熵權(quán)法和云模型下的物聯(lián)網(wǎng)魯棒性評估方法

任 敏 胡 彧

(太原理工大學(xué)物理與光電工程學(xué)院，山西 太原 030024)

熵權(quán)法和云模型下的物聯(lián)網(wǎng)魯棒性評估方法

任 敏 胡 彧

(太原理工大學(xué)物理與光電工程學(xué)院，山西 太原 030024)

針對物聯(lián)網(wǎng)系統(tǒng)性能的評價一直沒有統(tǒng)一的標(biāo)準(zhǔn)，提出物聯(lián)網(wǎng)魯棒性的概念并對其性能進(jìn)行評估，同時選取系統(tǒng)性能指標(biāo)。采用熵權(quán)法確定系統(tǒng)各指標(biāo)的權(quán)重,并采用云模型理論實現(xiàn)評估指標(biāo)數(shù)據(jù)和評語之間的不確定映射。仿真試驗結(jié)果表明，利用云模型的評估方法可以較好地描述物聯(lián)網(wǎng)魯棒性的優(yōu)劣，從而實現(xiàn)對物聯(lián)網(wǎng)系統(tǒng)性能的整體評估，為物聯(lián)網(wǎng)系統(tǒng)性能的評估提供了一種有價值的新思路。

物聯(lián)網(wǎng) 魯棒性 云模型 熵權(quán) 評估模型

0 引言

進(jìn)入21世紀(jì)以來,物聯(lián)網(wǎng)(Internet of things,IOT)技術(shù)取得了飛速的發(fā)展，其已經(jīng)在農(nóng)業(yè)、工業(yè)、醫(yī)療、環(huán)境、軍事等傳統(tǒng)領(lǐng)域取得廣泛應(yīng)用。而伴隨大量物聯(lián)網(wǎng)系統(tǒng)的產(chǎn)生卻引發(fā)了很多問題，例如物聯(lián)網(wǎng)系統(tǒng)工作的穩(wěn)定性、安全性、適應(yīng)性等。這些問題都對物聯(lián)網(wǎng)系統(tǒng)的正常工作造成了影響，這些都是物聯(lián)網(wǎng)系統(tǒng)亟待解決的關(guān)鍵問題[1]。而這些問題的產(chǎn)生歸根到底是因為現(xiàn)在無論國際還是國內(nèi)對物聯(lián)網(wǎng)系統(tǒng)性能的評估沒有一個可行的標(biāo)準(zhǔn)。

針對這一問題，本文將魯棒性引入物聯(lián)網(wǎng)系統(tǒng)中，并提出物聯(lián)網(wǎng)魯棒性的概念。因為從系統(tǒng)論的角度看，物聯(lián)網(wǎng)可以被看作是一個廣義的復(fù)雜控制系統(tǒng)，因此物聯(lián)網(wǎng)系統(tǒng)就會受到不同的干擾，這時魯棒性就是物聯(lián)網(wǎng)網(wǎng)絡(luò)性能評價的一個重要方面，通過對魯棒性的研究以達(dá)到對物聯(lián)網(wǎng)系統(tǒng)的評估。該方式為物聯(lián)網(wǎng)系統(tǒng)性能的評估提供了一種新思路。

1 物聯(lián)網(wǎng)的魯棒性

魯棒性在不同的語境下具有不同的含義[2]，根據(jù)物聯(lián)網(wǎng)系統(tǒng)的結(jié)構(gòu)和特點,對物聯(lián)網(wǎng)的魯棒性做出如下定義：物聯(lián)網(wǎng)的魯棒性是指當(dāng)物聯(lián)網(wǎng)系統(tǒng)受到外部或內(nèi)部因素干擾或是系統(tǒng)模型自身造成的干擾因素時，能夠保持系統(tǒng)正常工作的能力。采用一個簡單的式子表示如下：

(1)

式中：P為系統(tǒng)的魯棒性；L為外部干擾因素；k1為外部因素的個數(shù)；a=1，2，3…；R為內(nèi)部干擾因素；k2為內(nèi)部因素的個數(shù)；b=1，2，3…；B為系統(tǒng)模型造成的干擾因素；k3為系統(tǒng)模型干擾因素的個數(shù);c=1，2，3…。

