تحلیل ارزیابی کارایی الگوریتم‌های انتخاب شبکه در شبکه‌های بی‌سیم ناهمگن نسل پنجم

یکی از ارکان نسل جدید شبکه‌های سیار بی‌سیم امکان دسترسی به شبکه‌های ناهمگن با فن‌آوری‌های مختلف و امکان دست‌به‌دست شدن بین آن‌هاست. در این فرآیند یکی از کلیدی‌ترین گام‌ها، مسئله «انتخاب شبکه» از بین بهترین گزینه در دسترس است. اگرچه روش‌ها و الگوریتم‌های متنوعی جهت حل این مسئله مطرح گردیده است، اما یک مبنای استاندارد و جامع جهت ارزیابی کارایی این روش‌ها وجود ندارد. در این مقاله با ارائه تعریفی فراگیر از درجه رضایت مشتری و«کیفیت تجربه استفاده از سرویس»، «شاخص جامع کارایی» جهت مقایسه کارایی شبکه‌ها پیشنهاد می‌شود. روش پیشنهادی مبتنی بر «تحلیل سلسله‌مراتبی» بوده و تمامی عوامل موثر در رضایت نهایی مشتری در گزینش شبکه هدف به‌نحوی سیستماتیک و پویا لحاظ می‌گردد. این ایده خود منجر به طرح یک الگوریتم جدید به نام acans در انتخاب شبکه گردیده که یک الگوریتم «کاربر محور» «به کمک اطلاعات شبکه» است و «با آگاهی از شرایط و مقتضیات کاربر» به شکل خودکار ملاحظات ویژه هر کاربر را در انتخاب شبکه اعمال می‌کند. با انجام شبیه‌سازی، روش پیشنهادی با الگوریتم‌های شناخته‌شده رایجی چونtopsis  ، trust ،mew  و saw مورد ارزیابی و مقایسه قرارگرفته است. درنهایت نتایج شبیه‌سازی نشان می‌دهد که الگوریتم پیشنهادی در شاخص‌های متعددی ازجمله تعداد دست‌به‌دست شدن‌ها، حجم ترافیک دریافتی کاربر، هزینه سرویس و مصرف انرژی منطبق با ترجیحات کاربر بوده و کارآیی بالاتری در مقایسه با روش‌های قبلی دارد.

Performance Analysis of the Network Selection Algorithms in ‌5G Heterogeneous Wireless Networks

Vertical handover is the essential feature of the next generation heterogeneous wireless networks. Network selection among accessible candidates is the most critical step in vertical handover procedure. Although various algorithms for network selection have been proposed, due to different approaches and diversity of parameters corresponding to this complicated problem, no unified benchmark or global indicator exists to evaluate the performances. In this paper, we define a global performance indicator (GPI) which comprehensively considers all subscriber satisfaction factors to assess users’ quality of experience (QoE). Our method is inspired by “Analytic Hierarchical Process” (AHP) and systematically utilizes both customer and network side parameters. This idea was led to propose a novel “automatic contextaware network selection” (ACANS) algorithm. ACANS is a “networkassisted”, “user centric” approach which dynamically and automatically affects customer context in the decision of the best network. A practical simulation platform evaluates and compares ACANS to wellknown network selection algorithms such as SAW (Simple Additive Weighting), MEW (Multiplicative Exponential Weighting), TOPSIS (Technique for Order Preference by Similarity to Ideal Solution) and TRUST (TRiggerbased aUtomatic Subjective weighTing). Simulation results show that the proposed algorithm is compatible to customer preference and has superior performance in “No. of handovers”, “user’s volume of download”, “consumed energy” and “service cost”.