基于有序势博弈的多用户分布式异构网络选择策略方法

摘要

本发明公开了一种基于有序势博弈的多用户分布式异构网络选择策略方法，所述方法应用于无人机群多视频用户接入网络选择控制，包括如下步骤：S1.确定基于有序势博弈的网络选择模型；S2.确定博弈过程中的效用函数；S3.采用多视频用户异构网络选择分布式算法求解博弈模型。本发明的方法针对多个用户共享多个异构网络进行视频传输的场景，实现最优决策，有效解决多节点接入网络选择问题，使得多视频用户总体的视频体验质量最好。

权利要求

1.一种基于有序势博弈的多用户分布式异构网络选择策略方法，其特征在于，所述方法应用于无人机群多视频用户接入网络选择控制，所述方法包括如下步骤：S1.确定基于有序势博弈的网络选择模型；

S2.确定博弈过程中的效用函数；

S3.采用多视频用户异构网络选择分布式算法求解博弈模型；

所述基于有序势博弈的网络选择模型可以表述为 ，其中， 为无人机集合，即 个需要传输视频的无人机视频通信节点；

代表无人机 的选择策略集，其中 ， 是一个二进制矢量，表示无人机用户在接入网络集合 中所做出的网络选择；其中，无人机 可以决定是否选择网络 进行视频传输，表示为为对应的效用集； 表示除了用户 以外的

所有其他无人机的选择策略，其中 代表笛卡尔乘积； 与 的联合描述了所有 个无人机用户的行为策略，因此有无人机 能够获取的信息是，在其他无人机选择策略为 的情况下，通过观测所得到的各个网络的拥塞情况当无人机 选择网络 传输视频时，每个 都反映了该无人机所面对的网络 的拥塞程度；可以用网络被占用的带宽来表示网络拥塞，即其中， 是一个三维矩阵， 是第 个网络在 中所对应的一个大小为 的二维矩阵，其主对角线上的元素均为0，其余值都为1； 为 个无人机分别所传输的视频码率矢量； 是网络 的总带宽， 代表网络 的拥塞状态，则。

2.根据权利要求1所述的基于有序势博弈的多用户分布式异构网络选择策略方法，其特征在于：步骤S2中，使用视频的传输质量与传输成本的差值作为效用函数，即，其中， ，表示不同无人机的视频传输所对应的QoE的效用矢量， 代表各个节点选择了相应的接入网络后的代价矢量，为常数系数，总的效用函数矢量为 。

3.根据权利要求2所述的基于有序势博弈的多用户分布式异构网络选择策略方法，其特征在于：对无人机 来说，当其选择的接入网络为 ，且视频的传输速率为 时，与视频质量相关的效用函数可表述为与网络状态 相关的函数在式（6）中， 代表当前时隙的视频内容， 为常数， 为对数函数，为指数函数，为常数，对无人机 来说，视频的帧速率 以及传输速率 均为定值；

是关于 单调递增的。

4.根据权利要求3所述的基于有序势博弈的多用户分布式异构网络选择策略方法，其特征在于：用户接入网络的代价与视频的传输速率有关，即   （7）

其中， 为与第 个网络相关的总代价因子，无人机 的视频传输效用函数可以表述为

基于有序势博弈模型的网络选择策略问题可以表述为其中， 表示约束条件， 表示最佳选择策略。

5.根据权利要求1、3、4中任一项所述的基于有序势博弈的多用户分布式异构网络选择策略方法，其特征在于，步骤S3中，利用后悔匹配算法求解所述博弈模型，所述后悔匹配算法的总体思路是：某一无人机用户更改其策略的概率，与过去时刻该无人机用户未选择其他策略的后悔程度成正比。

6.根据权利要求5所述的基于有序势博弈的多用户分布式异构网络选择策略方法，其特征在于，所述算法的具体实施步骤包括：S31.初始化，起初 时，每一个无人机在策略空间 上随机的选择一个；

S32.迭代更新过程，所述迭代更新过程包括策略更新和策略判决两个子步骤。

7.根据权利要求6所述的基于有序势博弈的多用户分布式异构网络选择策略方法，其特征在于，策略更新步骤中，当 时，每个节点分别计算当前策略 的效用以及选择另外一个策略 时的效用，并计算这两种效用之间的平均差异值：其中，代表时间并且 ；接下来，取 ，即为平均后悔因子。

