基于蚁群优化的网络选择算法

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (5): 84-88.

基于蚁群优化的网络选择算法

徐名海，訾源

南京邮电大学通信与信息工程学院，南京 210003

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2012-02-11 发布日期:2012-02-11

ACO-based network selection algorithm

XU Minghai, ZI Yuan

College of Telecommunications and Information Engineering, Nanjing University of Posts and Telecommunications, Nanjing 210003, China

Received:1900-01-01 Revised:1900-01-01 Online:2012-02-11 Published:2012-02-11

摘要/Abstract

摘要： 随着通信技术的不断发展，越来越多的无线通信网络标准被制定出来。为了保护投资，平滑过渡，各种不同的无线通信网络必然将相互融合。终端在这样一个多网络覆盖的区域中如何选择所使用的网络就成为了一个研究的热点。然而，在已有的诸多网络算法中，无一不存在着参加判决的参数过多、算法过于复杂而导致终端的电力和处理能力消耗过多、没有较好考虑网络负载均衡的缺陷并且没有考虑终端的反馈机制。简要介绍异构融合网络场景下网络选择的相关内容，包括异构融合网络场景，已有的网络选择算法，蚁群优化及其特点。在此基础上，提出了一种全新的基于蚁群模型的网络选择算法（ANSA）。利用Matlab对所提出的ANSA的性能进行了仿真分析，与TOPSIS算法进行对比，证明了ANSA比已有的网络选择算法具有更好的负载均衡性能并且降低了终端的复杂度。

关键词: 网络选择, 蚁群优化, 异构网络, 负载均衡, 反馈

Abstract: With the advancing telecommunication technology, more and more standards for wireless communication network are developed. The heterogeneous wireless network is becoming a destined trend of mobile communication in order to protect investment and preserve smooth migration path. When user equipment is in such a heterogeneous environment, how to select the appropriate access network has become a research hotspot. However, all the existing network selection algorithms have some deficiencies, such as attribute redundancy, excessive consumption of equipment power and process capacity, or lack of feedback mechanism. Survey of existing network selection and ant-system theories are given in brief. A brand new network selection algorithm, Ant Colony Optimization（ACO） based Network Selection Algorithm（ANSA） is proposed. ANSA is trying to combine positive feedback mechanism with network selection. The performance of ANSA and TOPSIS is compared with MATLAB. It is shown that ANSA reduces the consumption of equipment electricity and has a better performance than TOPSIS on load-balancing.

Key words: network selection, Ant Colony Optimization（ACO）, heterogeneous network, load balancing, feedback

徐名海，訾源. 基于蚁群优化的网络选择算法[J]. 计算机工程与应用, 2012, 48(5): 84-88.

XU Minghai, ZI Yuan. ACO-based network selection algorithm[J]. Computer Engineering and Applications, 2012, 48(5): 84-88.

[1]	贾香恩，董一鸿，朱锋，钱江波. 异构图卷积网络研究进展[J]. 计算机工程与应用, 2021, 57(9): 36-49.
[2]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[3]	苏斐，王红，祖林禄，王江，刘晨. 基于模糊控制的帕金森状态闭环调节[J]. 计算机工程与应用, 2021, 57(22): 273-280.
[4]	张铭，邓文瀚，林娟，钟一文. 改进蚁群优化算法求解折扣{0-1}背包问题[J]. 计算机工程与应用, 2021, 57(13): 85-95.
[5]	王保剑，胡大裟，蒋玉明. 改进A*算法在路径规划中的应用[J]. 计算机工程与应用, 2021, 57(12): 243-247.
[6]	梁新荣，肖龙，王雪奇，杨世武，董海荣. 高速列车速度跟踪神经网络PID控制器的设计[J]. 计算机工程与应用, 2021, 57(10): 252-258.
[7]	张海南，游晓明，刘升，刘中强. 交互式学习的布谷鸟搜索算法[J]. 计算机工程与应用, 2020, 56(7): 147-154.
[8]	程晓娜，孙志锋. 隐式反馈场景下的LFM-XGB-LR融合推荐算法[J]. 计算机工程与应用, 2020, 56(5): 85-92.
[9]	袁洋，叶峰，赖乙宗，赵雨亭. 结合负载均衡与A*算法的多AGV路径规划[J]. 计算机工程与应用, 2020, 56(5): 251-256.
[10]	王伟成，肖琨. 无线异构EH蜂窝网络中移动台关联的性能分析[J]. 计算机工程与应用, 2020, 56(3): 121-126.
[11]	何锋，曾文，王秉钧. 并行实时测控数据存储系统设计与实现[J]. 计算机工程与应用, 2020, 56(23): 253-258.
[12]	张晖，李风乐，赵海涛，孙雁飞，朱洪波. 5G动态异构场景下无线回程优化算法[J]. 计算机工程与应用, 2020, 56(16): 62-68.
[13]	王莉，赵阿群，赵晨辉. 基于Fat-Tree的虚拟分片负载均衡算法[J]. 计算机工程与应用, 2020, 56(13): 93-99.
[14]	李全，许新华，刘兴红，林松. 基于LBSN动态异构网络的时间感知兴趣点推荐[J]. 计算机工程与应用, 2020, 56(11): 67-74.
[15]	秦峰，曾浩，林开东. 高负载场景下基于负载均衡的LLN路由协议[J]. 计算机工程与应用, 2020, 56(1): 121-126.