這個定義只是從物聯(lián)網(wǎng)結(jié)構(gòu)的角度進(jìn)行分析，下面我們就將可能的影響因素進(jìn)行分析比較。

對于這3方面的分析比較，我們主要是依靠以下3個原則進(jìn)行性能指標(biāo)選取[3]。

① 整體性：選取的測量指標(biāo)要能反映系統(tǒng)的整體性能。

② 易測性：指標(biāo)數(shù)據(jù)容易測量。

③ 實用性：從用戶使用方面考慮，指標(biāo)能反映系統(tǒng)在實際應(yīng)用中的特性。

綜上所述，最終選取以下性能指標(biāo)。

① 系統(tǒng)工作頻段：指系統(tǒng)在不同工作狀態(tài)下處于不同的工作頻段。

② 節(jié)點數(shù)：整個系統(tǒng)所存在的節(jié)點數(shù)量。

③ 發(fā)包數(shù)：發(fā)送的字節(jié)。

④ 采集信號成功率：傳感器對外界信號采集的成功率。

⑤ 丟包率：丟包數(shù)據(jù)所占的百分比。

⑥ 吞吐量：數(shù)據(jù)的吞吐量越高，系統(tǒng)工作越好。

⑦ 網(wǎng)絡(luò)通信成功率：信號在系統(tǒng)中傳輸?shù)某晒β省?/p>

⑧ 節(jié)點失效率：失效節(jié)點占總節(jié)點的百分比。

⑨ 定位精度：傳感器對信號的定位的成功率。

⑩ 時延：信號傳輸過程中所需要的時間。

2 物聯(lián)網(wǎng)魯棒性評估模型

2.1 云模型

由于物聯(lián)網(wǎng)的魯棒性并沒有確切地規(guī)定具體的界限。除此之外，魯棒性的評測是在一定參數(shù)計算的基礎(chǔ)上的，而且所提供的數(shù)據(jù)在不同時間、不同機(jī)器、不同技術(shù)又有一定的不確定性，即隨機(jī)性和模糊性。隨機(jī)性指的是發(fā)生的概率，模糊性指的是邊界的亦此亦彼性。針對物聯(lián)網(wǎng)魯棒性的這一特點，我們決定用“云”理論來構(gòu)建評估模型?！霸啤崩碚揫4]是由李德毅老師在20世紀(jì)90年代初期開創(chuàng)的, 是對傳統(tǒng)的隸屬函數(shù)概念的揚(yáng)棄。利用云可以實現(xiàn)定量和定性概念的映射。

云的數(shù)字特征如下。

① 期望Ex，表示最能夠代表定性概念的數(shù)值。

② 熵En，是用來衡量隨機(jī)性的定性概念，表示定性概念的不確定性度量。

③ 超熵He，指的是熵的熵，也就是熵的不確定性的度量。

設(shè)U是一個用精確數(shù)值表示的定量論域，U上對應(yīng)的定性概念A(yù)，若x是論域U中的任意一個定量值，且x是定性概念A(yù)的一次隨機(jī)實現(xiàn)，x對A的隸屬度μA(x)∈[0，1]是具有穩(wěn)定傾向的隨機(jī)數(shù)，則x在論域U上的分布是云。云是由許多云滴組成的，每一個x稱為一個云滴。

正態(tài)云是最重要的云模型。用期望Ex、熵En、超熵He這3個參數(shù)可以表示一維正態(tài)云的數(shù)字特征。記為C(Ex，En，He)。這種正態(tài)云的方法表現(xiàn)了定性知識的定量特性，其主要作用的區(qū)域為[Ex-3En，Ex+3En]。

2.2 基于熵權(quán)的權(quán)重確定方法

為了減少確定權(quán)重中的主觀因素的影響，在確定指標(biāo)權(quán)重時選用熵權(quán)法確定指標(biāo)權(quán)重的大小。因為不同指標(biāo)所攜帶的信息量是不同的，用熵來表示對決策的影響程度，用信息熵的大小來衡量攜帶信息的大小。因此，用熵權(quán)的方法計算權(quán)重的相對大小。其主要計算步驟如下[5]。

① 設(shè)n個指標(biāo)、m個評估對象的數(shù)字矩陣P，即：

P=(pij)m×n

(2)

② 各個不同量綱的量不必進(jìn)行無量綱化,確定評估指標(biāo)的熵值：

(3)