8.根据权利要求7所述的基于有序势博弈的多用户分布式异构网络选择策略方法，其特征在于，策略判决步骤中，在时隙 ，无人机j的策略 ，那么在 时隙，将重新考虑策略，并且其选择策略的依据将服从以下概率分布：其中， ，根据这一分布规律，可以在策略空间 中为无人机 按概率选择策略；

经过多次迭代求解式（10）和式（11）后，计算和选择的结果不再改变，算法收敛；每个用户都遵循上述分布式算法更新策略，整个网络选择势博弈将最终收敛于均衡状态。

说明书

基于有序势博弈的多用户分布式异构网络选择策略方法

技术领域

[0001] 本发明涉及无人机群传输控制领域，具体涉及一种基于有序势博弈的多用户分布式异构网络选择策略方法。

背景技术

[0002] 对于多架无人机构成的无人机集群来说，单个网络的信息承载能力受限，而视频传输又有一定的带宽需求，这就决定了接入网络的选择不能是任意的，而且多个节点的决策结果必然会相互影响。因为网络状态信息具有动态性，其次是用户的网络选择行为会进一步引起网络状态信息的动态改变。比如当某一网络中的用户数增多时，其拥塞概率将会增大。而这些信息，即有多少用户选择了某一相同网络来传输视频，对发送节点本身来说有可能是未知的。一方面由于资源受限，各用户对网络资源的占用必然在群组内形成竞争关系。单个用户需要选择对自身有利的“优质”无线网络，例如选择具有充足的信道带宽、较低的丢包率和较低的收费标准的网络。另一方面，这种选择又互相影响，特别是体现在出现拥塞现象后引起丢包的问题上。而对于整个无人机集群的操控者来说，集群是一个整体，视频的回传质量需要综合所有传输的整体效果来度量。因此，针对多个用户共享多个网络进行视频传输的场景，需要寻找一种网络选择算法，确保各个无线节点之间能够既互相竞争，又有部分的合作，使得从全局来看，整个系统的视频传输所带来的用户体验质量能达到最优，从而有效解决多节点接入网络选择问题。势博弈（Potential Game，PG）的方法作为博弈论的一个分支，可将所有无人机改变策略的动机表示为一个全局函数，为解决上述网络选择问题提供了思路。

发明内容

[0003] 本发明的主要目的是提供一种多用户分布式异构网络选择策略方法，针对多个用户共享多个异构网络进行视频传输的场景，实现最优决策，有效解决多节点接入网络选择问题，使得多视频用户总体的视频体验质量最好。

[0004] 基于上述目的，本发明提供一种基于有序势博弈的多用户分布式异构网络选择策略方法，其特征在于，所述方法应用于无人机群多视频用户接入网络选择控制，所述方法包括如下步骤：

[0005] S1.确定基于有序势博弈的网络选择模型；

[0006] S2.确定博弈过程中的效用函数；

[0007] S3.采用多视频用户异构网络选择分布式算法求解博弈模型；

[0008] 进 一 步 ，所 述 基 于 有 序 势 博 弈 的 网 络 选 择 模 型 可 以 表 述 为 ，其中， 为无人机集合，即 个需要传输视频的无人机视频通信节点； 代表第 个无人机的选择策略集，其中
， 是一个二进制矢量，表示无人机用户在接入网络集合 中所做
出的网络选择；其中，无人机 可以决定是否选择网络 进行视频传输，表示为

[0009]                          （1）

[0010] 为对应的效用集； 表示除了用户以外的所有其他无人机的选择策略，其中 代表笛卡尔乘积； 与 的联合描述了所有
个无人机节点的行为策略，因此有

[0011]       （2）

[0012] 进一步，无人机 能够获取的信息是，在其他无人机选择策略为 的情况下，通过观测所得到的各个网络的拥塞情况

[0013]               （3）

[0014]  当无人机 j选择网络k传输视频时，每个 都反映了该无人机所面对的网络k的拥塞程度；可以用网络被占用的带宽来表示网络拥塞，即

[0015]     （4）

[0016] 其中，Z是一个三维矩阵， 是第k个网络在Z中所对应的一个大小为的二维矩阵，其主对角线上的元素均为0，其余值都为1；
为 X个无人机分别所传输的视频码率矢量； 是网络k的总带宽， 
代表网络k的拥塞状态，则

