论文分析异构无线网络概念，垂直切换概念，以及垂直切换和水平切换的区别，并描述了异构无线网络垂直切换技术的研究现状、最新进展，分析了垂直切换判决算法的种类、算法原理。列举了几个经典的垂直切换判决算法并着重研究模糊TOPSIS算法，并对其进行MATLAB仿真，得到运行结果。

本文主要目的在于了解无线异构网络系统及对异构无线网络垂直切换技术的研究。首先要熟悉垂直切换判决算法的种类、算法原理。

多属性决策(MADM，Multiple Attribute Decision Making)是在多个不能互相代替的准则存在下进行的决策，其起源可追溯到1896年Pareto提出的Pareto最优概念。1951年Koopmans将有效点的概念引入决策领域，同年，Kuhn和Tucker引入了向量优化的概念。经典的网络选择算法有简单加权法、乘法指数加权法、接近理想方案的序数偏好方法以及层次分析法等，这些方法在网络选择中已经有大量的研究。

本文对区间数指标规范化方法进行了研究, 提出了一种易于计算且实用的[ - 1, 1] 线性变换算子, 并且对于评价指标权重确定, 评价指标取值为区间数的多指标决策方法进行研究, 给出了基于“奖优罚劣”区间数多指标决策问题的T OPSIS 方法. 最后, 进行了实例分析.该方法提高了分辨精度, 突出了“奖优罚劣”原则, 物理概念更加清晰.

模糊TOPSIS方法小结

本章给出一种新的TOPSIS方法来解决模糊多属性群决策问题。利用模糊数的期望值排序方法, 求出方案的模糊理想解和模糊负理想解; 采用模糊数距离的期望值表示方法, 求出各方案对模糊理想解的相对贴进度, 并按照其大小对方案排序。

本文针对模糊决策矩阵、属性权重和决策者权重都已知, 且均以梯形模糊数给出的多属性群决策问题, 引入梯形模糊数的期望值来扩展TOPSIS 方法。先将各个模糊决策矩阵规范化, 再把不同决策者的规范化模糊决策矩阵进行属性加权, 然后将所有加权规范化模糊决策矩阵集结为综合加权规范化模糊决策矩阵; 再根据模糊数的期望值排序方法, 从综合加权规范化模糊决策矩阵中找到模糊理想解和模糊负理想解, 再借助模糊数距离的期望值表示方法, 提出新公式计算各备选方案到模糊理想解和模糊负理想解的偏差距离, 并基于各备选方案对模糊理想解的相对贴近度大小将所有方案按优劣排序。