CN111314929B - 一种基于契约的无人机边缘缓存策略和奖励优化方法 - Google Patents
一种基于契约的无人机边缘缓存策略和奖励优化方法 Download PDFInfo
- Publication number
- CN111314929B CN111314929B CN202010062308.4A CN202010062308A CN111314929B CN 111314929 B CN111314929 B CN 111314929B CN 202010062308 A CN202010062308 A CN 202010062308A CN 111314929 B CN111314929 B CN 111314929B
- Authority
- CN
- China
- Prior art keywords
- aerial vehicle
- unmanned aerial
- user equipment
- cache
- contract
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 230000008901 benefit Effects 0.000 claims abstract description 7
- 238000004519 manufacturing process Methods 0.000 claims 2
- 230000007246 mechanism Effects 0.000 abstract description 13
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
- H04W16/22—Traffic simulation tools or models
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B7/00—Radio transmission systems, i.e. using radiation field
- H04B7/14—Relay systems
- H04B7/15—Active relay systems
- H04B7/185—Space-based or airborne stations; Stations for satellite systems
- H04B7/18502—Airborne stations
- H04B7/18506—Communications with or from aircraft, i.e. aeronautical mobile service
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/0231—Traffic management, e.g. flow control or congestion control based on communication conditions
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W28/00—Network traffic management; Network resource management
- H04W28/02—Traffic management, e.g. flow control or congestion control
- H04W28/10—Flow control between communication endpoints
- H04W28/14—Flow control between communication endpoints using intermediate storage
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Astronomy & Astrophysics (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种基于契约的无人机边缘缓存策略和奖励优化方法,在该方法中,无人机和地面用户设备按照契约进行边缘缓存;能提供缓存资源的用户设备根据自己的信道、功率、速率和共享缓存资源代价等条件设计自己的类型和缓存策略;无人机根据每个用户设备可能的类型和缓存策略给其设计相应的契约;用户设备根据无人机提供的契约参与无人机边缘缓存,获得相应的奖励。本发明有效解决移动边缘网络中激励机制需要用户设备完全信息的问题,提供一种不需要用户设备完全信息的基于契约的无人机边缘缓存策略和奖励优化方法,有助于提升网络总体效益。
Description
技术领域
本发明属于无线通信领域中的移动边缘网络通信技术领域,尤其是一种无人机边缘缓存策略和奖励优化方法。
背景技术
随着无线应用传输数据和低延迟传输的需求快速增长,传统的蜂窝网络面临巨大的挑战。在传统的蜂窝网络中,用户的数据请求一般由集中式的服务器来服务。但是,由于往往用户距离服务器较远,导致两者之间的通信信道较差和传输延迟较大,用户体验质量较差。边缘缓存技术充分利用网络中分布式的边缘缓存设备来缓存流行内容,为其他用户提供共享缓存资源服务,减轻服务器的压力,并获得低延迟传输,有效提高用户的体验质量。
当请求用户与缓存设备之间的距离较大时,仍然不能满足用户的低延迟需求。由于无人机具有高机动性和按需部署等优点,把无人机部署到移动边缘网络,通过无人机与地面用户设备之间协作通信,可以有效提高通信质量。