[0017]   （5）。

[0018] 进一步，步骤S2中，使用视频的传输质量与传输成本的差值作为效用函数，即，其中， ，表示不同无人机的视频传输所对应的QoE的效用矢量， 代表各个节点选择了相应的接入网络后
的代价矢量，为常数系数，总的效用函数矢量为 。

[0019] 进一步，对无人机 来说，当其选择的接入网络为 ，且视频的传输速率为时，与视频质量相关的效用函数可表述为与网络状态 相关的函数
 
    （6）

[0020] 在式（6）中， 代表当前时隙的视频内容， 为常数， 为对数函数，为指数函数，为常数。对无人机 来说，视频的帧速率 以及传输速率 均为定值；
是关于 单调递增的。

[0021] 进一步，用户接入网络的代价与视频的传输速率有关，即

[0022]         （7）

[0023] 其中， 为与第 个网络相关的总代价因子。

[0024]  进一步，无人机 的视频传输效用函数可以表述为

[0025]         （8）

[0026] 基于有序势博弈模型的网络选择策略问题可以表述为

[0027]

[0028]

[0029]

[0030]                      （9）

[0031] 其中， 表示约束条件， 表示最佳选择策略。

[0032] 进一步，步骤S3中，利用后悔匹配算法求解所述博弈模型，所述算法的总体思路是：某一无人机更改其策略的概率，与过去时刻该无人机未选择其他策略的后悔程度成正比。

[0033] 进一步，所述算法的具体实施步骤包括：

[0034] S31.初始化，起初 时，每一个无人机在策略空间 上随机的选择一个；

[0035] S32.迭代更新过程，所述迭代更新过程包括策略更新和策略判决两个子步骤。

[0036] 进一步，策略更新步骤中，当 时，每个节点分别计算当前策略 的效用以及选择另外一个策略 时的效用，并计算这两种效用之间的平均差异值：

[0037]        （10）

[0038] 其中，代表时间并且 。接下来，取 ，即为平均后悔因子；

[0039] 进一步，策略判决步骤中，在时隙 ，第 个无人机的策略 ，那么在 时隙，无人机将重新考虑策略，并且其选择策略的依据将服从以下概率分布：

[0040]        （11）

[0041] 其中， 。根据这一分布规律，可以在策略空间 中为无人机 按概率选择策略。经过多次迭代求解式（10）和式（11）后，计算和选择的结果不再改变，算法收敛；每个用户都遵循上述分布式算法更新策略，整个网络选择势博弈将最终收敛于均衡状态。

[0042] 本申请针对多个用户共享多个异构网络进行视频传输的场景，建立基于有序势博弈的多视频用户分布式接入网络选择模型，确保各个无线节点之间能够既互相竞争，又有部分的合作，从而有效解决多节点接入网络选择问题，使得多视频用户总体的视频体验质量最好，解决各网络拥塞问题，使得在多个网络之间进行合理选择，使得各网络负载基本保持均衡。

附图说明

[0043] 图1 为本发明实施例中使用基于有序势博弈的多用户分布式异构网络选择策略方法，7段视频对应的用户对3种网络的选择结果图；

[0044] 图2为本发明实施例中各网络的拥塞程度图；

[0045] 图3为本发明实施例中各网络的负载情况图；

[0046] 图4为本发明实施例中所有视频用户的总效用图；

[0047] 图5为本发明实施例中考虑传输代价时各用户的网络选择结果图；

[0048] 图6为本发明实施例中考虑传输代价时网络拥塞程度图；

[0049] 图7为本发明实施例中考虑传输代价时网络负载图；

[0050] 图8为本发明实施例中考虑传输代价时的系统总效用图；

[0051] 图9为本发明实施例中不同传输代价时各网络负载情况图。

具体实施方式

[0052] 下面将结合附图，对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0053] 在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。

