[发明专利]一种面向服务的无线网络组网模式智能重构方法

权利要求书

1.一种面向服务的无线网络组网模式智能重构方法，所采用的步骤是：

步骤1：构造经验数据集；本方法所设计的经验数据集中，每条数据包含九个属性和一个判决结果；九个属性分别是：组网规模、业务量、负载量、传输距离、最大跳数、带宽、移动性、时敏性和丢包率敏感度；判决结果即为最终要选择的组网模式，可供选择的协议有三种，分别是：全连通动态时分组网模式、多跳载波检测组网模式和多跳自组织时分多址组网模式；对于每条数据，随机为其九个属性赋值，计算出在此情况下每种组网模式的评价得分，选择得分最高的组网模式作为该条数据的判决结果；将每条数据原始取值量化后的结果作为经验数据集；

构造经验数据集的具体方法为：

(1)仿真得到评价指标，在经验数据集的九个属性中，组网规模、业务量、负载量、传输距离、最大跳数、带宽和移动性这七个属性是需要作为仿真输入的属性，通过对这七个属性的原始数值进行仿真，分别得到三种组网模式的三个评价指标：吞吐量、时延和丢包率；

(2)归一化评价指标，将三个评价指标进行归一化处理：对于每个评价指标，对比三种组网模式，将最小的作为1，用其取值除另外两种组网模式的取值，所得结果作为另外两种组网模式的归一化结果；如果对于某一评价指标，某一组网模式的该指标为0，则将其记为0，并按照同样的方法对另外两种组网模式进行归一化处理；

(3)向量化原始数据，将每个属性的取值都做向量化处理，使之变为适用于机器学习算法并能够进行函数运算的数据；

(4)通过函数运算计算评价得分，选择组网模式，用以下公式计算三种组网模式的评价得分：

y＝吞吐量×业务量-时延×时敏性-丢包率×丢包率敏感度 (1)

其中，y即为每种组网模式的评价得分，吞吐量、时延和丢包率为归一化后的取值，业务量、时敏性和丢包率敏感度为原始数据向量化后的取值；对于每种组网模式的期望是：吞吐量越大越好，而时延和丢包率越小越好；因此，将业务量、时敏性和丢包率敏感度作为权重，分别与三个评价指标相乘，吞吐量和业务量的乘积记为正，时延和时敏性以及丢包率和丢包率敏感度的乘积记为负，相加得到每种组网模式的评价得分；最后，选取得分最高的组网模式作为每条数据的最终结果；

(5)重复上述步骤，构造包含多条数据的经验数据集；

步骤2：选取神经网络算法，对经验数据集进行若干次学习；每次学习过程都分为两个步骤：训练和测试；经验数据集用于机器学习算法，在每次学习过程中，经验数据集都将随机的均分为训练集与测试集；在训练过程中，通过训练集中的数据确定算法的一些参数，得到训练模型；测试时，调用训练模型对测试集中的每条数据进行判断，检验训练模型的准确率；通过多次学习，求取准确率的均值与方差，观察算法准确率和算法稳定度，并选择准确率最大的一次，将训练模型保存起来；

步骤3：面向新服务进行智能重构，选择最佳组网模式；将新服务内容，即服务对应九个属性的实际数值作为输入，输入的实际数值将被量化为可供神经网络算法使用的数据，调用步骤2中所保存的训练模型，即可面向新服务进行智能重构，选择最佳的组网模式。

2.根据权利要求1所述的一种面向服务的无线网络组网模式智能重构方法，其特征在于经验数据集中原始数据量化的具体方法为：

(1)网络规模的取值范围为[1，+∞]，当其取值为[1，8]时，将其向量化为1，为(8，20]时，将其向量化为2，为(20，+∞]时，将其向量化为3；

(2)业务量的取值范围为[0，+∞]，当其取值为[0，200kbps]时，将其向量化为1，为(200kbps，2Mbps]时，将其向量化为2，为(2Mbps，+∞]时，将其向量化为3；

(3)负载量的取值范围为[0，100％]，当其取值为[0，33％]时，将其向量化为1，为(33％，66％]时，将其向量化为2，为(66％，100％]时，将其向量化为3；

(4)传输距离的取值范围为[0，+∞]，当其取值为[0，1km]时，将其向量化为1，为(1km，20km]时，将其向量化为2，为(20km，+∞]时，将其向量化为3；

(5)最大跳数分为单跳和多跳，当其取值为单跳时，将其向量化为1，为多跳时，将其向量化为2；

(6)带宽的取值范围为[12.8kbps，+∞]，当其取值为[12.8kbps，512kbps]时，将其向量化为1，为(512kbps，2Mbps]时，将其向量化为2，为(2Mbps，+∞]时，将其向量化为3；

(7)移动性为“相对静止”时，将其向量化为1，为“随机运动”时，将其向量化为2；

(8)时敏性为“高”时，将其向量化为1，为“中”时，将其向量化为2，为“低”时，将其向量化为3；

(9)丢包率敏感度为“高”时，将其向量化为1，为“中”时，将其向量化为2，为“低”时，将其向量化为3；

(10)组网模式为“全连通动态时分组网模式”时，将其向量化为1，为“多跳载波检测组网模式”时，将其向量化为2，为“多跳自组织时分多址组网模式”时，将其向量化为3。