【出 处】：《 计算机仿真 》 CSCD 2013年第30卷第2期 286-290页,共6页

【作 者】： 李航宇 ; 刘伟 ; 郭伟

【摘 要】 在网络优化选择问题的研究中，针对异构网络环境下的网络选择的问题，由于网络性能存在差异，提出一种联合模糊逻辑和神经网络的自适应网络选择算法。由于新方法具有学习训练的能力，所以能够根据输出误差对模糊神经网络的隶属度函数的参数进行动态的在线调整，从而使用户选择最优的网络。最后将联合模糊逻辑和神经网络的网络选择算法与基于模糊逻辑的网络选择算法进行了比较。仿真结果表明，改进方法能有效的保证用户舒适度比率趋于期望的理想值，实现了最优的网络接入选择，减少了乒乓效应发生的次数，并且相较于不自适应调整的模糊逻辑算法有更高的用户舒适度比率。