[0054] 在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

[0055] 以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。

[0056] 势博弈又可被分为严格势博弈（Exact Potential Game，EPG）、加权势博弈（Weighted Potential Game，WPG）和有序势博弈（Ordinal Potential Game，OPG）。近年来，已经有越来越多的势博弈方法被应用于研究无线信道接入和网络选择问题。在假设联合信道干扰对称且信道效用为加性的情况下，将异构无线网络中的选择问题建模为资源块的选择博弈，且该博弈是有序势博弈之和，有序势函数与网络总的拥塞密切相关。需要采用一种基于势博弈的分布式信道选择机制，来解决密集无线局域网中的断流问题。采用动态分层博弈模型解决无人机分配和信道接入问题，其中，信道接入问题被建模为严格势博弈。

[0057] 相对于其他两种势博弈算法，有序势博弈更具备一般性，它仅仅要求个体的收益变化与总体势函数的变化有相同的趋势，从而在效用函数的设计上有了更多的空间，在决策多个节点的接入网络选择时，可以从更多的层面考虑以视频传输质量为主体的效用函数的设定。除此以外，在有序势博弈中，参与者个体寻找局部最优的过程，与整个博弈寻找全局最优的过程是一致的，从而为分布式接入网络选择的实现提供了可能。

[0058] 本申请针对多用户在异构网络中进行接入网络选择的场景，提出一种基于有序势博弈的多用户分布式异构网络选择策略方法，从提高视频传输质量的角度优化网络选择策略。根据本发明的基于有序势博弈的多用户分布式异构网络选择策略方法，以搭载了视频拍摄和无线通信模块的无人机为主要视频传输用户，研究多架无人机在航拍并实时回传视频的通信过程中所面临的多个无线网络选择问题。

[0059] 本发明的多用户分布式异构网络选择策略方法，基于有 架无人机构成的无人机集群 飞行于由 个异构网络组成的网络集 的公共覆盖区域W内， 架无人机共享 个网络，同时无人机之间也存在竞争，每个无线视频节点均需要选择合适的网络将采集的视频回传给某一接收节点，其目标是使得系统总的视频传输质量最高。 架无人机所传输的视频码率矢量分别固定为 。 架无
人机的网络选择矢量可表述为 ，对应的效用函数为
。在该场景中，各个异构网络能够提供的总带宽保持不变，即
个异构网络的带宽信息矢量可表述为 。

[0060] 视频数据包在网络中传输，发生丢失的原因一般有两种，一种是无线网络的信道存在衰落现象，容易引起误码和丢包；另一种是由于网络拥塞造成的分组转发时延超出了系统所能够容忍的阈值，数据包出现丢失。其中，由误码引起的丢包跟无线信道传输特性相关。在本申请所讨论的场景中主要考虑后者，即由于网络拥塞所引起的分组丢失。由于用户可以自由选择其中任意一个网络，它们所选择的结果会导致各网络出现不同程度的拥塞，而各个网络的拥塞程度导致不同的丢包率又会反过来影响用户的选择。

[0061] 在第 个网络中， ，编码后的视频在传输过程中从发送节点到接收节点的总时延为 ，视频数据包的传输时延阈值为 。各个网络的丢包率矢量可以表述为
。端到端的传输时延可以被近似的认为服从指数分布，那么在
第 个网络中，数据包被丢失的概率可以表述为
。其中， 代表视频数据包传输时延的数学期望， 是
通过历史观测值所得出的平滑参数， 为网络的剩余带宽， 是 网络 的总带宽，
代表选择了网络 中的各无人机视频的传输码率之和。从而，网络丢包率可表示为：

[0062]    （1）

[0063] 因此，网络的丢包率既与网络的带宽容量相关，又与接入该网络的节点所传输视频的编码速率相关。用 代表网络 的拥塞状态，则

[0064]              （2）

[0065] 综上，每个无线网络能够提供给用户的总带宽不同，其丢包率也不同，多个用户在选择接入网络时，均从自身利益出发，希望能够得到更好的视频传输效果，同时，各用户的选择又会影响网络状态。如何优化各个用户的网络选择，使得系统总的效用最大，是本申请所研究的重点技术。

