基于组件层次分析的通信方案决策方法及相关装置与流程

1.本发明涉及一种信息通信技术领域，是一种基于组件层次分析的通信方案决策方法及相关装置。


背景技术：

2.现在通信系统日趋发达，应用于各个方面，需要传输大量的数据，为了保持通信系统的适应性和鲁棒性，保持数据传输的稳定性，通信系统执行的通信方案需要考虑多种因素，例如吞吐量、系统性能、通道容量等，但通信的有效性与可靠性往往是互相矛盾的。因此，综合考虑多种因素，选择能最大化满足客户需求的最佳通信方案尤为重要，目前没有合适的方法对各种通信方案进行评估，以选择出合适的通信方案。


技术实现要素：

3.本发明提供了一种基于组件层次分析的通信方案决策方法及相关装置，克服了上述现有技术之不足，其能有效解决现有不能对多个通信方案进行评估决策的问题。
4.本发明的技术方案之一是通过以下措施来实现的：一种基于组件层次分析的通信方案决策方法，包括：
5.确定所需的必要特征；
6.运用ahp算法分析必要特征的权重；
7.将topsis算法和必要特征的权重相结合，对待决策通信方案进行排序，获取最佳通信方案。
8.下面是对上述发明技术方案的进一步优化或/和改进：
9.上述运用ahp算法分析必要特征的权重，包括：
10.利用必要特征，建立层次结构模型；
11.建立基于必要特征的成对比较矩阵；
12.基于成对比较矩阵计算归一化决策矩阵，并进行一致性检验后，确定各个必要特征的权重。
13.上述将topsis算法和必要特征的权重相结合，对待决策通信方案进行排序，获取最佳通信方案，包括：
14.基于必要特征的权重，建立待决策通信方案与必要特征之间的决策矩阵；
15.对决策矩阵进行归一化处理，建立归一化决策矩阵；
16.基于归一化决策矩阵执行二次分析，完成待决策通信方案排序，获取最佳通信方案。
17.上述确定所需的必要特征，包括：在多个现有通信相关文献中分析相关特征，在所有特征中选取高频次的特征作为必要特征。
18.本发明的技术方案之二是通过以下措施来实现的：一种基于组件层次分析的通信方案决策装置，包括：
19.特征获取单元，确定所需的必要特征；
20.权重分析单元，运用ahp算法分析必要特征的权重；
21.通信方案决策单元，将topsis算法和必要特征的权重相结合，对待决策通信方案进行排序，获取最佳通信方案。
22.本发明的技术方案之三是通过以下措施来实现的：一种存储介质，存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行基于组件层次分析的通信方案决策方法中步骤的指令。
23.本发明的技术方案之四是通过以下措施来实现的：一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现基于组件层次分析的通信方案决策方法中步骤的指令。
24.本发明的技术方案之五是通过以下措施来实现的：一种终端，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行基于组件层次分析的通信方案决策方法中步骤的指令。
25.本发明针对各种传输缺陷选择合适的特征作为决策指标，并利用ahp算法和topsis算法对待决策通信方案进行排序，选择最佳的通信方案，从而提高通信系统的适应性和鲁棒性，提高通信信道的吞吐量，并降低延迟，满足用户使用体验感。
附图说明
26.附图1为本发明的方法流程图。
27.附图2为本发明中获取特征权重的方法流程图。
28.附图3为本发明中待决策通信方案排序的方法流程图。
29.附图4为本发明的装置结构图。
具体实施方式
30.本发明不受下述实施例的限制，可根据本发明的技术方案与实际情况来确定具体的实施方式。
31.下面结合实施例及附图对本发明作进一步描述：
32.实施例1：如附图1所示，本发明实施例公开了一种基于组件层次分析的通信方案决策方法，包括：
33.步骤s101，确定所需的必要特征；
34.这里确定所需的必要特征用作为通信方案决策的决策指标，具体确定必要特征的过程包括：1、选择通信相关文献，分析提取其中的相关特征，例如能耗、延迟性能、容量、数据驱动、性能、吞吐量、误码率等等与通信相关的特征；2、在这些相关特征中选取高频次，即最常用且最相关的特征作为必要特征，例如适应性、吞吐量、系统性、可编程路由器、复杂性、通道容量、资源配置。
35.步骤s102，运用ahp算法分析必要特征的权重；
36.步骤s103，将topsis算法和必要特征的权重相结合，对待决策通信方案进行排序，获取最佳通信方案。
37.本发明公开了一种基于组件层次分析的通信方案决策方法，基于各种文献且结合传输缺陷选择合适的特征作为决策指标，并利用ahp算法和topsis算法对待决策通信方案进行排序，选择最佳的通信方案，从而提高通信系统的适应性和鲁棒性，提高通信信道的吞吐量，并降低延迟，满足用户使用体验感。
38.实施例2：如附图2所示，本发明实施例公开了一种基于组件层次分析的通信方案决策方法，其中运用ahp算法分析必要特征的权重进一步包括：
39.步骤s201，利用必要特征，建立层次结构模型；
40.步骤s202，建立基于必要特征的成对比较矩阵；
41.步骤s203，基于成对比较矩阵计算归一化决策矩阵，并进行一致性检验后，确定各个必要特征的权重。
42.本发明实施例中，ahp算法(层次分析法)是一种定性与定量相结合的决策分析方法，常被运用于多目标、多准则、多要素、多层次的非结构化的复杂决策问题。
43.上述步骤s201中利用必要特征，建立层次结构模型；层次结构模型包括最高层(目标层)、中间层(准则层或指标层)和最低层(方案层)，最高层(目标层)包括决策的目的、要解决的问题；中间层(准则层或指标层)包括考虑的因素、决策的准则，即必要特征；最低层(方案层)包括待决策通信方案。
44.上述步骤s202中成对比较矩阵是表示本层必要特征针对上一层某一个必要特征的相对重要性的比较。成对比较矩阵的元素a
ij
表示的是第i个因素相对于第j个因素的比较结果，这个值可以使用设定的标度方法进行标度。
