没有合适的资源?快使用搜索试试~ 我知道了~
基于DA优化模糊神经网络的异构无线网络接入选择算法
需积分: 10 1 下载量 34 浏览量
2021-01-18
14:48:14
上传
评论
收藏 946KB PDF 举报
温馨提示
针对异构无线网络的接入选择问题,在考虑用户业务类型和网络状态的前提下,提出了一种基于蜻蜓算法优化模糊神经网络的异构无线网络接入选择算法。针对模糊神经网络收敛速度低的问题,利用蜻蜓算法对模糊神经网络第二层和第五层的隶属度函数参数进行寻优,以得到模糊神经网络隶属度函数参数的初始值。系统根据不同业务类型下用户对网络的偏好程度和网络的输出评分为用户选择最适合的网络。实验结果表明,利用蜻蜓算法优化模糊神经网络能够提高模糊神经网络的收敛速度,提高系统吞吐量,降低接入阻塞率,并在一定程度上减少切换次数。
资源详情
资源评论
资源推荐
2020 年 12 月 Journal on Communications December 2020
第 41 卷第 12 期 通 信 学 报 Vol.41
No.12
基于 DA 优化模糊神经网络的异构无线网络接入选择算法
钱志鸿,冯一诺,孙佳妮,王雪
(吉林大学通信工程学院,吉林 长春 130012)
摘 要:针对异构无线网络的接入选择问题,在考虑用户业务类型和网络状态的前提下,提出了一种基于蜻蜓算
法优化模糊神经网络的异构无线网络接入选择算法。针对模糊神经网络收敛速度低的问题,利用蜻蜓算法对模糊
神经网络第二层和第五层的隶属度函数参数进行寻优,以得到模糊神经网络隶属度函数参数的初始值。系统根据
不同业务类型下用户对网络的偏好程度和网络的输出评分为用户选择最适合的网络。实验结果表明,利用蜻蜓算
法优化模糊神经网络能够提高模糊神经网络的收敛速度,提高系统吞吐量,降低接入阻塞率,并在一定程度上减
少切换次数。
关键词:异构无线网络;接入选择;模糊神经网络;蜻蜓算法
中图分类号:TN92
文献标识码:A
doi: 10.11959/j.issn.1000−436x.2020230
Access selection algorithm for heterogeneous wireless network
based on DA optimized fuzzy neural network
QIAN Zhihong, FENG Yinuo, SUN Jiani, WANG Xue
College of Communication Engineering, Jilin University, Changchun 130012, China
Abstract: To solve the access selection problem of heterogeneous wireless network, an access selection algorithm based
on dragonfly algorithm (DA) optimized fuzzy neural network (FNN) was proposed, considering the user’s business type
and network state. In view of the low convergence speed of the fuzzy neural network, the dragonfly algorithm was used
to optimize the membership function parameters of the second and fifth layers of the fuzzy neural network, so as to obtain
the initial value of membership function parameters of the fuzzy neural network. The most suitable network was selected
for the users according to their preference to the network and the output score of the network under different business
types. The experimental results show that dragonfly algorithm optimization can improve the convergence speed of fuzzy
neural network, improve system throughput, reduce blocking rate, and reduce switching times to some extent.
Key words: heterogeneous wireless network, access selection, fuzzy neural network, dragonfly algorithm
1 引言
社会经济的快速发展、5G 部署的不断推进以
及人们对高质量信息通信的需求等因素促使无线
移动通信技术飞速发展
[1-2]
。下一代无线网络将会
是由多种无线接入技术共同组成,可提供多种接
入方式、支持终端无缝移动的异构无线网络
[3]
。
网络接入选择是异构无线网络融合的关键技术之
一,其主要功能是对用户的接入请求进行控制,
并选择某一个网络为用户提供连接服务
[4]
。如何
在兼顾用户和网络两方面的情况下,为用户选择
最适合的网络并保证用户的服务质量,已经成为
研究热点。
目前,国内外针对异构无线网络接入选择问题
收稿日期:2020−07−03;修回日期:2020−09−21
基金项目:国家自然科学基金资助项目(No.61771219);吉林大学基础科研基金资助项目(No.SXGJQY2017-9, No.2017TD-19)
Foundation Items: The National Natural Science Foundation of China (No.61771219), Fundamental Research Funds of Jilin Universit
y
(No.SXGJQY2017-9, No.2017TD-19)