[0066] 由于无线网络的异构性，各个网络向用户提供的可用传输带宽不同，并且随着接入用户数的变化，信道的可用带宽、丢包率、传输时延等QoS属性也会发生变化，从而又会影响视频用户的选择。在本申请中，针对多个用户共享多个异构网络进行视频传输的场景，建立基于有序势博弈的多视频用户分布式接入网络选择模型，本发明的基于有序势博弈的多用户分布式异构网络选择策略方法，能够确保各个无线节点之间能够既互相竞争，又有部分的合作，从而有效解决多节点接入网络选择问题，使得多视频用户总体的视频体验质量最好。

[0067] 本方法中包括以下步骤：

[0068] S1.确定基于有序势博弈的网络选择模型。所述基于有序势博弈的网络选择模型可以表述为 ，其中， 为参与者集合，即 个需要传输视频的无人机视频通信节点。 代表第 个参与者的选择策
略集，其中 ， 是一个二进制矢量，表示无人机用户在接入网络集合
中所做出的网络选择；其中，参与者 可以决定是否选择网络 进行视
频传输，表示为

[0069]           （3）

[0070] 为对应的效用集，与视频QoE相关，在下节中将对其进行详细描述。表示除了用户 以外的所有其他参与者的选择
策略，其中 代表笛卡尔乘积。 与 的联合描述了所有 个无人机节点的行为策略，因
此有

[0071]           （4）

[0072] 在本申请无人机选择接入网络过程中，每个参与者并不知道其他参与者的行为，因此是一种不完全信息博弈。第 个参与者能够获取的信息是，在其他无人机选择策略为的情况下，通过观测所得到的各个网络的拥塞情况

[0073]                        （5）

[0074] 当参与者j选择网络k传输视频时，每个 都反映了该参与者所面对的网络k的拥塞程度，它仅仅取决于其他占用了该网络信道的节点的传输情况，从通信的角度来理解，这种占用也是一种干扰。可以用网络被占用的带宽来表示网络拥塞，即

[0075]       （6）

[0076] 其中，Z是一个三维矩阵。 是第k个网络在Z中所对应的一个大小为的二维矩阵，其主对角线上的元素均为0，其余值都为1。
为 X个无人机分别所传输的视频码率矢量； 是网络k的总带宽， 
代表网络k的拥塞状态，则

[0077]        （7）

[0078] S2.确定博弈过程中的效用函数。为了根据网络参数合理的确定接入网络选择策略，也为了能够准确评估网络选择策略的性能，需要确定博弈过程中的效用函数。在多个无线节点的分布式网络选择策略时，效用函数的确定需要充分考虑视频的QoE。在分布式的网络选择中，QoE效用的计算不是通过基站集中计算，而是各个无人机节点在博弈过程中，根据所能够观测到的信道状态信息，基于QoE的数学模型进行独立计算，是对视频传输质量的一种预测。

[0079] 本申请考虑使用视频的传输质量与传输成本的差值作为效用函数，即，其中， ，表示不同无人机的视频传输所
对应的QoE的效用矢量， 代表各个节点选择了相应的接入网络后
的代价矢量，为常数系数，总的效用函数矢量为 。

[0080] 首先，使用视频分类的方法，即从视频自身内容特性出发，将其分为慢速SM、中速GW和快速RM三类，并仍然使用 代表当前时隙的视频内容可以被归为上述三种中的一种。对第 个无人机来说，当其选择的接入网络为 ，且视频的传输速率为
时，与视频质量相关的效用函数可表述为与网络状态 相关的函数

[0081]

[0082] 在式（8）中， 代表当前时隙的视频内容， 为常数， 为对数函数，为指数函数，为常数。对无人机 来说，视频的帧速率 以及传输速率 均为定值。
可以看出， 是关于 单调递增的。

[0083] 在本申请中，用户接入网络的代价主要考虑两方面：一方面是从网络服务提供商租赁信道的费用，由于 个网络可能归属于不同的网络服务提供商，它们常常有着不同的收费标准，设各个网络传输过程中的费用因子 。对于非商用系统，则费用因子为0。另一方面是传输过程的能量损耗，它与具体的网络环境和信道类型相关，比如卫星网络和地面移动网络之间的能量消耗相差较大，设能耗因子为
。费用和能耗这两种代价都与视频的传输速率有关，即

