面向配電網(wǎng)的異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇算法

向 敏，高 盼，杜延紅

(重慶郵電大學(xué) 工業(yè)物聯(lián)網(wǎng)與網(wǎng)絡(luò)化控制教育部重點(diǎn)實(shí)驗(yàn)室，重慶 400065)

0 引 言

當(dāng)前的配電網(wǎng)[1,2]通信方式主體采用光纖通信，輔以寬帶無(wú)線(xiàn)的通信方式。受環(huán)境條件限制，在部分地區(qū)進(jìn)行光纖鋪設(shè)、維護(hù)管理時(shí)會(huì)面臨難度大、成本高的問(wèn)題，且單一無(wú)線(xiàn)網(wǎng)絡(luò)難以滿(mǎn)足多種業(yè)務(wù)的傳輸需求。因此如何為配電通信業(yè)務(wù)選擇合適的無(wú)線(xiàn)通信網(wǎng)絡(luò)接入成為亟待解決的問(wèn)題。目前，異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇的相關(guān)研究已取得一定成果，文獻(xiàn)[3]提出以灰色關(guān)聯(lián)分析為主要決策方法的網(wǎng)絡(luò)選擇算法，綜合考慮影響網(wǎng)絡(luò)選擇的因素，選出優(yōu)化的網(wǎng)絡(luò)接入選擇方案，能夠合理分析網(wǎng)絡(luò)資源并有效降低接入成本。文獻(xiàn)[4]通過(guò)將逼近理想解排序和其它不同求解權(quán)重的方法相融合，綜合考慮接收強(qiáng)度、可用帶寬、負(fù)載等因素，分別采用層次分析法、熵權(quán)法計(jì)算各網(wǎng)絡(luò)參數(shù)的權(quán)重值，利用TOPSIS對(duì)候選網(wǎng)絡(luò)排序并選擇更為合適的網(wǎng)絡(luò)。文獻(xiàn)[5,6]以遺傳算法為基礎(chǔ)對(duì)接入選擇方法進(jìn)行改進(jìn)，借助于遺傳算法的進(jìn)化特性有效解決了全局尋優(yōu)的問(wèn)題?？傮w來(lái)看，灰色關(guān)聯(lián)在系統(tǒng)方案的整體評(píng)判上存有一定的不足；TOPSIS法不能很好地反映候選網(wǎng)絡(luò)內(nèi)部變化趨勢(shì)與理想網(wǎng)絡(luò)之間的異同；遺傳算法決策時(shí)的可靠性和復(fù)雜度有待改善。為此，提出一種基于相對(duì)貼近度的智能配電異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇算法。該算法分別從位置和形狀相似性的角度出發(fā)，針對(duì)候選網(wǎng)絡(luò)與理想網(wǎng)絡(luò)之間的接近程度，計(jì)算出它們的歐式距離以及灰色關(guān)聯(lián)度，同時(shí)結(jié)合兩者構(gòu)造出一種新的貼近度即相對(duì)貼近度，進(jìn)而以此為依據(jù)對(duì)候選網(wǎng)絡(luò)進(jìn)行優(yōu)劣排序，選擇出最合適的網(wǎng)絡(luò)。

1 智能配電異構(gòu)通信網(wǎng)絡(luò)模型

智能配電通信系統(tǒng)可采用自建專(zhuān)網(wǎng)或租用公網(wǎng)的方式實(shí)現(xiàn)通信[7]。骨干層存在于配電主站和配電子站之間，因該層具有傳輸數(shù)據(jù)量大的特點(diǎn)且對(duì)傳輸?shù)目煽啃跃哂休^高的要求，通常采用光纖通信技術(shù)或其它專(zhuān)網(wǎng)通信技術(shù)；接入層形成于配電終端與配電子站(主站)之間，由于配電終端節(jié)點(diǎn)數(shù)量大、分布范圍廣且分散、密度不均勻，從而不易使用有線(xiàn)或者單一無(wú)線(xiàn)通信實(shí)現(xiàn)對(duì)終端的全覆蓋，因此對(duì)光纖鋪設(shè)、維護(hù)難度較大或部分改造工程較復(fù)雜的地區(qū)可構(gòu)建多種無(wú)線(xiàn)接入技術(shù)共存的應(yīng)用模型。本文所構(gòu)建的智能配電異構(gòu)無(wú)線(xiàn)接入網(wǎng)絡(luò)模型如圖1所示。

