數(shù)量少，網(wǎng)絡(luò)負(fù)載也低，但是負(fù)載均衡能力較弱。PCR算法的負(fù)載均衡能力最差，用戶呼叫請(qǐng)求易偏向于單個(gè)網(wǎng)絡(luò)。

將網(wǎng)絡(luò)間最大負(fù)載值與最小負(fù)載值的差作為進(jìn)一步分析算法負(fù)載均衡能力的參數(shù)，圖7給出3種算法的網(wǎng)絡(luò)負(fù)載差異隨呼叫到達(dá)率變化的情況。顯然PCR算法的負(fù)載均衡能力最差，網(wǎng)絡(luò)間負(fù)載差異最高。WBGOM算法與MOAS算法的負(fù)載差異相近，如圖6所示，MOAS算法中呼叫請(qǐng)求易偏向單個(gè)網(wǎng)絡(luò)，使得該網(wǎng)絡(luò)的負(fù)載始終高于其他網(wǎng)絡(luò)。

5  結(jié)束語(yǔ)

本文提出了一種基于加權(quán)二分圖最優(yōu)匹配的網(wǎng)絡(luò)選擇算法，選擇供需最匹配的用戶和網(wǎng)絡(luò)，優(yōu)化異構(gòu)網(wǎng)絡(luò)中的資源分配。將用戶業(yè)務(wù)需求和網(wǎng)絡(luò)參數(shù)進(jìn)行匹配度計(jì)算，以最大化匹配度為目標(biāo)建立加權(quán)二分圖模型并求解最優(yōu)網(wǎng)絡(luò)選擇結(jié)果，對(duì)擁擠網(wǎng)絡(luò)中的呼叫請(qǐng)求重新匹配次優(yōu)網(wǎng)絡(luò)，實(shí)現(xiàn)網(wǎng)絡(luò)負(fù)載均衡。與其他算法相比，本文提出的WBGOM算法能夠在保障呼叫請(qǐng)求接人概率和QoS需求的同時(shí)動(dòng)態(tài)調(diào)整網(wǎng)絡(luò)負(fù)載，實(shí)現(xiàn)負(fù)載均衡的異構(gòu)網(wǎng)絡(luò)資源分配。未來可進(jìn)一步考慮業(yè)務(wù)優(yōu)先級(jí)調(diào)度、網(wǎng)絡(luò)負(fù)載超限等情況下所提算法的性能和改進(jìn)。

6摘要：

在異構(gòu)網(wǎng)絡(luò)融合場(chǎng)景中，為r合理利用異構(gòu)網(wǎng)絡(luò)資源，提出了一種基于加權(quán)二分圖的網(wǎng)絡(luò)選擇算法。將網(wǎng)絡(luò)選擇過程映射為尋找最優(yōu)加權(quán)二分圖的過程，用戶和網(wǎng)絡(luò)雙方的需求經(jīng)數(shù)學(xué)建模后進(jìn)行供需最優(yōu)匹配，供需匹配有二次選擇機(jī)會(huì)以平衡網(wǎng)絡(luò)負(fù)載。與其他算法相比，提出的算法可以為不同QoS業(yè)務(wù)提供滿足需求的匹配結(jié)果，并且能夠動(dòng)態(tài)調(diào)整網(wǎng)絡(luò)負(fù)載，實(shí)現(xiàn)異構(gòu)網(wǎng)絡(luò)融合場(chǎng)景中用戶需求和網(wǎng)絡(luò)資源的合理匹配。