1.一种基于Q学习和多属性决策的WiFi卸载方法，其特征在于该方法包括：(1)获取用户终端在LTE网络、WiFi网络重叠小区内部移动过程中经过的位置，并计算每个位置的网络属性，形成集合S＝{si＝(Posii,Envii)|i∈{1,2,...,Np}}，其中，Posii表示位置i，Envii表示位置i的网络属性，包括吞吐量TPi、功耗PCi、花费Ci和时延Di，Np表示用户终端经过的位置数；

(2)建立用于获取最优WiFi卸载策略的Q学习模型，所述Q学习模型中，将用户终端视为智能体，将集合S定义为Q学习的状态，将WiFi卸载决策定义为Q学习中的动作选择过程，即A＝{ak,k∈{0,1,2,...,NAP}}，其中，a0表示用户终端接入LTE网络基站，{ak,k∈{1,2,...,NAP}}表示用户终端卸载到对应下标的WiFi网络接入点；

(3)分别计算网络属性吞吐量TPi、功耗PCi、花费Ci和时延Di的权重(4)建立Q表，Q表中的元素为Q(s,a)，表示智能体在状态s下做出动作a所获得的累积折扣奖励，并设置初始时刻Q0(s,a)＝0，其中，s∈S，a∈A；

(5)获取智能体的第一个状态si|i＝1；

(6)在当前状态si下进行Q学习的动作选择，具体为：智能体以概率ε随机选取一个网络进行接入，否则选择值maxQ(si,a)所对应的网络进行接入，将最终选择的动作采用a^表示；

(7)计算智能体在执行动作a^后的即时奖励，即：将实际吞吐量小于吞吐量阈值TPith的无效网络过滤，将被过滤掉的无效动作对应的即时奖励直接置零，对于过滤后得到的候选网络集合，根据权重 采用多属性决策方法计算用户终端接入网络获得的即时奖励Rw(si,a^)；

(8)利用下列公式更新Q表中的元素Q(si,a^)：

其中，下标t表示当前时刻计算得到对应值，t-1表示上一次计算得到对应值，μ∈(0,1)为学习速度， 为经验奖励，δ是经验奖励的折扣因子，s'是智能体接下来转移到的状态；

(9)将智能体的状态转移到下一个状态，即i＝i+1，并重复步骤(6)至步骤(8)，直至i＝Np后执行(10)；

(10)判断智能体在每一个状态下的最大Q(s,a)值对应的动作是否改变，若不再改变，则迭代结束，执行步骤(11)，否则返回执行步骤(4)；

(11)根据最终的Q表控制WIFI卸载，即当用户终端经过位置Posii时，控制用户终端选择Q(si,a)的最大值所对应的网络进行WIFI卸载，其中，i∈{1,2,...,Np}。

2.根据权利要求1所述的基于Q学习和多属性决策的WiFi卸载方法，其特征在于：步骤(1)中计算每个位置的吞吐量TPi和功耗PCi的方法具体为：(1-1)根据以下公式计算位置i的吞吐量TPi：

式中， 表示网络收到的来自用户终端的信号功

率，Pt为用户终端的发射功率，d0为参考距离，L0是当终端距离网络d0时的路径损耗，α为路径损耗指数，d为网络与用户终端的距离，G(θ,β)为满足高斯分布的均值为θ，方差为β的阴影衰落，N0为加性高斯白噪声功率谱密度，W为智能体的可用带宽；

(1-2)根据以下公式计算位置i的功耗PCi：

PCi＝P0+Pt

式中，P0是用户终端的固定运行功耗。

3.根据权利要求1所述的基于Q学习和多属性决策的WiFi卸载方法，其特征在于：步骤(3)中计算权重所采用的方法具体包括：(3-1)由用户业务类型j和吞吐量、功耗、花费和时延四种属性建立成对比较矩阵B：其中，bmn表示第m个网络属性和第n个网络属性之间重要程度之比，j＝1表示流媒体业务，j＝2表示会话业务，j＝3表示后台业务，，n＝1,2,3,4分别表示吞吐量、功耗、花费和时延；

(3-2)获取B的最大特征值λ*对应的特征向量，并将其归一化得到AHP权重向量(3-3)计算成对比较矩阵B的一致性率CR：式中，N是网络属性的个数，也是矩阵B的阶数，RI是平均随机性一致性指标；

(3-4)若一致性率CR>0.1，则返回步骤(3-1)调整矩阵B，重新计算AHP权重向量，直至CR<0.1，采用最终的AHP权重向量。

4.根据权利要求3所述的基于Q学习和多属性决策的WiFi卸载方法，其特征在于：所述成对比较矩阵B中的元素bmn为1到9之间的整数或1到9的倒数，且有bmn＝1/bnm，对角线上的值为1。

5.根据权利要求1所述的基于Q学习和多属性决策的WiFi卸载方法，其特征在于：步骤(7)具体包括：(7-1)将实际吞吐量小于吞吐量阈值TPith的无效网络过滤，被过滤掉的无效动作对应的即时奖励直接置零，设过滤后的候选网络集合为{Net1,...,Netl,...,NetL}，即从动作集合A中提取出的L个有效动作；

(7-2)构造候选网络属性矩阵X：

式中，l代表候选网络的编号，n代表网络属性的编号形如 表示候选网络Netl的对应网络属性，xln表示网络属性矩阵X的第l行第n列的元素；

(7-3)根据候选网络属性矩阵X构造标准化判决矩阵H，其中H的元素hln为：(7-4)根据属性权重得到加权判决矩阵Y，其中Y的元素yln为：yln＝wnhln；

(7-5)设置最理想方案Solution+为：

最不理想方案Solution-为：

(7-6)利用TOPSIS方法的原理计算每个候选网络和最理想方案的相对接近程度，得到接入候选网络的即时奖励：式中， 为第l个候选网络和Solution+的欧几里得距离，为第l个候选网络和Solution-的欧几里得距离。