圖1 智能配電異構(gòu)網(wǎng)絡(luò)模型

智能配電通信系統(tǒng)中存在多種不同類(lèi)型的業(yè)務(wù)，從業(yè)務(wù)功能屬性的角度出發(fā)，可分為控制型、保護(hù)型、信息監(jiān)測(cè)型和視頻監(jiān)控型4種類(lèi)型，且保護(hù)型和控制型比信息監(jiān)測(cè)型和視頻監(jiān)控型更為重要。受業(yè)務(wù)自身特點(diǎn)的影響，各類(lèi)業(yè)務(wù)對(duì)帶寬、時(shí)延、抖動(dòng)、丟包率，可靠性等服務(wù)質(zhì)量需求不同，表1是4種配電業(yè)務(wù)類(lèi)型的需求參數(shù)說(shuō)明[8]。

在智能配電異構(gòu)網(wǎng)絡(luò)的覆蓋范圍內(nèi)，配電終端結(jié)合業(yè)務(wù)本身特點(diǎn)和實(shí)際需求，根據(jù)當(dāng)前各接入網(wǎng)絡(luò)的實(shí)際性能，針對(duì)性地選擇最適合當(dāng)前業(yè)務(wù)正常運(yùn)行的網(wǎng)絡(luò)，使得網(wǎng)絡(luò)資源得到充分利用，同時(shí)避免了單一網(wǎng)絡(luò)覆蓋情景下，因網(wǎng)絡(luò)承載過(guò)重的負(fù)荷而造成網(wǎng)絡(luò)擁塞、業(yè)務(wù)運(yùn)行不暢等現(xiàn)象。

表1 4種配電業(yè)務(wù)類(lèi)型參數(shù)說(shuō)明

2 智能配電異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇算法

2.1 灰色關(guān)聯(lián)分析和TOPSIS理論

選擇合適的網(wǎng)絡(luò)需要同時(shí)考慮網(wǎng)絡(luò)因素的內(nèi)在特性和各因素之間的相互作用，對(duì)候選網(wǎng)絡(luò)進(jìn)行綜合評(píng)估。為實(shí)現(xiàn)業(yè)務(wù)最終選擇最合適的網(wǎng)絡(luò)接入，采用計(jì)算量小，簡(jiǎn)單方便的灰色關(guān)聯(lián)度和TOPSIS相融合的方法來(lái)進(jìn)行決策。

灰色關(guān)聯(lián)分析以各指標(biāo)的樣本數(shù)據(jù)為基礎(chǔ)，利用灰色關(guān)聯(lián)度表示指標(biāo)在大小、次序等方面的聯(lián)系緊密程度，即比較數(shù)據(jù)序列曲線(xiàn)之間的相似程度。相似程度越高，變化趨勢(shì)就越相近，關(guān)聯(lián)度就越大。

TOPSIS是一種空間統(tǒng)計(jì)學(xué)的方法，其基本思想是：分別計(jì)算各候選方案距離最好方案與最壞方案的歐氏距離，將其構(gòu)造成貼近度，進(jìn)而以所求貼近度作為衡量方案優(yōu)劣的標(biāo)準(zhǔn)。

2.2 算法整體流程

針對(duì)傳統(tǒng)TOPSIS法不能很好地體現(xiàn)候選網(wǎng)絡(luò)內(nèi)部各因素變化趨勢(shì)與理想方案之間的差異性問(wèn)題，本文首先利用層次分析法和反熵權(quán)法分別求取業(yè)務(wù)偏好的主觀權(quán)重和網(wǎng)絡(luò)性能的客觀權(quán)重，結(jié)合主客觀權(quán)重求得綜合權(quán)重并構(gòu)建加權(quán)標(biāo)準(zhǔn)化矩陣，然后分別求解候選網(wǎng)絡(luò)與理想網(wǎng)絡(luò)之間的灰色關(guān)聯(lián)度和歐式距離，將所求灰色關(guān)聯(lián)度和歐式距離構(gòu)造成相對(duì)貼近度，最后以所得相對(duì)貼近度為依據(jù)進(jìn)行合適網(wǎng)絡(luò)的選取?；谙鄬?duì)貼近度的智能配電異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇算法流程如圖2所示。

