]图7为基于决策树理论的切换优化类型判别流程图；
[0049] 图8为执行MLB操作中自适应调整切换参数的流程图。 图9为执行MR0操作中自适应调整参数的流程图。
【具体实施方式】
[0050] 以下结合附图，对本发明作进一步说明：
[0051] 参见图1，本发明提供了一种联合自优化MLB与MR0的方法，主要包括基于簇理论 的负载重分配法、基于决策树理论的切换优化类型判别法以及联合自适应调整切换参数的 方法。为了更好的理解本发明的技术方案，下面结合附图对本发明提供的实施例进行详细 地描述。
[0052] 为了实施本发明，需要在LTE-A异构蜂窝网络中执行，示意图为图1所示，相比于 传统的蜂窝网络而言，LTE-A异构网络引入了大量低功率节点，包括远程射频头（Remote RatioHead,RRH)、微微基站（PicoeNB)、毫微微基站（FemtoeNB)以及中继站（Relay Node，RN)，可以看出异构蜂窝网络实质上就是一种分层网络，即将宏蜂窝的覆盖范围作为 底层网络，而其他低功率节点都是重叠覆盖在宏蜂窝覆盖区域内的小蜂窝，这些低功率节 点的体积小，便于灵活地进行网络部署，同时覆盖范围小，可以更加方便地利用潜在的高频 段频谱。在每个基站下添加信息收集模块，收集本地宏小区覆盖范围内的各个基站的负载 信息、切换失败率等信息，并将收集的信息建立本地基站列表。
[0053] 参见图2,图2为基于簇理论的基站分组示意图。
[0054] 在传统的负载均衡方案中，一旦检测到基站处于超载状态，就会对周围相邻小区 进行遍历，寻找一个负载状态较轻的并能提供给超载基站下的切换用户较好的服务质量的 基站作为切换用户新的目标基站，但是由于用户具有移动性，可能在某个时刻由于负载均 衡机制的触发切换到某一小区而下一时刻又切换回原来的小区，在目标小区与原服务小区 之间来回切换，形成ping-pong效应，而且其他超载基站可能也将其超载业务切换到目标 基站下进行服务，最终可能导致目标基站处于超载状态，达不到负载均衡的效果，影响整个 系统的收敛性，因而采用基站分组的方法解决上述问题。基于簇理论的基站分组法的基本 原理是将整个网络的基站划分为不同的簇，每个簇中所有的覆盖节点范围就是一个负载均 衡域，各个簇单独执行负载均衡操作，互相独立，可以在同一时刻同时出发负载均衡操作， 最重要的是只有簇内节点之间可以相互交换负载等信息。在LTE-A异构蜂窝网络中，将每 个宏蜂窝覆盖的范围作为一个负载均衡域，宏蜂窝覆盖范围内的各类节点作为簇内节点， 而宏基站作为簇头，簇头将建立相邻基站信息收集列表，存储簇内所有节点的相关信息，而 其他节点如果需要获取相邻节点的相关信息时，可以直接向簇头发送请求消息，获取信息。 这样不仅提升了整个系统的收敛时间，解决了潜在的ping-pong切换效应，同时大大降低 了负载均衡过程中的信令开销。
[0055] 参见图3,图3为基于簇分组的移动负载均衡信令流程示意图。
[0056] 步骤301 :初始化R頂流程，R頂即是负载信息交换基本流程，
[0057] 参照图2的簇分组法，将宏基站设置为每个簇的簇头，而在宏基站覆盖范围内的 其他低功率节点设置为从节点，每个簇头下建立一个相邻节点的信息存储列表，并由簇头 向簇内其他节点发送请求获取负载等相关信息的指令。
[0058] 步骤302 :簇头向核心网（CoreNetwork,CN)发送获取相邻簇的基本信息，包括相 邻簇的ID以及位置信息、资源使用情况、切换失败情况等信息。
[0059] 步骤303 :在CN接收到簇头发送的状态请求信息时，对该消息进行相应的解读，并 将相关信息发送给簇头。
[0060] 步骤304 :簇头接收到相邻簇的基本信息之后（这些信息用来计算相关的干扰等 指标，因为尽管某些节点处于不同的簇，但是由于地理位置相隔比较近可能会带来较大的 干扰），需要获取簇内各个节点的负载等信息，此时将不需要经过核心网络，直接向簇内节 点发送状态请求消息。
[0061] 步骤305 :从节点在接收到簇头发送的状态请求消息之后，将其进行解读。
[0062] 步骤306 :从节点根据解读的状态请求消息的内容，向簇头发送相关的状态报告 消息。
[0063] 步骤307 :簇头将通过CN获取的相邻簇的基本信息和直接获取的簇内从节点的负 载等信息存储到信息收集模块中，并根据这些信息建立信息收集列表。
