一种情景知觉下的重叠联盟博弈模型及空间自适应算法制造技术

本发明专利技术公开了一种基于情景知觉的重叠联盟博弈模型及空间自适应学习算法。该模型为：考虑D2D网络中具有内容需求的次级用户，将内容需求存在重叠的相邻用户组成一个联盟，通过一个用户向上层获取频谱资源后转发给联盟中其他用户。算法为：构建重叠联盟博弈模型，参与者是D2D网络内所有次级用户；各用户将其他用户划分为邻居用户和非邻居用户；各用户随机选择一个联盟进行接入，计算所有能够选择的联盟带来的效用函数，用户选择能带来最优效用的联盟进行接入；循环迭代，直至所有用户的联盟选择实现收敛或者达到设定的迭代次数；循环结束后计算其他内容下的联盟选择直至覆盖全网。本发明专利技术能够更加精确地刻画用户之间频谱资源的内容重叠关系并加以利用。

An overlapping coalition game model and space adaptive algorithm under situational awareness

The invention discloses an overlapping alliance game model based on situational awareness and a spatial adaptive learning algorithm. This model is as follows: considering the content requirements of the secondary users in the D2D network, the contiguous users with overlapped content requirements are composed of an alliance, which is forwarded to the other users in the alliance after a user gets the spectrum resource to the upper level. The algorithm is: building an overlapping alliance game model, the participants are all secondary users in the D2D network; each user divides other users into neighbourhood and non neighbor users; each user selects a coalition randomly to calculate the number of utility functions brought by all the selected alliances, and the user chooses to bring the best utility. The alliance carries on access; iterates iteratively until all users' Alliance selection converges or reaches the set iteration number; after the loop ends, it calculates the alliance selection under other content until the whole network is covered. The invention can more accurately depict the overlapping relationship between users' spectrum resources and make use of them.