圖2 智能配電異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇算法流程

2.3 算法步驟

2.3.1 構(gòu)建標(biāo)準(zhǔn)決策矩陣

(1)構(gòu)建基礎(chǔ)決策矩陣

假設(shè)在智能配電異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)中，有m個(gè)無(wú)線(xiàn)網(wǎng)絡(luò)對(duì)智能配電終端節(jié)點(diǎn)實(shí)現(xiàn)重疊覆蓋，配電業(yè)務(wù)進(jìn)行接入時(shí)需要考慮n個(gè)指標(biāo)，從配電終端提取所需參數(shù)，構(gòu)建如式(1)所示的可表征網(wǎng)絡(luò)性能的基礎(chǔ)決策矩陣F，fij表示第i個(gè)候選網(wǎng)絡(luò)決策指標(biāo)j的值

(1)

(2)構(gòu)建標(biāo)準(zhǔn)決策矩陣

對(duì)基礎(chǔ)決策矩陣F中的決策指標(biāo)執(zhí)行同向化和無(wú)量綱化處理，生成標(biāo)準(zhǔn)決策矩陣X：

1)決策指標(biāo)同向化

將所參考的n個(gè)決策指標(biāo)分為正向指標(biāo)(即越大越好型)和負(fù)向指標(biāo)(即越小越好型)兩種。

(2)

(3)

2)決策指標(biāo)去量綱化

經(jīng)過(guò)同向化處理后的各決策指標(biāo)在屬性性質(zhì)、量綱、度量標(biāo)準(zhǔn)等方面仍然存較大的差異性，因此需采用式(4)對(duì)所得正向指標(biāo)進(jìn)行去量綱化處理，可得如式(5)所示的標(biāo)準(zhǔn)決策矩陣X

(4)

(5)

2.3.2 確定決策指標(biāo)權(quán)重并構(gòu)建加權(quán)標(biāo)準(zhǔn)化矩陣

(1)確定配電業(yè)務(wù)主觀權(quán)重

根據(jù)不同類(lèi)型配電業(yè)務(wù)的需求差異，采用層次分析法構(gòu)建如圖3所示的層次結(jié)構(gòu)模型為各決策指標(biāo)賦權(quán)。該架構(gòu)的目標(biāo)層為最佳接入網(wǎng)絡(luò)，準(zhǔn)則層包含抖動(dòng)、帶寬、丟包率、時(shí)延、及單位字節(jié)費(fèi)用等決策因素，方案層包括了當(dāng)前的所有候選網(wǎng)絡(luò)。

圖3 異構(gòu)網(wǎng)絡(luò)接入選擇層次結(jié)構(gòu)模型

此處采用幾何平均法[9]求取各決策因素的相對(duì)重要性即權(quán)值如式(6)所示

(6)

式中：bij——決策指標(biāo)xi與決策指標(biāo)xj之間的相對(duì)重要性級(jí)別。

(7)

(2)確定網(wǎng)絡(luò)性能客觀權(quán)重

信息反熵和信息熵具有相同的屬性，均可用于度量系統(tǒng)無(wú)序程度[10,11]。由于熵權(quán)法不能根據(jù)指標(biāo)差異合理分配權(quán)重，極端情況下會(huì)出現(xiàn)某些指標(biāo)權(quán)重過(guò)小使其不具備參考價(jià)值，故而此處采用反熵權(quán)法求取候選網(wǎng)絡(luò)性能指標(biāo)的客觀權(quán)重Wo，具體步驟如下：

1)以標(biāo)準(zhǔn)決策矩陣X為基礎(chǔ)，計(jì)算各決策指標(biāo)的比重，如式(8)

