技术领域
[0001] 本发明涉及一种基于博弈论的带宽分配和用户分组方法及系统，属于信息通信领域。
相关背景技术
[0002] 无人机作为空中基站能够实现广域覆盖和天地一体化通信，是5G和未来6G发展的重要方向。移动边缘计算允许网络边缘的任何地点部署计算服务器，将计算能力由核心网转移到接入网边缘。极大地提高了通信、计算、缓存和控制的质量。无人机具有机动性强、灵活性高等特点，可以提供无缝、可靠、低时延的通信服务。无人机与移动边缘计算的结合已成为必然趋势，基于无人机的边缘计算网络能够提供可靠、经济、低时延、高效的无线通信服务。
[0003] 现有技术主要关注于无人机的能量消耗问题和频谱效率问题，而无人机计算能力和覆盖范围内数据节点的数据量不匹配的问题还未解决，即无人机覆盖范围内要收集的数据量可能超出其计算能力。另外，传统的集中式方案将难以解决巨量的数据节点接入任务。
具体实施方式
[0060] 下面结合具体实施例对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
[0061] 在基于无人机的物联网中，分布有Nu个数据节点和Nv个具有边缘计算能力的无人机。数据节点的集合为 无人机的集合为 无人机的计算能力集合为 其中，Cj为无人机 的计算能力，单位为比
特。传统的集中式分组方法不足以支持大量用户的同时接入，并且固定的带宽分配缺少灵活性。博弈论因其分布自主、结果稳定等特性已广泛应用于通信领域中。
[0062] 为此，本发明提出一种应用于无人机物联网的基于博弈论的带宽分配和用户分组方法。结合图1所示，该方法具体包括：
[0063] 步骤S1，以无人机总剩余数据量最小化为目标、无人机带宽和无人机处理能力为约束条件建立第一目标函数；
[0064] 传输模型：数据节点采用FDMA的方式向无人机传输数据，每个无人机的带宽为Bt，数据节点可占用的带宽是任意的。则数据节点 传输给无人机 的可达速率为：
[0065]
[0066] 其中，hij(t)，bij(t)和 分别为数据节点 传输给无人机 时的信道增益、带宽和传输功率； 为噪声功率。
[0067] 因此，数据节点 传输给无人机 的最大数据量为：
[0068]
[0069] 其中， 为数据节点 在t时隙剩余的数据量，其中 为无
人机 在t‑1时隙剩余的数据量， 是数据节点 在时隙t产生或收集的数据，τ为时隙长度，当t＝1时， aij(t)为二进制指示变量，aij(t)＝1表示数据节点 上传给无人机 反之，aij(t)＝0表示 不上传给无人机
[0070] 为保证数据节点传输数据的公平性，将无人机的传输功率平均分配，即其中， 为数据节点 的最大传输功率。
[0071] 考虑数据节点的有限通信距离，为保证可靠通信，数据节点 与无人机 之间的距离dij(t)应小于距离门限dth。另外，无人机处的数据量应小于其处理能力和缓存栈的大小，即：
[0072] dij(t)≤dth， (3)
[0073]
[0074] 其中，Caj是无人机的缓存栈大小，Dj(t)为无人机 在时隙t剩余的数据量，并且服从均匀分布。Dj(t)的表达式为：
[0075]
[0076] 本发明通过优化带宽和用户分组，实现长时间无人机处剩余数据量最小化。
[0077] 以无人机总剩余数据量最小化为目标建立优化目标函数：
[0078]
[0079] 其中 ，A是 Nu×Nv的矩阵 ，a ij(t)是A中 第i行第j列的元素 ，T是最大时隙数，Dj(T)为无人机
在第T个时隙剩余的数据量；Bt为每个无人机的带宽。C1，C2为带宽约束，C3为距离约束，C4为无人机处理能力约束。
[0080] 问题P以带宽和无人机处理能力为约束条件，通过优化用户的带宽和分组，以实现无人机处的剩余数据量最小化。
[0081] 步骤S2，获取以无人机收集数据最大化为第二目标函数建立的无人机带宽分配模型，对所述无人机带宽分配模型进行求解，得到最优功率分配方案；
[0082] 为解决问题P，首先解决无人机的带宽分配问题。对于无人机来说，尽可能的收集较多的数据是其目的所在，因此建立无人机带宽分配模型：
[0083]