[0084]    （9）

[0085] 其中， 为与第 个网络相关的总代价因子。那么，无人机 的视频传输效用函数可以表述为

[0086]       （10）

[0087] 基于有序势博弈模型的网络选择策略问题可以表述为

[0088]

[0089]

[0090]

[0091]                        (11)

[0092] 其中， 表示约束条件。

[0093] S3.采用多视频用户异构网络选择分布式算法求解博弈模型。博弈求解纳什均衡的过程，就是一个通过不断迭代寻求最优解的过程。本申请利用后悔匹配（Regret Matching）算法求解上述博弈模型，设计了基于有序势博弈的多视频用户异构网络选择分布式算法。该算法的总体思路是：某一无人机更改其策略的概率，与过去时刻该无人机未选择其他策略的后悔程度成正比。其具体实施步骤包括初始化和迭代更新过程，其中：

[0094] S31.初始化

[0095] 起初 时，每一个参与者在策略空间 上随机的选择一个。事实上，初始策略可以是策略空间的范围内的任意值。

[0096] S32.迭代更新过程。所述迭代更新过程还包括策略更新和策略判决两个子步骤，其中：

[0097] S321.策略更新

[0098] 当 时，每个节点分别计算当前策略 的效用以及选择另外一个策略 时的效用，并计算这两种效用之间的平均差异值：

[0099]         （12）

[0100] 其中，代表时间并且 。接下来，取 ，即为平均后悔因子。

[0101] S322.策略判决

[0102] 假设在时隙 ，第 个参与者的策略 ，那么在 时隙，参与者将重新考虑策略，并且其选择策略的依据将服从以下概率分布：

[0103]         （13）

[0104] 其中， 足够大。根据这一分布规律，可以在策略空间 中为参与者 选择概率较高的策略。

[0105] 经过多次迭代求解式（12）和式（13）后，计算和选择的结果将不再改变，算法收敛。若每个用户都遵循上述分布式算法更新策略，那么整个网络选择势博弈将最终收敛于均衡状态。

[0106] 在一个具体实施例中，假设有7架无人机在3个异构网络的公共覆盖范围内执行拍摄任务，他们独立拍摄视频，并通过无线网络将7段不同的视频发送回同一个中心用户。本申请中进一步描述出具体视频的典型传输速率，如下表1所示。一般来说，视频画面的内容运动越慢，视频占用的传输资源就越少，例如Akiyo。此外，视频传输速率的大小还与场景的复杂性有关，复杂的场景也会占用更多的带宽，例如Coastguard。这里7段视频来自几种不同的场景，在实际情况中，需要传输视频的数量可能更多、场景更为复杂，但算法的基本原理和流程是一致的。

[0107] 表1 不同视频的参数及特征

[0108]

[0109] 覆盖无人机飞行区域的3种异构网络并没有具体的限制，可以是地面移动通信网络，也可以是卫星通信网络等等，在这里分别记作网络1、网络2和网络3，可以通过调整网络的带宽、代价因子等参数来表征网络的异构性，从而将其用于算法的仿真和验证中。假设三种网络的总传输带宽与视频传输的总带宽相匹配，分别为5.2 Mbps、4.8M bps和4.4 Mbps，这是因为对表1中7种视频传输速率进行加和所得到的总速率约为5.485 Mbps，任何单一网络的总带宽均无法满足全部视频传输的需求。因此，需要在多个网络之间进行合理选择，使得各网络负载基本保持均衡。

[0110] 考虑两种情形，一种是对代价不敏感用户，不考虑各网络的传输代价，此时，根据效用函数可知，用户选择网络时仅与网络的丢包率有关，即与网络的拥塞程度相关。另一种则需要同时考虑异构网络丢包率和代价因子的不同。

[0111] 首先不考虑各网络的传输代价，即在代价因子等于0的情形，分析不同视频用户对于3种异构网络的选择情况。图1给出了仿真中7个视频用户对于3种异构网络的某一次选择结果，纵坐标为选择网络的用户，横坐标为网络。可以看出Carphone和Football两个用户选择了网络1，Akiyo、Coastguad、Mobile和Table四个用户选择了网络2，而Forman选择了网络3，说明这些用户节点在彼此之间没有信息交互的条件下，采用本申请所提的分布式网络选择策略后，每个用户均能选择相应的网络。