(8)

2)依據(jù)反熵的定義，確定各決策指標(biāo)的反熵，如式(9)

(9)

(10)

(3)計(jì)算指標(biāo)組合權(quán)重

由于指標(biāo)性質(zhì)間存在差異，對(duì)應(yīng)主客觀權(quán)重所占比重也不同。分別用α和β表示主觀權(quán)重和客觀權(quán)重所占比重，結(jié)合矩估計(jì)理論，根據(jù)式(11)求取各決策指標(biāo)的主客觀權(quán)重系數(shù)αj和βj[12]

(11)

為綜合考慮主客觀因素，將所得業(yè)務(wù)需求的主觀權(quán)重集Ws、網(wǎng)絡(luò)性能的客觀權(quán)重集Wo和主客觀權(quán)重所占比重系數(shù)相結(jié)合，根據(jù)式(12)可求取主、客觀權(quán)重綜合之后的最優(yōu)組合權(quán)重vj

(12)

(4)構(gòu)建加權(quán)標(biāo)準(zhǔn)化矩陣

將計(jì)算所得最優(yōu)組合權(quán)重vj與標(biāo)準(zhǔn)決策矩陣X相乘構(gòu)建加權(quán)標(biāo)準(zhǔn)化加權(quán)矩陣Y如式(13)所示

(13)

2.3.3 確定理想網(wǎng)絡(luò)并求解歐式距離和灰色關(guān)聯(lián)度

(1)確定能夠評(píng)價(jià)候選網(wǎng)絡(luò)的正理想網(wǎng)絡(luò)和負(fù)理想網(wǎng)絡(luò)

由于決策指標(biāo)經(jīng)同向化處理均已轉(zhuǎn)化為正向指標(biāo)，故可用加權(quán)標(biāo)準(zhǔn)化決策矩陣Y中各指標(biāo)的最大值構(gòu)成正理想網(wǎng)絡(luò)Y+如式(14)，用各指標(biāo)的最小值構(gòu)成負(fù)理想網(wǎng)絡(luò)Y-如式(15)

(14)

(15)

(2)求解候選網(wǎng)絡(luò)到正理想網(wǎng)絡(luò)和負(fù)理想網(wǎng)絡(luò)之間的歐氏距離

假定第i個(gè)候選網(wǎng)絡(luò)距離正理想網(wǎng)絡(luò)的歐氏距離為D+，根據(jù)式(16)可得

(16)

假定第i個(gè)候選網(wǎng)絡(luò)到負(fù)理想網(wǎng)絡(luò)的歐氏距離為D-，根據(jù)式(17)可得

(17)

(3)求解候選網(wǎng)絡(luò)與正理想網(wǎng)絡(luò)和負(fù)理想網(wǎng)絡(luò)間的灰色關(guān)聯(lián)度

1)在加權(quán)標(biāo)準(zhǔn)化矩陣Y的基礎(chǔ)上，根據(jù)式(18)求解第i個(gè)候選網(wǎng)絡(luò)與正理想網(wǎng)絡(luò)關(guān)于第j個(gè)決策指標(biāo)的灰色關(guān)聯(lián)系數(shù)，即

(18)

(19)

第i個(gè)候選網(wǎng)絡(luò)與正理想網(wǎng)絡(luò)之間的灰色關(guān)聯(lián)度為

(20)

2)計(jì)算第i個(gè)候選網(wǎng)絡(luò)與負(fù)理想網(wǎng)絡(luò)關(guān)于第j個(gè)決策指標(biāo)的灰色關(guān)聯(lián)系數(shù)，如式(21)

(21)

(22)

第i個(gè)候選網(wǎng)絡(luò)與負(fù)理想網(wǎng)絡(luò)的灰色關(guān)聯(lián)度為

(23)

2.3.4 求解相對(duì)貼近度并對(duì)候選網(wǎng)絡(luò)進(jìn)行優(yōu)劣排序

(1)利用式(24)對(duì)所求歐氏距離和灰色關(guān)聯(lián)度實(shí)施規(guī)范化處理

(24)

