[发明专利]基于业务敏感区间的网络属性矩阵规范化及权重计算方法

说明书

本发明提供一种基于业务敏感区间的网络属性矩阵规范化及权重计算方法，包括步骤S1：构造决策矩阵X；步骤S2：设定各决策属性的业务敏感区间；步骤S3：对决策矩阵X进行规范化，生成标准决策矩阵；步骤S4：计算各决策属性的均值和标准差；步骤S5：计算各决策属性的客观权重。本发明的基于业务敏感区间的网络属性矩阵规范化及权重计算方法，能够准确确定各网络属性的客观权重，为采用多属性决策算法进行无线网络的精准选择奠定基础，使得终端能够在众多的无线网路中能匹配出最优或次优的网络，从而提高终端用户的业务体验和网络资源的利用率。

技术领域

本发明涉及无线网络选择和多属性决策的技术领域，特别是涉及一种基于业务敏感区间的网络属性矩阵规范化及权重计算方法。

背景技术

多属性决策也称有限方案多目标决策，是指在考虑多个属性的情况下，选择最优备选方案或进行方案排序的决策问题，其是现代决策科学的一个重要组成部分。多属性决策的理论和方法在工程、技术、经济、管理和军事等诸多领域中都有广泛的应用。

近年来，随着移动通信的发展和智能终端的普及，应用和业务越发丰富。人们对于业务的体验要求也越来越高，给无线通信网络提出了严峻的挑战。为了应对这些挑战，目前无线通信网络由原来的单一网络逐渐转向异构化、立体化的网络发展，即Macro、Picocell、Femtocell、Wifi等不同网路技术组成的异构立体化的网络，使得网络结构越来越复杂。在这种立体化的网络结构中，多模终端同时处在多个网络的覆盖下，包括多种不同技术的网络以及同一种网络的多个cell。在这种情况下，终端在某个时刻连接到哪个网络进行通信，既能保证终端用户的业务质量和用户体验，又能使网络资源得到最大化的利用，就成为了目前无线网络技术研究的一个热点，即如何让终端时刻能匹配到最合适的网络。

目前这方面的研究比较多的集中在多属性决策算法上，还有部分研究采用基于模糊理论的定量决策算法和基于遗传算法的决策等。然而，无论采用上述的哪一种决策算法，都需要构造决策矩阵，并对决策矩阵进行规范化后再来确定属性权重和决策。

目前的属性决策矩阵规范化基本都是直接根据属性的数值的大小来进行规范化，而忽略了属性数据取值的含义、取值区间以及对业务的敏感程度。

现有技术中，采用线性比例变化法对属性矩阵进行规范化，再由属性均值和差异化程度来共同确定客观权重。这种计算客观权重的方法相对传统熵值法有了一定的改进，不仅考虑了属性的差异化程度，还考虑了属性的均值。但由于对网络属性矩阵进行规范化时直接采用线性比例变换法，即候选网络具体属性值与候选网络对应属性最大值的比值，会导致决策结果与预期的偏离。具体原因如下：

(1)规范化后的属性取值不能反映实际属性值的大小

比如候选网络的某个属性值相对于业务要求都偏低，且相差不大，按照上面的思路均值较小，权重应该大一些。但通过上面的规范化后，各个属性的取值与该属性最大值取比值后都变得大了(接近1)，均值也都变大了，获取的客观权重也会比较小。即只要各网络的属性取值比较接近，不管实际取值是大还是小，规范化后属性取值都接近1，反映不了实际取值的大小。

(2)规范化没有考虑属性取值空间的差异

各个属性的取值空间不一样，直接采用上面的规范化方法也会导致计算的客观权重与期望的偏离。比如一个属性的取值区间为[1000-1500]，另一个属性的取值范围为[0-500]，而且多个候选网络的这两个属性取值在各自的区间分布是相同的。设第二个属性的最大值为b，m个网络的属性取值为a_i(i＝1,2…m)，第一个属性的最大值为b+1000，m个网络的属性取值为a_i+1000(i＝1,2…m)。这种情况下二者权重应该相差不大，但在经过规范化后第一个属性取值变为第二个属性取值变为显然远大于第一个属性均值大，标准差也小，其权重也要小。