基于熵權(quán)雙基點法的通信網(wǎng)絡(luò)可靠性指標(biāo)評價

基于熵權(quán)雙基點法的通信網(wǎng)絡(luò)可靠性指標(biāo)評價

1.通信網(wǎng)絡(luò)可靠性的評價方法目前，通過多目標(biāo)綜合評價方法計算每個評價指標(biāo)的權(quán)重的方法，可以根據(jù)計算出的權(quán)重系數(shù)的原始數(shù)據(jù)來源，分為兩類：一是主觀賦權(quán)法，其原始數(shù)據(jù)主要是由評價人員主觀上對每個指標(biāo)的重要性來決定的，如舊林法、ahp法、專家評價法等。目前,對于主觀賦權(quán)法的研究比較成熟,該類方法的優(yōu)點是專家可以根據(jù)實際問題,較為合理地確定各指標(biāo)之間的排序,也就是說盡管主觀賦權(quán)法不能準(zhǔn)確確定各指標(biāo)的權(quán)重,但在通常情況下可以在一定程度上有效地確定各指標(biāo)按重要程度給定的權(quán)重的大小順序,同時解釋性好。它的主要缺點是主觀隨意性大,而且這一點并未因采取諸如增加專家數(shù)量、仔細(xì)挑選專家等措施而得到根本的改善,因而,在某些個別情況下應(yīng)用單一的一種主觀賦權(quán)法得到的權(quán)重結(jié)果可能會與實際情況存在較大差異。另一類是客觀賦權(quán)法,其原始信息來源于客觀環(huán)境,它根據(jù)各指標(biāo)的聯(lián)系程度或指標(biāo)所提供的信息量來決定指標(biāo)的權(quán)重,如均方差法、主成分分析法、熵值法、代表計數(shù)法、組合賦權(quán)法等。由于客觀賦權(quán)法的原始數(shù)據(jù)來源于評價矩陣的實際數(shù)據(jù),使權(quán)重具有絕對的客觀性。客觀賦權(quán)法確定的值在大多數(shù)情況下精度較高,但有時會與實際情況相悖,也就是最重要的指標(biāo)不一定具有最大的權(quán)重,最不重要的指標(biāo)可能具有最大的權(quán)重,而且解釋性差,對所得結(jié)果難以給出明確的解釋。通信網(wǎng)絡(luò)的可靠性是與網(wǎng)絡(luò)設(shè)備、鏈路與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)有關(guān),所以,通訊網(wǎng)絡(luò)的可靠性研究主要是基于網(wǎng)絡(luò)設(shè)備、鏈路與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。由于網(wǎng)絡(luò)的鏈路與網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)非常復(fù)雜,網(wǎng)絡(luò)節(jié)點設(shè)備的故障與可靠性原因也是復(fù)雜的,因此基于網(wǎng)絡(luò)鏈路與網(wǎng)絡(luò)節(jié)點與拓?fù)浣Y(jié)構(gòu),特別是對復(fù)雜拓?fù)涞木W(wǎng)絡(luò)來分析通信網(wǎng)絡(luò)的可靠性是困難的。一個復(fù)雜的網(wǎng)絡(luò)的可靠性是不能夠絕對由一個指標(biāo)來表達或評價的,因此通常需要考慮許多的影響通信網(wǎng)絡(luò)可靠性的因素與指標(biāo),這些因素與指標(biāo)相互影響,從而構(gòu)成了多目標(biāo)綜合評價的指標(biāo)體系。目前,通信網(wǎng)絡(luò)可靠性的研究主要都是基于網(wǎng)絡(luò)可靠性的分析與設(shè)計,而對通信網(wǎng)絡(luò)可靠性指標(biāo)評價方法的研究很少。文[2～5]分別利用物元分析法、運行統(tǒng)計法、熵權(quán)雙基點法、模糊綜合評價理論等對通信網(wǎng)絡(luò)的可靠性指標(biāo)體系進行了評價。