(25)

(26)

(3)相對(duì)貼近度體現(xiàn)了候選網(wǎng)絡(luò)與正理想網(wǎng)絡(luò)或負(fù)理想網(wǎng)絡(luò)在變化趨勢(shì)上的接近程度，用δi表示相對(duì)貼近度，則有

(27)

(4)按照所求相對(duì)貼近度δi的大小對(duì)候選網(wǎng)絡(luò)進(jìn)行優(yōu)劣排序，δi越大，表示候選網(wǎng)絡(luò)與正理想網(wǎng)絡(luò)越貼近，候選網(wǎng)絡(luò)質(zhì)量越優(yōu)，能較好地滿(mǎn)足當(dāng)前業(yè)務(wù)需求；反之，δi越小，表示候選網(wǎng)絡(luò)與負(fù)理想網(wǎng)絡(luò)越貼近，候選網(wǎng)絡(luò)質(zhì)量越差，不能較好滿(mǎn)足當(dāng)前業(yè)務(wù)需求。當(dāng)確定出候選網(wǎng)絡(luò)性能質(zhì)量的優(yōu)劣排序后，選取δi最大的候選網(wǎng)絡(luò)為最合適的網(wǎng)絡(luò)選擇。

3 仿真與分析

為檢驗(yàn)所提智能配電異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇算法的性能優(yōu)劣，使用MATLAB在圖1所建模型中進(jìn)行模擬仿真，假定該重疊覆蓋區(qū)域中含有150個(gè)終端節(jié)點(diǎn)，獲取網(wǎng)絡(luò)性能參數(shù)，得到如表2所示的初始決策矩陣。在相同的仿真環(huán)境下，對(duì)4類(lèi)配電通信業(yè)務(wù)同時(shí)執(zhí)行本文算法和文獻(xiàn)[13，14]中所提層次分析法和TOPSIS相結(jié)合的傳統(tǒng)算法，將兩種算法連續(xù)執(zhí)行20次并取其平均值就網(wǎng)絡(luò)排序異常率、單一業(yè)務(wù)情景、綜合業(yè)務(wù)情景和網(wǎng)絡(luò)總平均阻塞率下的情況進(jìn)行仿真模擬對(duì)比。

表2 候選網(wǎng)絡(luò)的決策屬性值

結(jié)合4類(lèi)配電業(yè)務(wù)的需求，對(duì)網(wǎng)絡(luò)帶寬(AB)、網(wǎng)絡(luò)時(shí)延(D)、網(wǎng)絡(luò)抖動(dòng)(J)、網(wǎng)絡(luò)丟包率(L)和單位字節(jié)費(fèi)用(CB)這5項(xiàng)指標(biāo)之間進(jìn)行成對(duì)比較，構(gòu)造如表3所示的成對(duì)比較判斷矩陣，利用層次分析法求得如圖4所示的4類(lèi)配電業(yè)務(wù)關(guān)于決策指標(biāo)的權(quán)重分布關(guān)系。

3.1 逆序問(wèn)題性能比較

圖5是在4類(lèi)配電業(yè)務(wù)下，采用本文算法和傳統(tǒng)TOPSIS法時(shí)平均排序異常概率分布。

表3 4類(lèi)配電業(yè)務(wù)需求間的成對(duì)比較判斷矩陣

圖4 4類(lèi)配電業(yè)務(wù)需求偏好值

圖5 4類(lèi)配電業(yè)務(wù)下的平均異常排序率注：Alg1：傳統(tǒng)TOPSIS法，Alg2：本文算法

從圖5可知，在4種業(yè)務(wù)同時(shí)開(kāi)展的情況下，本文算法的排序異常率均低于傳統(tǒng)TOPSIS法。本文算法在構(gòu)建標(biāo)準(zhǔn)決策矩陣前已采用了同向化處理過(guò)程，且能夠?qū)⒏鞣桨概c理想方案間的內(nèi)部因素變化趨勢(shì)和整體相似度相結(jié)合，通過(guò)將所求歐氏距離和灰色關(guān)聯(lián)度相結(jié)合，求取更為確切的綜合相對(duì)貼近度，保證了所選網(wǎng)絡(luò)在距離負(fù)理想方案最遠(yuǎn)的同時(shí)又是最接近正理想方案，同時(shí)滿(mǎn)足形狀和位置兩個(gè)不同性質(zhì)的雙重要求。最終可確定最終候選網(wǎng)絡(luò)間的優(yōu)劣排序，使得網(wǎng)絡(luò)間的逆序現(xiàn)象得到改善。

