Adaptive Knn-based algorithm for network selection in next-generation networks

Nowadays, mobile users are equipped with multi-mode terminals allowing them to connect to different radio access technologies like WLAN, 3G (HSPA and HSPA+), and Long term evolution (LTE) each at a time. In this context, the challenge of the next-generation networks is to achieve the Always Best Connected (ABC) concept. To this end, solving the problem of selecting the most suitable radio access technology (RAT) from the list of available RAT is at the heart of the next-generation systems. The decision process is called access network selection and it depends on several parameters, such as quality of service, mobility, cost of each RAT, energy consumption, battery life, etc. Several methods and approaches have been proposed to solve the network selection problem with the fundamental objective which is to offer the best QoS to the users and to maximize the usability of the networks without affecting the users’ experience. In this paper, we propose an adaptive KNN (K nearest neighbour) based algorithm to solve the network selection problem, the proposed solution has a low computation complexity with a high level of veracity is compared with the well-known MADM methods.

An Access Network Selection Algorithm for Terrestrial-Satellite Networks Based on a QoS Guarantee

Considering the communication requirements of different monitoring services and the performance of different access networks, to ensure the quality of service and reliability of sensor networks, we propose an access network selection algorithm based on a quality-of-service (QoS) guarantee. According to the service requirements, the attributes that affect the terminal access options are determined. Then, utility functions are designed for normalizing the attribute values of the network. In addition, we construct a weight calculation model that combines subjective and objective factors. Finally, the algorithm calculates the relative closeness between each pair of networks by the technique for order preference by similarity to an ideal solution (TOPSIS) and sorts the candidate networks to obtain the best candidate network of each monitoring terminal to access. Simulation results show that the proposed algorithm can effectively meet the communication needs of different monitoring services, ensures network reliability, and can improve the utilization rate of network resources.

Distributed mechanisms for access network selection in heterogeneous wireless environments