【技术实现步骤摘要】
一种情景知觉下的重叠联盟博弈模型及空间自适应算法
本专利技术属于无线通信
，提出了一种情景知觉下的重叠联盟博弈模型及空间自适应学习(SpatialAdaptivePlay，SAP)算法。
技术介绍
频谱资源的短缺和获取频谱资源的高开销已经成为通信领域中的一个重要问题，这使得D2D网络中的频谱拍卖和团购的研究变得越来越重要。针对这个问题，有人提出了一个频谱团购的三层拍卖框架(参考文献PengLin,XiaojunFeng,QianZhangandMounirHamdi,“GrouponintheAir:AThree-stageAuctionFrameworkforSpectrumGroup-buying,”2013ProceedingsIEEEINFOCOM)来对团购进行分层优化；有人提出了两种诚信的团购拍卖方式(参考文献DejunYang,GuoliangXueandXiangZhang,“GroupBuyingSpectrumAuctionsinCognitiveRadioNetworks,”DOI10.1109/TVT.2016.2546948,IEEE)，利用次级用户使得主设备以某种机制选择信道从而最大化次级接入用户的效益。然而，大部分研究都只是专注于用户在不同层的关系以及在上层的选择和底层的接入点，没有考虑用户自己的资源需求。联盟形成博弈(参考文献WalidSaad,ZhuHan,M′erouaneDebbah,AreandTamerBas，ar,“CoalitionalGameTheoryforCommunicationNetworks”,inIEEESignalProcessingMag.,SpecialIssueonGameTheory,vol.26,no.5,Sept.2009,pp.77C97.)主要考虑的是合作下的网络结构；重叠联盟形成博弈(参考文献TianyuWang,LingyangSong,ZhuHan,andWalidSaad,“OverlappingCoalitionFormationGamesforEmergingCommunicationNetworks,”inIEEENetwork,vol.30,Sept.2016,pp.46-53，以及参考文献YuliZhang,YuhuaXuandQihuiWu,“GroupBuyingBasedonSocialAwareinD2DNetworks:AGameTheoreticApproach,”6thIEEE/CICInternationalConferenceonCommunicationsinChina(ICCC2017),Qingdao,ChinaOct.2017,accepted.)中，提到了一个在D2D网络中基于用户社会关系的联盟形成博弈模型，该模型考虑了不同用户中存在的重叠内容，在联盟形成后通过一次获取这些重叠内容转发到所有需要的用户，从而减少转发开销，但它并没有考虑到在不同内容需求下，相应的联盟形成也是不同的。
技术实现思路
本专利技术的目的在于提供一种能够降低频谱资源获取开销、提高频谱利用率的情景知觉下的重叠联盟博弈模型及空间自适应学习(SpatialAdaptivePlay，SAP)算法。实现本专利技术目的的技术解决方案为：一种情景知觉下的重叠联盟博弈模型，对于D2D网络中的任意一个具有内容需求的次级用户，将其他用户按照通信范围分为邻居用户和非邻居用户；在进行需求内容获取时，存在重叠内容的相邻用户组成一个联盟，其中一个用户向上层进行相应内容的频谱资源团购，获取资源后将内容转发给联盟中其他拥有相同内容需求的用户。一种基于所述情景知觉下的重叠联盟博弈模型的空间自适应学习算法，包括以下步骤：步骤1，将用户团购问题建模为联盟形成博弈模型，博弈的参与者是网络内所有具有频谱资源需求的次级用户；步骤2，引入局部互利博弈模型，针对选中用户，将其他用户按照通信范围是否在一跳范围内，分为邻居用户和非邻居用户，并定义效用函数；步骤3，随机选择一个用户，根据此时邻居用户和选中用户自身的联盟选择情况，利用效用函数计算选中用户接入各个联盟的效用值；选中用户选择所有可接入联盟中效用值最大即获取频谱资源开销最小的联盟进行接入，接入的规则是依概率进行探索学习；步骤4，循环步骤3，用户通过探索学习进行联盟选择，直至所有用户的联盟选择实现收敛，或者达到设定的迭代次数。进一步地，步骤1将用户团购问题建模为博弈模型，该博弈模型定义为：该博弈模型中包含四个组成部分，其中，N＝{1,2，...n0}为参与博弈的次级用户集合，An为用户n的可选择联盟策略空间，Jn为用户n一跳范围内的邻居用户，un为用户n的效用函数。进一步地，步骤3所述随机选择一个用户，根据此时邻居用户和选中用户自身的联盟选择情况，利用效用函数计算选中用户接入各个联盟的效用值，具体如下：定义任意时刻已经形成的联盟中，每个次级用户n拥有不同的频谱资源需求其中ln为次级用户n的内容长度；设定次级用户n的联盟选择为αn，假设获取每块内容的频谱资源开销为α0，计算出存在重叠频谱资源内容的次级用户的重叠度：其中，表示与同属于一个联盟的其他用户的集合，并且：其中，表示为次级用户k的第o个内容块的内容；公式(2)表示不同用户频谱资源中的内容块是否相同；基于以上条件，能够得到次级用户n的效用函数un为：从而得到网络全局的效用函数：博弈的优化目标：以式(4)的效用函数进行联盟选择，通过考虑不同的内容块，使得网络全局的效用最大即获取频谱资源的开销最小：(P1):maxU(5)利用局部互利博弈(localaltruisticgame)模型，优化式(4)、(5)，将局部效用函数和目标函数表示如下：进一步地，步骤3所述选中用户选择所有可接入联盟中效用值最大即获取频谱资源开销最小的联盟进行接入，接入的规则是依概率进行探索学习，具体如下：(1)初始化，每个次级用户n∈N随机选择一个联盟，选择一个内容块i，作为下一个循环中用户进行联盟选择的依据；(2)探测：所有的次级用户进行信息交互，并通过空间自适应学习的方式，每次迭代都随机选择一个次级用户n进行操作，其他所有的用户重复之前的联盟选择；对于选中的次级用户n，利用公式(3)计算它选择不同联盟的效用值；(3)联盟选择：用户n根据效用值对联盟进行依概率选择并接入。进一步地，步骤4所述循环步骤3，用户通过探索学习进行联盟选择，直至所有用户的联盟选择实现收敛，或者达到设定的迭代次数，具体如下：(1)所有的次级用户进行信息交互；(2)每次迭代都随机选择一个次级用户n进行操作；(3)其他所有的用户重复之前的联盟选择，即ak(j+1)＝ak(j)，k∈Jn；对于选中的次级用户n，首先利用公式(3)计算它选择不同联盟的效用值，用户n考虑内容块i的频谱获取开销然后次级用户更新它的选择策略：其中，β＞0是学习系数，表示用户n选择其他联盟，表示用户n第j次选择时，选择联盟an的概率。本专利技术与现有技术相比，其显著优点在于：(1)在情景知觉的前提下，充分考虑了次级用户存在重叠内容需求的情况，提出了频谱资源利用率更高的基于情景知觉的重叠联盟博弈模型，避免了联盟选择和内容选择存在矛盾的时候基于不同本文档来自技高网...