3.2 單一業(yè)務(wù)情景下的終端負(fù)載分布

以終端節(jié)點(diǎn)執(zhí)行同一類(lèi)型業(yè)務(wù)為例，分別執(zhí)行本文算法和傳統(tǒng)TOPSIS算法使終端從可用候選網(wǎng)絡(luò)中確定出能夠滿(mǎn)足當(dāng)前業(yè)務(wù)需求的最合適網(wǎng)絡(luò)并進(jìn)行接入，圖6為4類(lèi)業(yè)務(wù)在兩種方法下的終端負(fù)載分布結(jié)果。

圖6 單一業(yè)務(wù)場(chǎng)景下終端業(yè)務(wù)分布注：A：保護(hù)類(lèi)業(yè)務(wù)，B：控制類(lèi)業(yè)務(wù)，C：信息監(jiān)測(cè)類(lèi)業(yè)務(wù)，D：視頻監(jiān)控類(lèi)業(yè)務(wù)；Alg1:傳統(tǒng)TOPSIS法，Alg2:本文算法

由圖6可知，當(dāng)終端執(zhí)行傳統(tǒng)的TOPSIS網(wǎng)絡(luò)選擇算法時(shí)，4種業(yè)務(wù)有超過(guò)90%左右的終端會(huì)選擇WiMAX網(wǎng)絡(luò)進(jìn)行業(yè)務(wù)接入，導(dǎo)致WiMAX網(wǎng)絡(luò)擁塞程度加重，造成網(wǎng)絡(luò)負(fù)載過(guò)重，進(jìn)而會(huì)形成因終端業(yè)務(wù)請(qǐng)求不能被滿(mǎn)足導(dǎo)致接入率降低、掉線(xiàn)率升高；同時(shí)也會(huì)使得UMTS1，UMTS2和WLAN網(wǎng)絡(luò)資源不能得到充分利用。當(dāng)終端采用本文所提所算法時(shí)，承載保護(hù)類(lèi)、控制類(lèi)、信息監(jiān)測(cè)類(lèi)3類(lèi)業(yè)務(wù)的終端能夠較均勻的分布于候選網(wǎng)絡(luò)中，使網(wǎng)絡(luò)處于較均衡狀態(tài)。當(dāng)業(yè)務(wù)為視頻監(jiān)控類(lèi)業(yè)務(wù)時(shí)WiMAX網(wǎng)絡(luò)才會(huì)出現(xiàn)負(fù)載過(guò)重的現(xiàn)象，造成網(wǎng)絡(luò)擁塞。綜上所述，在單一業(yè)務(wù)情境下，較傳統(tǒng)TOPSIS算法相比，本文所提算法的負(fù)載均衡效果較好。

3.3 綜合業(yè)務(wù)情景下的網(wǎng)絡(luò)選擇概率

在4種業(yè)務(wù)隨機(jī)產(chǎn)生的情況下，終端結(jié)合網(wǎng)絡(luò)性能和業(yè)務(wù)需求執(zhí)行本文所提智能配電異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇算法，選出合適的網(wǎng)絡(luò)進(jìn)行接入，4種網(wǎng)絡(luò)接入選擇概率如圖7所示。假定初始時(shí)刻4種候選網(wǎng)絡(luò)皆處于空載狀態(tài)，終端不論執(zhí)行哪種類(lèi)型業(yè)務(wù)，在滿(mǎn)足業(yè)務(wù)需求的前提下，終端均會(huì)優(yōu)先選擇性?xún)r(jià)比較高的網(wǎng)絡(luò)。隨著請(qǐng)求入網(wǎng)的終端業(yè)務(wù)數(shù)不斷增加，網(wǎng)絡(luò)的負(fù)載量、部分性能也隨之改變，為保證終端業(yè)務(wù)能夠正常運(yùn)行，且能夠較均勻地分布于各網(wǎng)絡(luò)中，終端則會(huì)有針對(duì)性地選擇網(wǎng)絡(luò)，最終呈現(xiàn)出4種網(wǎng)絡(luò)被選概率趨于一致的現(xiàn)象。