③ 計算指標(biāo)的差異性系數(shù)和指標(biāo)權(quán)重。差異性系數(shù)為ei=1-Hi，第i個指標(biāo)的權(quán)重為：

(4)

由此可見，熵值越小，熵權(quán)越大，表明相應(yīng)的指標(biāo)攜帶信息量大，權(quán)值越大，指標(biāo)對系統(tǒng)的影響就大，該指標(biāo)就越重要；反之，權(quán)值越小，指標(biāo)對系統(tǒng)的影響越小，該指標(biāo)就越不重要。使用熵權(quán)法可以客觀地得出指標(biāo)權(quán)重的大小。各指標(biāo)權(quán)重如表1所示。

表1 指標(biāo)權(quán)值

從表1可知，影響物聯(lián)網(wǎng)系統(tǒng)最重要的3個指標(biāo)分別是:頻段、丟包率、時延。

2.3 物聯(lián)網(wǎng)魯棒性綜合評估模型

由于物聯(lián)網(wǎng)系統(tǒng)魯棒性的不穩(wěn)定性，所以利用傳統(tǒng)的評估方法對系統(tǒng)的魯棒性不能做出準(zhǔn)備的評估。因此利用云模型建立物聯(lián)網(wǎng)性能綜合評估理論和模型，比傳統(tǒng)的評估方法更能準(zhǔn)確地反映實際情況。具體步驟如下[6-7]。

① 建立評估對象的因素矩陣P=[x1，x2，…，xn]；

② 建立評語論域V=[v1，v2，…，vn]；

③ 采用熵權(quán)法求指標(biāo)權(quán)重W=[ω1，ω2，…，ωn]；

④ 單因素指標(biāo)評價法，不同的因素論域P中會產(chǎn)生不同的V，也就是不同的指標(biāo)可以用不同的評語評價，這是與傳統(tǒng)的綜合評價方法的主要區(qū)別，也是基于云模型綜合評價的優(yōu)勢所在。

如何求單因素的評價集就成為解決問題的關(guān)鍵。需要有每個因素的數(shù)據(jù)，利用云理論實現(xiàn)對單個因素的數(shù)據(jù)離散化，再通過云變換算法實現(xiàn)定量數(shù)據(jù)到定性概念的轉(zhuǎn)化，從而獲得每個因素的評價集。下面將對以上性能指標(biāo)進(jìn)行期望修正。

3 試驗仿真

根據(jù)上面的權(quán)重分析，我們從影響物聯(lián)網(wǎng)系統(tǒng)魯棒性的10個指標(biāo)中選取權(quán)重最大的3個，分別是：頻段、丟包率、時延。

① 性能指標(biāo)數(shù)據(jù)如表2所示。

表2 性能指標(biāo)數(shù)據(jù)

物聯(lián)網(wǎng)魯棒性等級的劃分如圖1所示。

圖1 魯棒性等級劃分圖

② 指標(biāo)評價集的確定其實就是在論域上劃分定性概念的問題。通常是由用戶直接給出語言值的云模型，再通過虛擬云算法得出每個云模型的數(shù)字特征。在劃分的時候通常遵循黃金分割率的模型驅(qū)動法，就是在指定的論域內(nèi)，將給定的評語對應(yīng)相應(yīng)的語言值，語言值用云模型來表達(dá)，一般是劃分為奇數(shù)個，例如3個或5個。本文將[0，100]劃分為5個評估等級，分別是：“好”“較好”“中”“較差”“差”。對應(yīng)的云模型分別是：K1(100，10，0.5)、K2(62.5，2.5，0.2)、K3(50，1.67，0.2)、K4(37.5，2.5，0.2)、K5(0，10，0.5)[8-9]。利用云模型，將上面劃分的魯棒性等級和評語用Matlab進(jìn)行仿真，實現(xiàn)指標(biāo)數(shù)據(jù)和評語之間的互相映射。

(5)

(6)

(7)

(8)

(9)

通過以上公式的運算，得出校正后的期望、熵、超熵分別是Ex=53.93、En=3.58、He=0.26，其覆蓋范圍是(Ex-3En，Ex+3En)=(43.19，64.67)。根據(jù)魯棒性等級的劃分，魯棒性等級對比圖如圖2所示，圖2中虛線表示的是物聯(lián)網(wǎng)系統(tǒng)的魯棒性。從圖2可以發(fā)現(xiàn),其主要部分落在“中”和“較好”的區(qū)域內(nèi)，但是其中的大部分更接近“中”。當(dāng)頻段、丟包率、時延3個指標(biāo)影響下的物聯(lián)網(wǎng)的魯棒性能是“中”。從上述對物聯(lián)網(wǎng)魯棒性的研究，我們可以得出物聯(lián)網(wǎng)系統(tǒng)的性能比較穩(wěn)定。