[0112] 图2给出了三种异构网络的拥塞程度随时间的变化情况，纵坐标为归一化的网络拥塞程度，可以看出经过约20次左右的迭代，各网络的拥塞情况就基本保持稳定，说明用户的选择达到均衡状态并保持稳定。同时也可以看出，其理想结果应该是各网络的拥塞程度基本相同，即各为1/3，但由于实例中用户数不多，用户之间的传输速率差别较大，再加上台阶效应导致网络1的拥塞稍高。图3给出了三种网络的平均负载情况，可以看出三种网络的负载依次降低，这与它们能够提供的总带宽成正比，更多的用户选择总带宽更多的网络，而选中带宽较小的网络的用户数较少。

[0113] 图4给出了所有视频的总效用随时间的变化情况，图中横坐标表示时间，纵坐标为视频总效用，可以看出约20个时隙后，总的效用趋于稳定，表明各用户都做出了合理的选择并保持稳定，多用户异构网络选择博弈达到相关均衡。同时，为了性能比较，图中还给出了用户随机选择网络时的总效用函数，如图中虚线所示，可以看出本申请提出的方法具有明显的性能改善。

[0114] 本申请的仿真过程中，既考虑网络拥塞程度的影响，同时考虑网络的传输代价的影响，比如实际应用中，卫星网络的能量消耗比地面移动网络的能量消耗一般要大。为了使仿真更具有针对性，在本申请中不失一般性，假设三个异构网络的代价因子分别为1、2、3。网络1的带宽最大、代价最小，网络3的带宽最小、代价最大，网络2次之。

[0115] 图5给出了考虑传输代价时各用户的网络选择结果，纵坐标为选择网络的用户，横坐标为网络。在图5中，网络1的带宽最大、代价最低，视频Akiyo、Carphone、Coastguard、Mobile和Table均选择了网络1；Football选择了网络2，Foreman选择了网络3。

[0116] 图6给出了考虑传输代价时各网络拥塞程度。在图6中，纵坐标为归一化的网络拥塞程度，由于网络1的代价最小而带宽最大，因此更多的视频用户选择了网络1，导致网络1的拥塞程度明显较高；而网络3由于较小的带宽和较高的代价，选择的用户较少，导致其拥塞程度明显较低；网络2的拥塞程度介于两者之间。

[0117] 图7给出了考虑传输代价时各网络的网络负载。与网络拥塞的情况类似，用户根据网络带宽和代价综合做出选择。图7中，网络1负载最大，而网络3负载最小，其规律与网络带宽一致。同时，与图3相比，各网络负载之间的差距进一步增大，这是因为代价因子产生的作用。由于网络1的代价最小，所以网络负载就进一步加大。

[0118] 图8给出了考虑传输代价时的系统总效用，纵坐标为系统总效用，可以看出，系统总效用能收敛于稳定值，并且明显优于用户随机选择网络的性能。

[0119] 最后，本申请考虑了各网络的代价因子有3种情景，三个网络的负载仿真结果如图9所示，横坐标为1代表代价因子取[3 2 1]，横坐标为2代表代价因子取[2 2 2]，横坐标为3代表代价因子取[1 2 3]。可以看出，对于各网络，随着代价因子的逐渐升高，网络负载逐渐降低，当代价相同时，网络负载与总带宽比例相同，说明本算法能够适应带宽和代价不同的各种情景。通过效用函数可知，代价因子除了能量消耗等不可轻易改变的因素外，还可以考虑资费等因素，说明各网络可以通过调整代价因子，即可自动调整用户的接入情况，从而保证网络负载。

[0120] 采用上述分布式网络选择算法，不管网络参数如何变化，用户仅能感知到效用，并且各个用户之间不需要交互彼此的网络选择信息，通过多用户间的博弈达到均衡，即可实现最优的网络选择。

[0121] 在本说明书的描述中，参考术语“实施例”、“示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。此外，本领域的技术人员可以在不产生矛盾的情况下，将本说明书中描述的不同实施例或示例以及其中的特征进行结合或组合。

[0122] 上述内容虽然已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型等更新操作。