1.一种基于加权GRA和遗传算法的网络选择方法，其特征在于，该方法包括以下步骤：(1)将异构无线网络场景下的用户业务分类，并为每种业务赋予不同的判断矩阵，使用AHP求得网络属性的权重，作为初值；

(2)定义候选网络的适应度函数；

(3)根据遗传算法不断对初始权重做调整，动态寻得最优的适应度，将其对应的网络作为最佳网络。

2.根据权利要求1所述的基于加权GRA和遗传算法的网络选择方法，其特征在于：所述用户业务分为会话、流媒体和交互三种业务类型。

3.根据权利要求1所述的基于加权GRA和遗传算法的网络选择方法，其特征在于，所述步骤(1)包括以下步骤：(101)建立网络选择问题的递阶层次结构，由上至下分为：用于表示最佳网络的目标层、用于表示参与网络选择的属性的准则层、用于表示用户可以选择接入的网络集合的方案层；

(102)根据用户对不同业务类型的需求，分别确定用于计算属性权重所需的判断矩阵其中，aij表示在业务k下属性ri相对于属性rj的重要程度,n为属性个数；

(103)根据不同业务类型的判断矩阵Ak，计算其非零特征向量，得到属性的权重向量Wk＝[wk1 wk2 … wkn]，其中，wk1,wk2,…,wkn为n个属性权重；

(104)对判断矩阵Ak做一致性检验，计算如下公式所示的一致性比例：其中，n为属性个数，RI为随机一致性指标，λmax为判断矩阵Ak最大特征值；当CR≤0.1时，认为判断矩阵的一致性是可接受的，否则跳转到步骤(102)重新确认aij。

4.根据权利要求1所述的基于加权GRA和遗传算法的网络选择方法，其特征在于，步骤(1)中，所述属性包括：可用速率r1、峰值传输速率r2、包时延r3、包抖动r4、包丢失r5与每比特费用r6。

5.根据权利要求1所述的基于加权GRA和遗传算法的网络选择方法，其特征在于，所述步骤(2)包括：(201)使用步骤(1)获得的属性权重作为初始权重；

(202)对属性权重进行编码，将属性对应的权重值进行二进制转换，取小数点后三位，每一位二进制数据0或1为一个基因；

(203)设置种群规模大小为m个，对应于m张异构网络，将AHP得到的属性权重作为每个个体初始种群数据；

(204)使用极差规范化处理属性，得到网络i的属性j的值vij；

(205)定义理想序列 其中n表示每个网络的属性个数，其中 表示序列v+的第j个元素值，将步骤(203)产生的初始种群代入如下适应度函数：其中，i表示网络序号，GRCi表示第i个网络的适应度函数，得到每个个体的适应度。

6.根据权利要求1所述的基于加权GRA和遗传算法的网络选择方法，其特征在于，所述步骤(3)包括：(301)计算种群中所有的个体的适应度的总和∑GRCi；

(302)计算每个个体的相对适应度 所述个体的相对适应度为每个个体被遗传到下一代的概率，全部概率值之和为1；

(303)生成一个0到1之间的随机数，依据该随机数来确定各个个体被选中的概率；

(304)对种群进行随机配对，随机设置交叉点位置，再相互交换配对染色体之间的基因，得到新的个体；

(305)确定各个个体的基因变异位置，所述变异位置随机选择，将变异点的原有基因值取反，产生出一个新的个体；

(306)通过进行一轮选择、交叉、变异运算之后的得到的较为优良的个体重新插入父代种群中，替换掉父代种群中适应度较差的个体，作为下一次迭代的初始种群；

(307)重复步骤(301)～(306)，直到适应度不再变化或者达到设定的门限值，迭代结束，比较各子种群的最佳适应度，选择适应度最大的网络作为最佳接入网络，对应的染色体取值即为最佳属性权重分配。