圖7 綜合業(yè)務(wù)下網(wǎng)絡(luò)接入選擇率

3.4 網(wǎng)絡(luò)的總平均阻塞率比較

圖8為本文所提算法、多接入選擇算法(MLB)和傳統(tǒng)TOPSIS算法關(guān)于網(wǎng)絡(luò)總平均阻塞率的仿真對(duì)比結(jié)果。隨著終端業(yè)務(wù)數(shù)的增加，3種算法在網(wǎng)絡(luò)總平均阻塞率方面的差異性逐漸顯現(xiàn)出來(lái)，采用本文算法的網(wǎng)絡(luò)總平均阻塞率一直低于MLB法和傳統(tǒng)TOPSIS法的網(wǎng)絡(luò)總平均阻塞率。MLB法和傳統(tǒng)TOPSIS法在實(shí)現(xiàn)業(yè)務(wù)接入選擇的過(guò)程中僅考慮了不同類(lèi)型配電業(yè)務(wù)的個(gè)性化需求和網(wǎng)絡(luò)性能，使最終的決策結(jié)果比較片面；本文所提算法除考慮以上因素外，重點(diǎn)考慮了業(yè)務(wù)的重要性程度，因?yàn)闃I(yè)務(wù)接入時(shí)重要程度高的保護(hù)類(lèi)和控制類(lèi)業(yè)務(wù)優(yōu)先接入網(wǎng)絡(luò)，且重要程度高的業(yè)務(wù)占用的網(wǎng)絡(luò)資源較少。因此，采用本算法能夠?qū)崿F(xiàn)對(duì)候選網(wǎng)絡(luò)的綜合評(píng)價(jià)，使得網(wǎng)絡(luò)中的負(fù)載分布更為均勻，從而降低了整個(gè)網(wǎng)絡(luò)的阻塞率。

圖8 網(wǎng)絡(luò)總平均阻塞率對(duì)比

4 結(jié)束語(yǔ)

針對(duì)智能配電異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇問(wèn)題，提出了一種基于相對(duì)貼近度的智能配電異構(gòu)無(wú)線(xiàn)網(wǎng)絡(luò)接入選擇算法。通過(guò)構(gòu)建灰色理想逼近模型求解相對(duì)貼近度，以此為依據(jù)對(duì)候選網(wǎng)絡(luò)進(jìn)行優(yōu)劣排序選出最適合業(yè)務(wù)傳輸?shù)木W(wǎng)絡(luò)。與已有的網(wǎng)絡(luò)選擇算法相比，該方法能反映出候選網(wǎng)絡(luò)內(nèi)部各因素變化趨勢(shì)與理想方案之間的區(qū)別，實(shí)現(xiàn)對(duì)各候選網(wǎng)絡(luò)進(jìn)行整體評(píng)判，是一種更有效的網(wǎng)絡(luò)選擇方法。仿真結(jié)果表明，該算法降低了網(wǎng)絡(luò)平均排序異常率，在滿(mǎn)足各類(lèi)配電業(yè)務(wù)服務(wù)質(zhì)量需求的同時(shí)，將終端較均勻的分布于各網(wǎng)絡(luò)中，有效減緩擁塞的形成，改善了因負(fù)載分布不均造成的網(wǎng)絡(luò)資源浪費(fèi)的現(xiàn)象，提高了配電業(yè)務(wù)的傳輸可靠性。

下一步，本文將針對(duì)該接入選擇算法的負(fù)載均衡，調(diào)度優(yōu)化進(jìn)行進(jìn)一步的研究。