45.上述步骤s203中基于成对比较矩阵计算归一化决策矩阵，并进行一致性检验后，确定各个必要特征的权重，即依次经过一致性指数计算、一致性比率计算、加权求和、标准化权重、检查一致性后得到各个必要特征的权重。
46.实施例3：如附图3所示，本发明实施例公开了一种基于组件层次分析的通信方案决策方法，其中将topsis算法和必要特征的权重相结合，对待决策通信方案进行排序，获取最佳通信方案，进一步包括：
47.步骤s301，基于必要特征的权重，建立待决策通信方案与必要特征之间的决策矩阵；
48.步骤s302，对决策矩阵进行归一化处理，建立归一化决策矩阵；
49.步骤s303，基于归一化决策矩阵执行二次分析，完成待决策通信方案排序，获取最佳通信方案。
50.本发明实施例中，topsis算法(优劣解距离法)是一种常用的组内综合评价方法，能充分利用原始数据的信息，其结果能精确地反映各评价方案之间的差距。基本过程为基于归一化后的原始数据矩阵，采用余弦法找出有限方案中的最优方案和最劣方案，然后分别计算各评价对象与最优方案和最劣方案间的距离，获得各评价对象与最优方案的相对接近程度，以此作为评价优劣的依据。该算法能够弥补层次分析法的缺点，充分利用原始数据信息，且其结果能充分反应各评价方案与最优方案的接近程度，并且对样本容量没有严格限制，数据计算简单易行，无需数据检验，适用于各个通信方案。
51.上述步骤s303中基于归一化决策矩阵执行二次分析，这里二次分析包括计算加权归一化决策矩阵、计算最合适的正负解、计算分离度、对备选方案进行排名，具体计算过程
均为现有公知技术，故不再赘述。
52.实施例4：本实施例选取七个必要特征及七个待决策通信方案执行上述本发明的基于组件层次分析的通信方案决策方法，具体如下：
53.1、检索一些文献并提取出了一些特征，如表1所示，在所有特征中提取最常用的七个必要特征，如表2所示。
54.2、建立基于必要特征的成对比较矩阵，如表3所示，并对其进行归一化，如表4所示。
55.3、建立七个待决策通信方案与七个必要特征之间的决策矩阵，如表5所示；
56.4、对决策矩阵进行归一化处理，建立归一化决策矩阵，如表6所示；
57.5、对归一化决策矩阵进行正负解计算，形成正负极解决方案，如表7所示；
58.6、计算分离度后对备选方案进行排名，七个待决策通信方案的排名结果，如表8所示。
59.实施例5：如附图4所示，本发明实施例公开了一种基于组件层次分析的通信方案决策装置，包括：
60.特征获取单元，确定所需的必要特征；
61.权重分析单元，运用ahp算法分析必要特征的权重；
62.通信方案决策单元，将topsis算法和必要特征的权重相结合，对待决策通信方案进行排序，获取最佳通信方案。
63.实施例6：本发明实施例公开了一种存储介质，所述存储介质上存储有能被计算机读取的计算机程序，所述计算机程序被设置为运行时执行基于组件层次分析的通信方案决策方法中步骤的指令。
64.上述存储介质可以包括但不限于：u盘、只读存储器、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
65.实施例7：本发明实施例公开了一种电子设备，包括处理器和存储器，所述存储器中存储有计算机程序，计算机程序由处理器加载并执行以实现基于组件层次分析的通信方案决策方法中步骤的指令。
66.上述电子设备还包括传输设备、输入输出设备，其中，传输设备和输入输出设备均与处理器连接。
67.实施例8，本发明实施例公开了一种终端，包括处理器、存储器、通信接口，以及一个或多个程序，所述一个或多个程序被存储在所述存储器中，并且被配置由所述处理器执行，所述程序包括用于执行多视角句子匹配方法中步骤的指令。
68.上述处理器可以是中央处理器cpu，通用处理器，数字信号处理器dsp，asic，fpga或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本技术公开内容所描述的各种示例性的逻辑方框，模块和电路。也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，dsp和微处理器的组合等等。
69.上述通信模块可以是收发器、rf电路或通信接口等。存储模块可以是存储器，可以包括但不限于：u盘、只读存储器、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
70.本技术实施例还可提供一种计算机程序产品，上述计算机程序产品包括存储了计
算机程序的非瞬时性计算机可读存储介质，上述计算机程序可操作来使计算机执行如上述方法实施例中记载的任一方法的部分或全部步骤。该计算机程序产品可以为一个软件安装包，上述计算机包括电子设备。
71.以上技术特征构成了本发明的最佳实施例，其具有较强的适应性和最佳实施效果，可根据实际需要增减非必要的技术特征，来满足不同情况的需求。
72.表1特征提取结果表
[0073][0074]
表2必要特征提取表
[0075][0076][0077]
表3成对比较矩阵
[0078][0079]
表4归一化决策矩阵
[0080]
[0081][0082]
表5决策矩阵
[0083][0084][0085]
表6归一化决策矩阵
[0086][0087]
表7正负极解决方案
[0088][0089][0090]
表8排名结果
[0091]
选择si+si-si++si-性能得分排名方法10.1132660.1275530.24081953％2方法20.1547330.0374790.19221219％7方法30.1300890.0634660.19355533％6方法40.0965770.0885880.18516548％3
方法50.1042170.0929060.19712347％4方法60.0657590.1323440.19810267％1方法70.1231290.0875950.21072442％5