[0084] 可以看出问题P1为凸函数，可以利用拉格朗日乘子法求解。因此，具有非负对偶变量ηj和拉格朗日乘子 的拉格朗日函数为：
[0085]
[0086] 由KKT条件可知， 的最优解由以下条件给出：
[0087]
[0088] 由式(9)可以得到，ηj＝log2(1+ρij(t))‑ρij(t)/(ln2(1+ρij(t)))，[0089] 因此，最优的带宽分配方案为：
[0090]
[0091] 步骤S3，基于所述最优带宽分配方案，将所述第一目标函数转化为每个时隙内的用户分组模型；
[0092] 由于Dj(t)只与Dj(t‑1)和 有关，可将原问题P转化为每个时隙内的用户分组问题，即：
[0093]
[0094] 其中，Cj(t)为t时隙的无人机 的实时计算能力， 定义为t时隙的无人机 的收集数据量与实时计算能力的匹配度。
[0095] 步骤S4，利用联盟形成博弈算法，对所述用户分组模型进行求解，获得稳定的非重合的用户分组。
[0096] 由于联盟形成博弈具有协同性，可以以低复杂度的分布式方式形成子网络。利用联盟形成博弈算法可以得到一个不重叠的用户分组 即：表示向无人机 上传数据的数据节点的集合。
[0097] 定义数据节点 的效用函数为：
[0098]
[0099] 其中， 为数据节点 在分组 的效用函数， 为t时隙时集合 中的数据节点向无人机 传输的数据量， 为t时隙时集合 中的数据节点
向无人机 传输的数据量，Cj1(t)为t时隙无人机 的实时计算能力。
[0100] 定义数据节点 的分组改变准则为：
[0101]
[0102] 其中， 为t时隙时集合 中的数据节点向无人机 传输的数据量，为t时隙时集合 中的数据节点向无人机 传输的数据量， 为t时隙
无人机 的实时计算能力。该式表示，当且仅当发生改变有利于数据量与实时计算能力更匹配时，数据节点 离开原有分组 加入现有分组
[0103] 如图2所示，采用联盟形成博弈(算法1)形成一个稳定的非重合的用户分组，其算法步骤如下：
[0104] 1.初始化：数据节点随机选择一个无人机接入，得到初始分组 设定相应的指示向量为1，即aij(t)＝1；
[0105] 2.循环；
[0106] 3.随机选择一个数据节点 以及它的分组 (数据节点 )，计算它的效用函数；
[0107] 4.数据节点 分别加入其相邻的分组 (数据节点 )，其中， 为数据节点 到无人机 的距离，并计算此时的效用函数，设定效用函数的集合为向量Vp，Vp包括数据节点 分别加入其相邻的分组的所有效用函数值；
[0108] 5.求向量Vp的最大值Vp＝maxVp，以及最大值Vp对应的集合的编号
[0109] 6.假如Vp>Vc；
[0110] 7.则 即数据节点 离开原有分组 加入分组并设定相应的指示变量
[0111] 8.结束假如；
[0112] 9.若分组不再改变，则输出分组。否则，返回步骤2。
[0113] 在进一步实施例中，本发明方法还包括：
[0114] 步骤S5，利用重合联盟形成博弈算法，对所述稳定的非重合的用户分组继续进行优化，获得最优用户分组。
[0115] 为进一步让无人机计算能力和收集的数据量更适配，本发明提出了基于重合联盟形成博弈的分组方法(算法2)，如图3所示，具体算法流程如下：
[0116] 1.初始化：通过算法1得到一个数据节点非重合的分组
[0117] 2.循环；
[0118] 3.随机选择一个数据节点 以及它加入的Ni个分组 (数据节点 )，并且找到不包括它的相邻的分组 (数据节点 )，
[0119] 4.如果Ni
[0120] 5.计算此时所有包括数据节点 的无人机在t时隙的收集数据量与实时计算能力的匹配度的总和在Ni个分组 所有数据节点分别采用功率 和的差值：
[0121]
[0122] 和相邻无人机 在t时隙的收集数据量与实时计算能力的匹配度在集合 中的所有数据节点分别采用功率 和 的差值：
[0123] 其中，
[0124] 6.所有向量集合的Vpi集合为Vp＝[Vp1,Vp2,Vp3,…]，并求向量Vp的最小值Vp＝min Vp，以及最小值Vp对应的集合的编号
[0125] 7.假如Vp＞Vc；
[0126] 8. 即数据节点 加入分组 并设定相应的指示变量 集合 中的数据节点的功率设定为：