用户设备都是自私且理性的,在没有激励的情况下,他们不愿意消耗自身能量共享自己的缓存资源。这就意味着无人机需要提供一些补偿来激励他们进行资源缓存。现有三种较常用的补偿激励机制:基于资源交换、货币交换和信誉交换。在资源交换机制中,无人机收到来自用户设备的帮助,同时提供自己的资源作为奖励。基于货币交换的补偿机制有两种形式:定价和竞拍。基于信誉交换的补偿机制则考虑用户的长期性能,是一种有记忆的补偿机制。然而这些激励机制都需要用户设备的完全信息,这在实际应用中很难实现。契约理论常被用来解决在非完全信息下的奖励机制设计问题。
发明内容
针对移动边缘网络中的缺陷,解决激励机制需要用户设备完全信息的问题,本发明提供一种不需要用户设备完全信息的基于契约的无人机边缘缓存策略和奖励优化方法。
本发明解决其技术问题所采用的技术方案是:
一种基于契约的无人机边缘缓存策略和奖励优化方法,无人机边缘缓存网络中包括一个无人机UAV、一个基站BS和N个随机分布的地面用户设备UEs,每个用户设备都有一定的缓存空间去缓存无人机可能感兴趣的内容;无人机从中选择部分或全部用户设备来收集缓存资源提升网络总体效益,所述基于契约的无人机边缘缓存策略和奖励优化方法包括以下步骤:
2)无人机根据每个用户设备可能的类型λi和缓存策略给其设计相应的契约,契约中包括用户设备UEi共享的缓存资源总量Ci和无人机UAV提供给UEi的奖励ai;
无人机和用户设备之间的缓存策略和契约设计问题建模为:
满足以下条件
其中,xi表示UEi的缓存状态,Q表示缓存文件的数量,ai表示无人机提供给UEi的奖励,yi和zi分别表示UEi实际共享的缓存资源总量和可用于共享的缓存资源总量,UUAV和分别表示用户设备UEi参与无人机边缘缓存后,无人机的效用和用户设备UEi选择针对自己类型λi设计的契约获得的效用分别表示为:
其中,N表示用户设备的数量,θi表示用户设备类型为λi的概率,Ci表示UEi共享的缓存资源总量,ω表示无人机单位奖励的代价,λi表示UEi的类型,ai表示无人机提供给UEi的奖励,V(ai)表示奖励ai的估值函数,ε表示UEi分享单位缓存资源的代价;
通过求解得到最优的契约(Ci,ai)是当每个用户设备在其最优缓存策略下选择对应自己类型的契约时,无人机和用户设备所取得的效用是最大的,此时对应的最优Ci和ai:
本发明的技术构思为:在移动边缘网络中,由于用户设备的自私性,用户设备往往不愿意参与无人机边缘缓存,需要设计激励机制鼓励用户设备积极参与,然而现有的激励机制都需要用户设备的完全信息,这在实际应用中很难实现。本专利方法中,用户设备与无人机通过契约的方式共享缓存资源,不需要用户设备的完全信息,只需要知道用户设备类型的概率分布即可,从而提供了一种不需要用户设备完全信息的基于契约的无人机边缘缓存策略和奖励优化方法。
本发明的有益效果主要表现在:解决移动边缘网络中激励机制需要用户设备完全信息的问题,有效激励了用户设备积极参与无人机缓存,提升了网络总体效益。
附图说明
图1是本发明方法的系统模型配置图
图2是本发明方法的用户设备效用、无人机效用和网络整体效用在不同缓存大小下随着用户设备类型λi的变化图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1和图2,一种基于契约的无人机边缘缓存策略和奖励优化方法,是基于现有的移动边缘网络实现的。该网络中包含一个无人机、一个基站和N个地面用户设备。每个用户设备都有一定的缓存空间去缓存无人机可能感兴趣的内容。无人机从中选择部分或全部用户设备来收集缓存资源提升网络总体效益。
本实施方式的方法中,无人机向地面用户设备请求缓存资源,能提供缓存资源的用户设备集合表示为这些用户设备根据自己的信道、功率、速率和共享缓存资源代价等条件设计自己的类型λi和缓存策略;无人机根据每个用户设备可能的类型λi给其设计相应的契约,契约中包括用户设备UEi共享的缓存资源总量Ci和无人机UAV提供给UEi的奖励ai。
本实施方式中无人机和用户设备UEi获得的效用可以通过如下方法获得:
每个用户设备的最优缓存策略:
无人机的效用和用户设备UEi选择针对自己类型λi设计的契约获得的效用分别表示为:
其中,θi表示用户设备类型为λi的概率,Ci表示UEi共享的缓存资源总量,ω表示无人机单位奖励的代价,λi表示UEi的类型,ai表示无人机提供给UEi的奖励,V(ai)表示奖励ai的估值函数,ε表示UEi分享单位缓存资源的代价。
无人机和用户设备之间的缓存策略和契约设计问题建模为:
满足以下条件
通过求解得到最优的契约(Ci,ai)是当每个用户设备在其最优缓存策略下选择对应自己类型的契约时,无人机和用户设备所取得的效用是最大的。此时对应的最优Ci和ai:
本实施例的基于契约的无人机边缘缓存策略和奖励优化方法,能够有效解决移动边缘网络中激励机制需要用户设备完全信息的问题并提升网络总体效益。
本实施例的无人机边缘缓存策略和奖励优化方法在保证用户设备个体理性的条件下,提升了无人机的通信质量。图2中显示了本发明中用户设备效用、无人机效用和网络整体效用在不同缓存大小下和用户设备类型λi的关系,图中的缓存大小表示网络中所有用户设备愿意共享的缓存资源总量与网络中所有缓存文件内容大小的比例。可以从图2中看出采用本发明的无人机边缘缓存策略和奖励优化方法后,在缓存大小相同情况下,用户设备效用、无人机效用和网络整体效用均随着用户设备类型λi的增大而单调递增。
Claims (1)
1.一种基于契约的无人机边缘缓存策略和奖励优化方法,其特征在于,无人机边缘缓存网络中包括一个无人机UAV、一个基站BS和N个随机分布的地面用户设备UEs,每个用户设备都有一定的缓存空间去缓存无人机可能感兴趣的内容;无人机从中选择部分或全部用户设备来收集缓存资源提升网络总体效益,所述基于契约的无人机边缘缓存策略和奖励优化方法包括以下步骤:
2)无人机根据每个用户设备可能的类型λi和缓存策略给其设计相应的契约,契约中包括用户设备UEi共享的缓存资源总量Ci和无人机UAV提供给UEi的奖励ai;