Τα ετερογενή δίκτυα συνδυάζουν πολλαπλές ραδιο-τεχνολογίες (radio access technologies – RATs) στο ασύρματο δίκτυο πρόσβασης. Ένα σημαντικό πρόβλημα που πηγάζει από αυτήν τη συνύπαρξη είναι η επιλογή του πιο κατάλληλου RAT για την εξυπηρέτηση κάθε υπάρχουσας ή νέας συνόδου (session). Για την αντιμετώπιση αυτού του προβλήματος έχουν προταθεί διάφορες μέθοδοι επιλογής, όπως η χρήση μαθηματικών συναρτήσεων, ασαφούς λογικής (fuzzy logic) ή/και νευρωνικών δικτύων, αλλά και σχήματα βασισμένα σε πολιτικές δικτύου. Αυτή η διατριβή περιγράφει ένα νέο μηχανισμό για τη λήψη τέτοιων αποφάσεων. Ο μηχανισμός αυτός ονομάζεται UDS. Τα αρχικά αυτά περιγράφουν τις τρεις θεμελιώδεις επιλογές που έγιναν για τη σχεδίασή του: ο μηχανισμός είναι επικεντρωμένος στο χρήστη (user ‑ U), είναι κατανεμημένος (distributed ‑ D) μεταξύ του τερματικού και του δικτύου κορμού, και τέλος επεξεργάζεται την κάθε σύνοδο (session ‑ S) χωριστά. Η πρώτη σχεδιαστική επιλογή στοχεύει στην ανάμειξη του χρήστη στην τελική απόφαση. Η δεύτερη εισάγει μια αρχική επεξεργασία στο τερματικό (UE), έτσι ώστε να μειωθεί η ανταλλαγή μηνυμάτων στο ασύρματο κομμάτι του δικτύου πρόσβασης. Η τρίτη στοχεύει στην πιο αποδοτική χρήση των πόρων του δικτύου.Το βασικό κίνητρο για τη δημιουργία αυτού του μηχανισμού ήταν να προταθεί ένας μηχανισμός επιλογής RAT που θα έχει στο κέντρο τις προτιμήσεις του χρήστη, αλλά ταυτόχρονα δε θα παραβιάζει ποτέ τις πολιτικές του διαχειριστή του δικτύου. Η δημιουργία μιας τέτοιας λύσης δεν είναι εύκολη, καθώς οι δύο αυτοί στόχοι είναι συνήθως αντικρουόμενοι. Επιπλέον, πρέπει o προτεινόμενος μηχανισμός να είναι υλοποιήσιμος, επεκτάσιμος και να μην έχει προβλήματα κλίμακας. Το αποτέλεσμα αυτής της προσπάθειας είναι μία οικογένεια τριών λύσεων, υπό το κοινό όνομα UDS. Κάθε μία λύση προέκυψε ως η εξέλιξη της προηγούμενης.Η πρώτη από αυτές τις λύσεις, ο απλός UDS μηχανισμός (s‑UDS, simple UDS), περιλαμβάνει έναν αλγόριθμο που εκτελείται στο UE και έναν ακόμα στο κυρίως δίκτυο. Ο πρώτος αλγόριθμος επεξεργάζεται όλους τους δυνατούς συνδυασμούς συνόδων και RATs που εμπλέκονται, και έχει ως αποτέλεσμα μια λίστα προτεραιοτήτων για τα RATs που μπορούν να εξυπηρετήσουν κάθε σύνοδο, ανάλογα με τις προτιμήσεις του χρήστη. Μετά, αυτή η λίστα αποστέλλεται στο κυρίως δίκτυο, όπου ενεργοποιείται ο δεύτερος αλγόριθμος που εκτελείται εκεί. Αυτός ο αλγόριθμος θα πάρει και την τελική απόφαση επιλογής, συνδυάζοντας τη λίστα επιλογών κατά σειρά προτίμησης του χρήστη και τις πολιτικές του διαχειριστή του δικτύου. Η δυνατότητα υλοποίησης του μηχανισμού επιδεικνύεται με την περιγραφή και την προσομοίωση σε SDL, καθώς και μέσω της υλοποίησης μιας πλατφόρμας δοκιμών (test-bed). Η αξιολόγηση της απόδοσης του προτεινόμενου μηχανισμού μέσω προσομοίωσης και η σύγκρισή του με έναν απλό μηχανισμό εξισορρόπησης φόρτου (load balancing), έδειξε ότι ο s‑UDS μεγιστοποιεί την ικανοποίηση των προτιμήσεων του χρήστη, ενώ ταυτόχρονα ελαχιστοποιεί την ανταλλαγή μηνυμάτων πάνω στο ασύρματο κομμάτι του δικτύου. Το τίμημα για τις δύο αυτές βελτιώσεις είναι η σημαντική αύξηση στις πιθανότητες απόρριψης και τερματισμού μιας συνόδου, σε σύγκριση πάντα με τον μηχανισμό εξισορρόπησης φόρτου.Το τελευταίο μειονέκτημα έφερε την ιδέα της επόμενης λύσης, του υβριδικού UDS μηχανισμού (h‑UDS, hybrid UDS). Αυτός συνδυάζει τα δυνατά σημεία του s‑UDS, και προσπαθεί να μειώσει το κόστος της αύξησης της πιθανότητας απόρριψης/τερματισμού συνόδου. Το πετυχαίνει με τη χρήση ενός κατωφλίου, το οποίο προσδιορίζει το ποσοστό των διαθέσιμων πόρων του δικτύου κάτω από το οποίο θα ενεργοποιείται ένας υβριδικός μηχανισμός εξισορρόπησης φόρτου. Αυτός ο τελευταίος επιλέγει το λιγότερο φορτωμένο RAT, από τα διαθέσιμα στη λίστα προτεραιοτήτων του χρήστη, και όχι από όλα τα διαθέσιμα. Έτσι εξασφαλίζεται ότι η τελική επιλογή θα είναι μέσα στις προτιμήσεις του χρήστη, ακόμα και αν δεν είναι η πρώτη. Επίσης πετυχαίνεται η αποφόρτιση των επιβαρυμένων RAT, κρατώντας παράλληλα τα δυνατά σημεία του s‑UDS. Όμως και ο h‑UDS έχει ένα σημαντικό μειονέκτημα: το κατώφλι που επιλέγεται είναι στατικό, και εξαρτάται από τις διάφορες παραμέτρους του δικτύου. Αυτό σημαίνει ότι μια βέλτιστη τιμή για αυτό δεν είναι γνωστή εκ των προτέρων καθώς επίσης και ότι μια τέτοια τιμή θα άλλαζε για δύο διαφορετικά δίκτυα.Αυτό το τελευταίο μειονέκτημα ήταν το έναυσμα για την ανάπτυξη της επόμενης λύσης, του προσαρμοστικού UDS (a‑UDS, adaptive UDS). Σε αυτήν την περίπτωση, η τιμή του κατωφλίου δεν απαιτείται να είναι γνωστή εκ των προτέρων, μιας και αυτή θα αλλάζει, προσαρμοζόμενη στις συνθήκες που επικρατούν κάθε φορά στο δίκτυο. Ο a‑UDS έχει όλα τα πλεονεκτήματα των άλλων δύο λύσεων: μεγιστοποίηση της ικανοποίησης των προτιμήσεων του χρήστη και ελαχιστοποίηση της ανταλλαγής μηνυμάτων πάνω στην ραδιο-επαφή. Ταυτόχρονα όμως, λόγω της προσαρμογής της τιμής του κατωφλίου, καταφέρνει να διατηρήσει χαμηλά τις τιμές απόρριψης/τερματισμού μας συνόδου, πολύ κοντά στις αντίστοιχες τιμές του load balancing μηχανισμού. Έτσι λοιπόν, ο a‑UDS μηχανισμός είναι η τελική πρόταση αυτής της διατριβής για την επίλυση του προβλήματος της επιλογής δικτύου πρόσβασης με την ουσιαστική εμπλοκή του χρήστη σε αυτή. Ο μηχανισμός αυτός δίνει επίσης τη δυνατότητα στο διαχειριστή του δικτύου να ρυθμίσει τη συμπεριφορά του δικτύου σύμφωνα με τις πολιτικές διαχείρισης που έχει επιλέξει, χωρίς ποτέ όμως να παραβιάζει τις προτιμήσεις του τελικού χρήστη. Αυτό το συμπέρασμα ενισχύεται και από τα αποτελέσματα των προσομοιώσεων που πραγματοποιήθηκαν.

Advanced Connection Manager for Interworking between 3GPP and Non-3GPP Networks

Smart phones and handheld devices equip with multiple radio access technologies capabilities e.g. cellular and Wi-Fi now a days. It is observed that seamless session and service continuity is a difficult task while device is roaming across different radio access technologies. Connection Manager, ANDSF and Traffic Steering Algorithms are mainly used to address such switching requirements. Radio access selection decision is usually based upon various parameters like network capabilities, availability, quality, subscription and policies. This research compares network quality of all available networks for the duration and then connection manager’s decision support system ranks all suitable networks to select most appropriate access network. This paper investigates about new input parameters to be included in connection manager’s enhanced decision support system for the smarter decision of access network selection.