第 12 期 钱志鸿等:基于 DA 优化模糊神经网络的异构无线网络接入选择算法 ·119·
已经提出了以下几类算法:基于多属性决策的接入
选择算法
[5-7]
、基于效用理论的接入选择算法
[8-10]
、
基于马尔可夫过程的接入选择算法
[11]
、基于模糊逻
辑的接入选择算法
[12-13]
、基于神经网络的接入选择
算法
[14]
。其中,文献[5]提出一种基于信干噪比和层
次分析法的简单加权法(SAW, weighted method of
simple additivity)垂直切换算法,利用层次分析法
确定属性矩阵,然后用简单加权法进行判决。文献
[6]提出一种基于多属性决策的接入选择算法,采用
模层次分析法确定类间和类内的权重,再用马氏距
离对替代方案进行排序。文献[7]提出了一种基于层
次分析法和灰色关联分析的切换网络决策机制。以
上基于多属性决策的接入选择算法虽然综合考虑
了网络的属性问题,但属性参数过多会增加算法的
复杂度。文献[8-9]提出了一系列效用函数,但都停
留在传统意义上。文献[10]提出了一种基于异构无
线网络的终端多接入选择机制,通过效用函数在终
端功耗与吞吐量阈值范围内平衡终端功耗和数据
传输速率,以此选择参与并行传输的网卡,能够显
著减少不必要的重复选择。文献[11]在利用马尔可
夫模型分析 2 个融合网络如何接入的基础上,针对
无线通信网络、陆地无线接入网、无线局域网
(WLAN, wireless local area network)的融合网络,
提出了一个三维的马尔可夫模型,分别通过负载和
业务 2 个方面对系统的性能进行了分析。文献[12]提
出了一种基于模糊逻辑的多准则垂直切换模型。文
献[13]提出了一种基于模糊逻辑的分级垂直切换
算法,将接收信号强度、带宽、时延输入一级模
糊逻辑系统,结合规则自适应匹配,推理出服务
质量模糊值,并通过服务质量模糊值对网络进行
初步筛选得到候选网络集;然后通过触发机制触
发二级模糊逻辑系统,并将候选网络的服务质量
模糊值、网络负载率、用户接入费用输入二级模
糊逻辑系统,同时结合规则自适应匹配,得到输
出判决值,从而选择最佳接入网络。基于模糊逻
辑的接入选择算法虽然将不确定的参数进行准确
的表达,但却不具备学习能力。文献[14]提出了
一种基于神经网络的机器学习方案,将每个属性
的估计值转发到神经网络以选择最佳访问网络。
基于神经网络的接入选择算法虽具备学习能力,
但无法处理模糊属性。考虑以上问题,本文将模
糊逻辑与神经网络相结合,提出了基于蜻蜓算法
( DA, dragonfly algorithm)优化模糊神经网络
(FNN, fuzzy neural network)的异构无线网络接入
选择算法,即 DA-FNN。
本文的主要研究工作分为以下三方面。
1) 构建了五层模糊神经网络模型,主要包括
输入层、模糊化层、2 个模糊推理层以及解模糊
层,利用强化学习过程自适应调整模糊神经网络
第二层和第五层隶属度函数参数,训练模糊神经
网络。
2) DA 寻优。DA 寻优过程用于寻找模糊神
经网络第二层和第五层高斯隶属度函数均值和
方差的最优初始值,主要是根据蜻蜓群体在自然
界的 5 种行为方式,利用一定数目的蜻蜓寻找其
食物位置和天敌位置,将食物位置作为所求最优
初始值,再用寻优后的初始值进行模糊神经网络
训练。
3) 进行仿真实验,验证本文所提算法的优越性。
2 模糊神经网络模型
本文提出的基于 DA 优化模糊神经网络的异构
无线网络接入选择算法构建了五层模糊神经网络,
具体结构如图 1 所示。
2.1 模糊神经网络结构
第一层为输入层。本文的备选网络有 3 个,分
别是通用移动通信系统的长期演进(LTE, long term
evolution)、WLAN
1
、WLAN
2
。网络属性有 2 个,
分别是带宽 BW 和时延 D。本文将所有备选网络的
属性设置为输入数据,那么输入层的输入数据共有
32 6
×
=
个,分别是 BW
LTE
、D
LTE
、BW
WLAN
1
、D
WLAN
1
、
BW
WLAN
2
、D
WLAN
2
,则第一层共有 6 个节点,每个
节点对应一个输入数据,其输入
(1)
i
I
和输出
(1)
i
O 是
相等的,表达式为
)1(
,
)1()1(
jiii
xOI == (1)
其中,
1, 2, 3, 4, 5, 6 1ij
=
=,
,
(1)
,ij
x
是第一层节点 i 的
第
j
个输入数据。
第二层为模糊化层。模糊化层的作用是将输入
数据进行模糊化处理。一般情况下,隶属度函数分
为三角隶属度函数、钟形隶属度函数、高斯隶属度
函数和梯形隶属度函数
[15]
。本文采用高斯隶属度函
数,将输入数据模糊为低(L, low)、中 (M, me-
dium)、高(H, high)3 个等级,则第二层共有
36 18
×
=
个节点,且一个节点对应一个输入数据,
剩余9页未读,继续阅读
weixin_38625048
- 粉丝: 3
- 资源: 946
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- C++(Qt)软件调试-符号转换工具cv2pdb (24)
- 基于FlaskWebIDSKDD99深度学习入侵检测 框架 html + css + jquery + python 3.9
- 基于PythonSnort入侵检测IDS系统 框架 html + css + jquery + echart + python
- (源码)基于Arduino的智能家居控制系统.zip
- CP210x usb转串口驱动安装包(含有win7与win10的32位和64位的版本,解压即可用)
- (源码)基于AWS EventBridge、Lambda和Aurora的自动化实例资源预留系统.zip
- (源码)基于自然语言处理的智能问答系统.zip
- (源码)基于嵌入式系统的Greenhouse环境监测系统.zip
- FT232驱动安装包(串口转USB驱动,解压即可用!)
- (源码)基于Java和Hibernate的实验室设备管理系统.zip
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功
评论0