圖2 魯棒性等級對比圖

4 結(jié)束語

本文將魯棒性首次引入物聯(lián)網(wǎng)系統(tǒng)中，并據(jù)此提出物聯(lián)網(wǎng)的魯棒性的概念。將魯棒性作為物聯(lián)網(wǎng)系統(tǒng)性能的一個重要的研究對象，利用云模型的方法對物聯(lián)網(wǎng)魯棒性進(jìn)行評估，在指標(biāo)的處理中應(yīng)用熵權(quán)法計算各指標(biāo)的相對權(quán)重，解決了指標(biāo)權(quán)重求解過程中難以客觀的問題。同時實現(xiàn)了系統(tǒng)性能指標(biāo)數(shù)值向評語的不確定映射，更直觀地表示了綜合評估的結(jié)果，在物聯(lián)網(wǎng)系統(tǒng)評估方面是一個有效的探索和嘗試。

[1] 陳柳欽.物聯(lián)網(wǎng)：國內(nèi)外發(fā)展動態(tài)及亟待解決的關(guān)鍵問題[J].決策咨詢通訊，2010(5)：15-25.

[2] 接婧.國際學(xué)術(shù)界對魯棒性的研究[J].系統(tǒng)工程學(xué)報，2005，20(2)：154-159.

[3] 羅赟騫，夏靖波，陳天平.基于云模型和熵權(quán)的網(wǎng)絡(luò)性能綜合評估模型[J].重慶郵電大學(xué)學(xué)報：自然科學(xué)版，2009，21(6)：771-775.

[4] 閆斌，周小佳，王厚軍，等.無線傳感器網(wǎng)絡(luò)路由魯棒性研究[J].計算機(jī)應(yīng)用研究，2009，26(6):2184-2186.

[5] 王漢斌，方守林.熵權(quán)法和云模型下的煤礦中層管理人員績效評價[J].山東工商學(xué)院學(xué)報，2011，25(6)：51-54.

[6] 柳炳祥，李海林.一種基于云模型的綜合評判方法[J].微計算機(jī)信息(嵌入式與SOC)，2007，23(11-2)：262-263.

[7] 王旭輝，楊華，陳遠(yuǎn).基于云模型效能評估的Matlab實現(xiàn)[J].微型機(jī)與應(yīng)用，2012，31(8)：71-73.

[8] 王健，肖文杰，王樹文，等.一種改進(jìn)的基于云模型的效能評估方法[J].火力與指揮控制，2010，35(7):140-142.

[9] 郭戎瀟，夏靖波，董淑福，等.一種基于多維云模型的多屬性綜合評判方法[J].計算機(jī)科學(xué)，2010，37(11)：75-77.

[10]張瑩，代勁，安世全.基于云模型的定性評價及在學(xué)評教中的應(yīng)用[J].計算機(jī)工程與應(yīng)用，2012，48(31)：210-215.

Evaluation Method Based on Entropy Weight and Cloud Model for Robustness of IOT

The evaluation of the performance of Internet of things (IOT) is lack of uniform standard, aiming at this condition, the concept of robustness for IOT is proposed and the evaluation of performance is conducted, meanwhile the systematic performance indexes are selected. The weight of each index is determined by using entropy weight method; and the uncertainty mapping between index evaluation data and commentary is implemented by using cloud model theory. The result of simulation experiment indicates that the evaluation method using cloud model can well describe the pros and cons of the robustness of IOT, this provides new valuable ideas for performance evaluation of IOT systems.

Internet of things Robustness Cloud model Entropy weight Evaluation model

山西省自然科學(xué)基金資助項目(編號：2012011013-5)。

任敏(1989-)，男，現(xiàn)為太原理工大學(xué)測控技術(shù)研究所控制工程專業(yè)在讀碩士研究生；主要從事物聯(lián)網(wǎng)技術(shù)和智能控制的研究。

TP393

A

10.16086/j.cnki.issn1000-0380.201505015

修改稿收到日期：2014-12-16。