[0064] 步骤308 :当触发移动负载均衡操作时，需要对簇内所有节点进行遍历，簇内的从 节点需要获取其他节点的相关信息，以判断其负载状态并完成切换用户与目标节点的最优 匹配。
[0065] 步骤309 :需要获取其他节点信息的簇内从节点向簇头发送状态请求消息。
[0066] 步骤310 :簇头在接收到状态请求消息之后，解读相关请求消息，查询信息存储列 表。
[0067] 步骤311 :簇头根据从节点发送的状态请求消息，获取从节点所需的相关信息之 后，将相应的信息通过状态报告消息的形式发送给从节点。
[0068] 参见图4,图4为基于簇理论得到最佳负载重分配理论值流程图。
[0069] 步骤401 :簇头查询信息存储模块，获取簇内所有节点当前的负载信息值。
[0070] 步骤402 :在LTE-A异构蜂窝网络中，引入了大量低功率节点，这些节点的发射功 率、覆盖范围远小于宏基站，因而各类节点的负载承受能力不一样，因而需要引入调整因 子，对不同类型节点的当前负载进行调整，以便于接下来的计算。
[0071] 步骤403:建立簇模型，主要包括三大因子：负载分配策略集，簇内节点的数目以 及效用函数，初始负载分配策略集，设定代价因子和收益函数，一般将平均切换次数看做代 价因子，单位负载获得的吞吐量作为收益。
[0072] 步骤404:在执行移动负载均衡优化的过程中，会对小区间的切换偏移量进行自 适应调整，必须预先计算出小区偏移量调整最大与最小时的负载值，作为求最优解的限制 条件，因为在实际操作的过程中，不可能对小区偏移量进行无限制调整。
[0073] 步骤405 :利用纳什均衡原理求负载重分配的最优解。
[0074] 参见图5,图5为节点负载状态判别流程图。
[0075] 步骤501 :根据图4可知，利用簇模型可以求得簇内各个节点的理论上的负载重分 配最优解I：，其中c表示当前小区。
[0076] 步骤502 :在得到各个节点的理论上最优的负载值后，需要将最优值与预先设定 的负载门限进行比较，该值的大小可能并不符合实际操作。
[0077]步骤503 :理论上的最优解比预先设定的负载门限值还大的情况，在理论上来说 是不能进行移动负载均衡操作的，因为在进行负载重分配的过程中，各个节点的负载应该 越接近理论上的最优解，即使对簇中各个节点的负载进行重分配，还是会使部分小区长期 处于超载状态，达不到负载均衡效果，因而实际操作过程中，负载从分配应该尽量接近最优 值而小于预先设定的负载门限。
[0078] 步骤504 :当理论上的最优解小于预先设定的负载门限，需要将理论最优解C与 小区的实时负载1。进行比较。
[0079] 步骤505 :当理论上的最优解￡大于小区的实时负载1。时，判断小区处于轻负载 状态，可以作为超负载节点卸载的目标基站，并将该小区的基本信息存放在目标基站集合 中。
[0080] 步骤506 :当理论上的最优解€小于小区的实时负载1。时，判断小区处于超负载 状态，需要对该小区进行卸载操作，将该小区的基本信息存放在超载节点集合中。
[0081] 参见图6,图6为建立决策不等式流程图。
[0082] 步骤601 :从用户侧的角度出发，选择系统中100个用户作为样本，得到样本的历 史信息，包括用户的类型、用户的平均移动速度、用户的平均吞吐量以及其服务基站的负载 状态等属性信息。
[0083] 步骤602 :将用户的切换优化类型分为三类，一类是移动负载均衡优化，一类是移 动鲁棒性增强，还有一类是不进行任何优化操作，并计算三类切换优化类型的信息熵。
[0084] 步骤603 :在切换优化类型确定的基础上，计算各类属性在切换类型确定的基础 上的条件熵。
[0085] 步骤604 :将由上述两步得到的信息熵与条件熵相减，得到各类属性的信息增益。
[0086] 步骤605 :计算各类属性的信息熵。
[0087] 步骤606 :将步骤604得到的信息增益比上步骤605得到的信息熵，得到信息增益 率。
[0088] 步骤607 :剔除信息增益率最小的两类属性，并将得到的各类属性的信息增益率 归一化处理，得到加权不等式。
[0089] 参见图7,图7为基于决策树理论的切换优化类型判别流程图。
[0090] 步骤701 :由图6可知，在样本检测时，参考了多个基本属性，经