【技术保护点】
一种情景知觉下的重叠联盟博弈模型，其特征在于，对于D2D网络中的任意一个具有内容需求的次级用户，将其他用户按照通信范围分为邻居用户和非邻居用户；在进行需求内容获取时，存在重叠内容的相邻用户组成一个联盟，其中一个用户向上层进行相应内容的频谱资源团购，获取资源后将内容转发给联盟中其他拥有相同内容需求的用户。

【技术特征摘要】
1.一种情景知觉下的重叠联盟博弈模型，其特征在于，对于D2D网络中的任意一个具有内容需求的次级用户，将其他用户按照通信范围分为邻居用户和非邻居用户；在进行需求内容获取时，存在重叠内容的相邻用户组成一个联盟，其中一个用户向上层进行相应内容的频谱资源团购，获取资源后将内容转发给联盟中其他拥有相同内容需求的用户。2.一种基于权利要求1所述情景知觉下的重叠联盟博弈模型的空间自适应学习算法，其特征在于，包括以下步骤：步骤1，将用户团购问题建模为联盟形成博弈模型，博弈的参与者是网络内所有具有频谱资源需求的次级用户；步骤2，引入局部互利博弈模型，针对选中用户，将其他用户按照通信范围是否在一跳范围内，分为邻居用户和非邻居用户，并定义效用函数；步骤3，随机选择一个用户，根据此时邻居用户和选中用户自身的联盟选择情况，利用效用函数计算选中用户接入各个联盟的效用值；选中用户选择所有可接入联盟中效用值最大即获取频谱资源开销最小的联盟进行接入，接入的规则是依概率进行探索学习；步骤4，循环步骤3，用户通过探索学习进行联盟选择，直至所有用户的联盟选择实现收敛，或者达到设定的迭代次数。3.根据权利要求2所述的基于情景知觉的重叠联盟博弈模型的空间自适应学习算法，其特征在于，步骤1将用户团购问题建模为博弈模型，该博弈模型定义为：该博弈模型中包含四个组成部分，其中，N＝{1,2，...n0}为参与博弈的次级用户集合，An为用户n的可选择联盟策略空间，Jn为用户n一跳范围内的邻居用户，un为用户n的效用函数。4.根据权利要求3所述的基于情景知觉的重叠联盟博弈模型的空间自适应学习算法，其特征在于，步骤3所述随机选择一个用户，根据此时邻居用户和选中用户自身的联盟选择情况，利用效用函数计算选中用户接入各个联盟的效用值，具体如下：定义任意时刻已经形成的联盟中，每个次级用户n拥有不同的频谱资源需求其中ln为次级用户n的内容长度；设定次级用户n的联盟选择为an，假设获取每块内容的频谱资源开销为α0，计算出存在重叠频谱资源内容的次级用户的重叠度：其中，表示与同属于一个联盟的其他用户的集合，并且：其中，表示为次级用户k的第o个内容块的内容；公式(2)表示不同用户频谱资源中的内容块是否相同；基于以上条件，能够得到次级用户n的效用...

【专利技术属性】
技术研发人员：陈瑾，阮朗，徐煜华，陈学强，杨旸，张玉立，孔利君，
申请(专利权)人：中国人民解放军陆军工程大学，
类型：发明
国别省市：江苏,32