无人机和用户设备之间的缓存策略和契约设计问题建模为:
满足以下条件
其中,xi表示UEi的缓存状态,Q表示缓存文件的数量,ai表示无人机提供给UEi的奖励,yi和zi分别表示UEi实际共享的缓存资源总量和可用于共享的缓存资源总量,UUAV和分别表示用户设备UEi参与无人机边缘缓存后,无人机的效用和用户设备UEi选择针对自己类型λi设计的契约获得的效用分别表示为:
其中,N表示用户设备的数量,θi表示用户设备类型为λi的概率,Ci表示UEi共享的缓存资源总量,ω表示无人机单位奖励的代价,λi表示UEi的类型,ai表示无人机提供给UEi的奖励,V(ai)表示奖励ai的估值函数,ε表示UEi分享单位缓存资源的代价;
通过求解得到最优的契约(Ci,ai)是当每个用户设备在其最优缓存策略下选择对应自己类型的契约时,无人机和用户设备所取得的效用是最大的,此时对应的最优Ci和ai:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010062308.4A CN111314929B (zh) | 2020-01-20 | 2020-01-20 | 一种基于契约的无人机边缘缓存策略和奖励优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010062308.4A CN111314929B (zh) | 2020-01-20 | 2020-01-20 | 一种基于契约的无人机边缘缓存策略和奖励优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111314929A CN111314929A (zh) | 2020-06-19 |
CN111314929B true CN111314929B (zh) | 2023-06-09 |
Family
ID=71160368
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010062308.4A Active CN111314929B (zh) | 2020-01-20 | 2020-01-20 | 一种基于契约的无人机边缘缓存策略和奖励优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111314929B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116233869B (zh) * | 2023-05-10 | 2023-07-18 | 湖北工业大学 | 计算激励、任务分配及无人机位置联合优化方法及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110417847A (zh) * | 2019-01-09 | 2019-11-05 | 北京邮电大学 | 无人机通信网络用户接入和内容缓存的方法及装置 |
CN110488861A (zh) * | 2019-07-30 | 2019-11-22 | 北京邮电大学 | 基于深度强化学习的无人机轨迹优化方法、装置和无人机 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160092959A1 (en) * | 2014-09-26 | 2016-03-31 | Real Data Guru, Inc. | Tag Based Property Platform & Method |
US20170032587A1 (en) * | 2015-07-31 | 2017-02-02 | Elwha Llc | Systems and methods for collaborative vehicle tracking |
US10310918B2 (en) * | 2017-03-22 | 2019-06-04 | International Business Machines Corporation | Information sharing among mobile apparatus |
-
2020
- 2020-01-20 CN CN202010062308.4A patent/CN111314929B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110417847A (zh) * | 2019-01-09 | 2019-11-05 | 北京邮电大学 | 无人机通信网络用户接入和内容缓存的方法及装置 |
CN110488861A (zh) * | 2019-07-30 | 2019-11-22 | 北京邮电大学 | 基于深度强化学习的无人机轨迹优化方法、装置和无人机 |
Also Published As
Publication number | Publication date |
---|---|
CN111314929A (zh) | 2020-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Incentive-driven deep reinforcement learning for content caching and D2D offloading | |
Zhou et al. | DRAIM: A novel delay-constraint and reverse auction-based incentive mechanism for WiFi offloading | |