文[6～10]分別對電信網(wǎng)可靠性及突發(fā)故障管理、通信網(wǎng)可靠性管理框架、通信網(wǎng)可靠性管理、通信網(wǎng)可靠性定義、通信網(wǎng)可靠性的研究方法進行了研究與探討。文對計算機通信網(wǎng)絡(luò)的性能進行了評價,文利用概率表達式對網(wǎng)絡(luò)的可靠性進行評價,文提出了一個電信網(wǎng)絡(luò)可靠性的評估模型,文對通信網(wǎng)絡(luò)服務(wù)有效性進行了研究,文利用時延對網(wǎng)絡(luò)的可靠性進行評價。這些評價方法是從某一方面性能或指標(biāo)對網(wǎng)絡(luò)可靠性進行研究和評價,各有特點。本文主要利用Hamming神經(jīng)網(wǎng)絡(luò)對多目標(biāo)的通信網(wǎng)絡(luò)可靠性指標(biāo)進行綜合評價。由于神經(jīng)網(wǎng)絡(luò)具有神經(jīng)計算、并行分布處理和自適應(yīng)學(xué)習(xí)等特點,而且能夠?qū)崿F(xiàn)非線性影射,因而使神經(jīng)網(wǎng)絡(luò)在多目標(biāo)綜合評價中指標(biāo)權(quán)重更精確而得到廣泛的應(yīng)用。鑒于人工神經(jīng)網(wǎng)絡(luò)具有自組織、自適應(yīng)和自學(xué)習(xí),以及具有非線性、非局域性、非定常性和非凸性等特點,本文將采用Hamming神經(jīng)網(wǎng)絡(luò)來確定各指標(biāo)的權(quán)重,討論如何利用Hamming神經(jīng)網(wǎng)絡(luò)去評價通信網(wǎng)絡(luò)可靠性指標(biāo)體系,利用Hamming神經(jīng)網(wǎng)絡(luò)對本地電話網(wǎng)的可靠性評價指標(biāo)集{全網(wǎng)接通率、出中繼可用率、用戶關(guān)于設(shè)備質(zhì)量申告率、傳輸設(shè)備月平均故障率、交換設(shè)備平均每百門故障率}進行綜合評價,同時對5個不同的本地電話網(wǎng)的可靠性評價集進行最優(yōu)的最小誤差分類,從而對5個本地電話網(wǎng)的可靠性指標(biāo)集進行優(yōu)序排列。2.本地電話網(wǎng)絡(luò)可靠性指標(biāo)評價集一個復(fù)雜的網(wǎng)絡(luò)的可靠性是不能夠絕對由一個指標(biāo)來表達或評價的,因此通常需要考慮許多的影響通信網(wǎng)絡(luò)可靠性的因素指標(biāo),對于不同的通信網(wǎng)絡(luò)需要定義不同的指標(biāo)集,例如:對于本地電話網(wǎng)的可靠性評價指標(biāo)集定義為有5個與網(wǎng)絡(luò)可靠性有關(guān)的指標(biāo)集合:{全網(wǎng)接通率、出中繼可用率、用戶關(guān)于設(shè)備質(zhì)量申告率、傳輸設(shè)備月平均故障率、交換設(shè)備平均每百門故障率},這5個與網(wǎng)絡(luò)可靠性有關(guān)的指標(biāo)就構(gòu)成了評價集,我們稱它為本地電話網(wǎng)絡(luò)可靠性指標(biāo)評價集。本文是對n個本地網(wǎng)可靠性指標(biāo)集優(yōu)劣程度進行評價與排序,當(dāng)然,這一種評價方法也同樣適用于其它的通信網(wǎng)絡(luò)的性能評價,例如長途電話網(wǎng)絡(luò)、IP網(wǎng)絡(luò)、移動通信網(wǎng)絡(luò)、計算機局域網(wǎng)絡(luò)等,這在通信網(wǎng)絡(luò)優(yōu)化和管理中是具有現(xiàn)實意義的。由于多目標(biāo)評價集中各個指標(biāo)沒有統(tǒng)一的量綱,因而不能夠直接進行比較,如果直接使用原評價指標(biāo)矩陣中的特征值,往往不便于分析與比較,因而,在進行綜合評價前,應(yīng)先將評價指標(biāo)的特征值統(tǒng)一進行規(guī)范化處理,即對其進行無量綱化,當(dāng)然,由于評價指標(biāo)的類型有效益型指標(biāo)、成本型指標(biāo)、固定型指標(biāo)、區(qū)間型指標(biāo)等,其特征值無量綱化的方法也不同,其量綱化方法本文不作討論。在基于神經(jīng)網(wǎng)絡(luò)的綜合評價模型中,BP神經(jīng)網(wǎng)絡(luò)是選擇最多的一種,這是由于BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡單,使用方便的原因。由于BP神經(jīng)網(wǎng)絡(luò)常采用的連接權(quán)值的BP算法是一種梯度下降的算法,它存在收斂速度慢、可能陷入局部極小的缺點,因此,選擇Hamming神經(jīng)網(wǎng)絡(luò)來實現(xiàn)可靠性指標(biāo)集的綜合評價。2.1hamming神經(jīng)網(wǎng)絡(luò)的生成Hamming神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)如圖1所示。Hamming神經(jīng)網(wǎng)絡(luò)是兩層、全連接、前向神經(jīng)網(wǎng)絡(luò)模型。在通信網(wǎng)絡(luò)可靠性指標(biāo)綜合評價中,第一層用來計算輸入模式與該網(wǎng)絡(luò)已經(jīng)學(xué)習(xí)過的各樣本之間匹配程度,第二層用來挑選出與輸入模式相匹配的樣本。即它接收從第一層網(wǎng)絡(luò)傳遞的未知模式與已存各樣本的匹配程度,然后經(jīng)過多次迭代運算就可以求出與輸入模式相匹配的樣本。設(shè)輸入為m維雙極性向量X=(x1,x2,…,xm),首先,Hamming神經(jīng)網(wǎng)絡(luò)存儲標(biāo)準(zhǔn)模式向量,i=1,2,…,n,n為網(wǎng)絡(luò)容量。第一層的功能是計算輸入樣本與每個的Hamming距離,即:第二層按Hamming距離最小的準(zhǔn)則得到與最匹配的模式,即最大,第二層按下式經(jīng)迭代得到的分類結(jié)果:由于通信網(wǎng)絡(luò)可靠性指標(biāo)的無量綱化數(shù)據(jù)都不是雙極性值,因此不能夠直接用Hamming神經(jīng)網(wǎng)絡(luò)。為使Hamming神經(jīng)網(wǎng)絡(luò)能夠用于通信網(wǎng)絡(luò)可靠性指標(biāo)綜合評價,將Hamming神經(jīng)網(wǎng)絡(luò)中的Hamming距離改為歐氏距離。2.2hamming神經(jīng)網(wǎng)絡(luò)設(shè)網(wǎng)絡(luò)規(guī)模為m、n,訓(xùn)練次數(shù)為T,學(xué)習(xí)因子a是動態(tài)的,取為算法訓(xùn)練次數(shù)t的倒數(shù),即a=1/t。學(xué)習(xí)算法如下:Step1連接權(quán)值與閾值初始化1)對第一層的權(quán)與閾值賦值其中,m是輸入向量的維數(shù),n是存儲標(biāo)準(zhǔn)模式的個數(shù)。ωij是第i個輸入向量至第j個節(jié)點之間的連接權(quán)。是第j個存儲標(biāo)準(zhǔn)模式的第i元素的值,θj是第j節(jié)點。2)按下式對第二層網(wǎng)絡(luò)的權(quán)賦值其中,0≤k,l≤n-1,tkl是第二層網(wǎng)絡(luò)中第k節(jié)點到第l節(jié)點之間的連接權(quán),其閾值為0。Step2訓(xùn)練與分類1)對于訓(xùn)練樣本集中的每個樣本,計算:其中表示訓(xùn)練樣本屬于第ci類模式。不妨設(shè)模式總類數(shù)為c。2)在第二層中求出3)利用ci判斷網(wǎng)絡(luò)分類是否正確,若對該樣本可正確分類,則權(quán)值為:權(quán)值由下式修正:若分類不正確,設(shè)屬于l模式,則和的修正公式如下:Step3對所有樣本執(zhí)行Step2,然后訓(xùn)練次數(shù)加1。Step4判斷訓(xùn)練次數(shù)是否達到T,沒有達到則轉(zhuǎn)到Step2。值得注意的是盡管利用Hamming神經(jīng)網(wǎng)絡(luò)可以實現(xiàn)最優(yōu)的最小誤差分類,但由于它的識別能力取決于識別目標(biāo)的編碼方式。通常利用識別目標(biāo)主要利用BCD碼來表示,但這種編碼對識別能力的影響很大,識別效果并不理想,主要因為這種編碼方式?jīng)]有容錯性。象1與7,3、8與9等數(shù)字很容易混淆,而這種編碼方式對這種情況沒有區(qū)別對待。因此我們采用以下最優(yōu)編碼方式:假定pi(i=0,1,2,…,9)表示數(shù)字i的使用概率,eij(i,j=0,1,…,9)表示BCD碼數(shù)字的識別率,即eij表示把數(shù)字i識別為j的概率,eij是一個統(tǒng)計量,目標(biāo)編碼表示為:其中k是BCD碼的長度,i=0,1,2,…,9。3.本地電話網(wǎng)的可靠性設(shè)計MATLAB是一個開放式的集成環(huán)境,核心是一個基于矩陣運算的快速解釋程序。它以交互式方式接受用戶輸入的各項指令,輸出計算結(jié)果。MATLAB神經(jīng)網(wǎng)絡(luò)工具箱是在MATLAB環(huán)境下開發(fā)出來的許多工具箱之一,它是以人工神經(jīng)網(wǎng)絡(luò)理論為基礎(chǔ),用MATLAB語言構(gòu)造典型神經(jīng)網(wǎng)絡(luò)的激活函數(shù),如S型、線性、競爭層、飽和線性等激活函數(shù),使設(shè)計者對所選定網(wǎng)絡(luò)輸出的計算變成對激活函數(shù)的調(diào)用。另外,根據(jù)各種典型的修正網(wǎng)絡(luò)權(quán)值的規(guī)則,加上網(wǎng)絡(luò)的訓(xùn)練過程,用MATLAB編寫出各種網(wǎng)絡(luò)設(shè)計與訓(xùn)練的子程序,網(wǎng)絡(luò)的設(shè)計者則可以根據(jù)自己的需要去調(diào)用工具箱中有關(guān)神經(jīng)網(wǎng)絡(luò)的設(shè)計訓(xùn)練程序,使自己能夠從煩瑣的編程中解脫出來,從而提高效率和解題質(zhì)量。對于本地電話網(wǎng),它的可靠性指標(biāo)集包括如下指標(biāo):全網(wǎng)接通率、出中繼可用率、用戶關(guān)于設(shè)備質(zhì)量申告率、傳輸設(shè)備月平均故障率、交換設(shè)備平均每百門故障率等5個性能指標(biāo)。我們采用文的基礎(chǔ)數(shù)據(jù),對我國A、B、C、D、E五市本地電話網(wǎng)可靠性指標(biāo)集合作優(yōu)序評價?？煽啃灾笜?biāo)特征矩陣化為無量綱矩陣:令神經(jīng)網(wǎng)絡(luò)輸入節(jié)點m=5,輸出節(jié)點n=1,ε=0.14,以Matlab5.3的神經(jīng)網(wǎng)絡(luò)工具箱的工具對神經(jīng)網(wǎng)絡(luò)訓(xùn)練5萬次后,對訓(xùn)練樣本的識別率達100%,利用訓(xùn)練好的Hamming神經(jīng)網(wǎng)絡(luò),對測試樣本其正確識別率達98%,識別效果相當(dāng)理想。利用訓(xùn)練好的Hamming神經(jīng)網(wǎng)絡(luò),可以得到A、B、C、D、E五市本地電話網(wǎng)可靠性指標(biāo)集優(yōu)序結(jié)果為:(C,B,A,E,D)從該結(jié)果看與文的結(jié)果是一致的。因此該方法是有效的、準(zhǔn)確的。結(jié)論隨著通信網(wǎng)絡(luò)技術(shù)與規(guī)模的不斷發(fā)展,通信網(wǎng)絡(luò)的復(fù)雜性也越來越高,對通信網(wǎng)絡(luò)的可靠性的管理也越來越重要。目前電信網(wǎng)絡(luò)可靠性評價研究對電信服務(wù)提供商也顯得越來越重要,同時ITU也對通信網(wǎng)絡(luò)可靠性的測度、評價和管理也引起了高度