[0127] 9.结束假如；
[0128] 10.结束如果；
[0129] 11.若分组不再改变，则输出分组。否则，返回步骤2。
[0130] 为了展示本发明方法的性能优势，做了如下仿真验证。设定仿真参数如下所示，hij(t)服从均值为1的瑞利分布， 服从U(200,400)bits的均匀分布，Cj服从U(350,450)bits的均匀分布，Bt＝1MHz， Nu＝20,Nv＝10。
[0131] 图4和图5仿真了一个时隙的收集数据量与实时计算能力的匹配度的收敛性。由图可知，算法1和算法2均具有较好的收敛性。随着迭代次数的增加，算法1的匹配度逐渐增加，并最终趋于稳定。当门限距离较大时，用户可选择的分组更多，用户能选择更优的分组去提升匹配度，因此，当距离门限从5km改变为10km时，算法1的匹配度更高。与固定带宽分配方案相比，所提出的带宽分配方案更加灵活。因此，本发明的带宽分配方案比传统的带宽分配方案有更好的匹配度。
[0132] 图5展示了算法2的收敛性能。当迭代的次数增加时，Lmax＝1的匹配度是稳定的，而Lmax＝2和Lmax＝4实时计算能力和收集数据量的匹配度在有限的迭代次数内增加后保持稳定。这是因为当用户可以加入的分组增加时，所有的数据节点都有更多的无人机上传数据。数据节点的分组选择策略更灵活，更能实现更高的匹配度。因此，Lmax＝4优于Lmax＝2和Lmax＝1。
[0133] 图6是本发明方法的性能示意图，其中与帕累托准则、自私准则和最近准则进行了对比。随着总时间插槽的增加，自私准则、帕累托准则和最近准则的数据量急剧上升，而本发明方法的数据量基本保持稳定，并且数据节点加入的分组数越多，数据量越少。这是因为本发明的分组改变准则能够使得用户的实时计算能力和收集数据量更匹配，减少了数据量在无人机处的堆积。其他方案未能及时对收集的数据量进行处理，导致数据积累。
[0134] 在另一实施例中，一种基于博弈论的带宽分配和用户分组系统，包括：
[0135] 第一目标函数建立模块，配置为以无人机总剩余数据量最小化为目标、无人机带宽和无人机处理能力为约束条件建立第一目标函数；
[0136] 无人机带宽优化模块，配置为获取以无人机收集数据最大化为第二目标函数建立的无人机带宽分配模型，对所述无人机带宽分配模型进行求解，得到最优带宽分配方案；
[0137] 用户分组模型建立模块，配置为基于所述最优带宽分配方案，将所述第一目标函数转化为每个时隙内的用户分组模型；
[0138] 用户分组求解模块，利用联盟形成博弈算法，对所述用户分组模型进行求解，获得稳定的非重合的用户分组。
[0139] 进一步地，所述的一种基于博弈论的带宽分配和用户分组系统，还包括：
[0140] 用户分组优化模块，配置为利用重合联盟形成博弈算法，对所述稳定的非重合的用户分组继续进行优化，获得最优用户分组。
[0141] 本发明还提供了一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行前述的基于博弈论的带宽分配和用户分组方法。
[0142] 本发明还提供了一种计算设备，包括：
[0143] 一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中，并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行前述的基于博弈论的带宽分配和用户分组方法。
[0144] 本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产品的形式。
[0145] 本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0146] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0147] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0148] 以上已以较佳实施例公布了本发明，然其并非用以限制本发明，凡采取等同替换或等效变换的方案所获得的技术方案，均落在本发明的保护范围内。