Zeng et al. | Incentive mechanism design for computation offloading in heterogeneous fog computing: A contract-based approach | |
Zhang et al. | D2D-enabled mobile user edge caching: A multi-winner auction approach | |
Zhao et al. | Contract design for relay incentive mechanism under dual asymmetric information in cooperative networks | |
Gao et al. | Network utility maximization based on an incentive mechanism for truthful reporting of local information | |
Deng et al. | Dynamic spectrum sharing for hybrid access in OFDMA-based cognitive femtocell networks | |
Tang et al. | MOMD: A multi-object multi-dimensional auction for crowdsourced mobile video streaming | |
Tang et al. | Multi-dimensional auction mechanisms for crowdsourced mobile video streaming | |
Zhao et al. | Incentive mechanism for cached-enabled small cell sharing: A stackelberg game approach | |
CN111314929B (zh) | 一种基于契约的无人机边缘缓存策略和奖励优化方法 | |
CN108566636B (zh) | 面向不同用户偏好的d2d随机缓存布设方法 | |
He et al. | Incentive mechanism and content provider selection for device-to-device-based content sharing | |
Wang et al. | Joint computation offloading and resource allocation in vehicular edge computing based on an economic theory: Walrasian equilibrium | |
Lu et al. | Edge caching strategy design and reward contract optimization for uAV-enabled mobile edge networks | |
Su et al. | Game-based distributed pricing and task offloading in multi-cloud and multi-edge environments | |
Tang et al. | A multi-dimensional auction mechanism for mobile crowdsourced video streaming | |
Zhang et al. | QoS-based incentive mechanism for mobile data offloading | |
Xiong et al. | Cooperative caching services on high-speed train by reverse auction | |
Noreen et al. | A review on game-theoretic incentive mechanisms for mobile data offloading in heterogeneous networks | |
Li et al. | A three-stage incentive formation for optimally pricing social data offloading | |
Azimi et al. | Cooperative primary–secondary dynamic spectrum leasing game via decentralized bargaining | |
Brahimi et al. | Cloud service selection in IoFT-enabled Multi-access Edge Computing: a Game Theoretic approach | |
Zhou et al. | Joint user grouping, sparse beamforming, and subcarrier allocation for D2D underlaid cache-enabled C-RANs with rate splitting | |
Li et al. | Deep reinforcement learning-based incentive mechanism design for short video sharing through D2D communication |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |