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 PDF

Info

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
Application number
CN202010062308.4A
Other languages
English (en)
Other versions
CN111314929A (zh
Inventor
卢为党
尹斌
方卢顺
黄国兴
彭宏
张昱
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University of Technology ZJUT
Original Assignee
Zhejiang University of Technology ZJUT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University of Technology ZJUT filed Critical Zhejiang University of Technology ZJUT
Priority to CN202010062308.4A priority Critical patent/CN111314929B/zh
Publication of CN111314929A publication Critical patent/CN111314929A/zh
Application granted granted Critical
Publication of CN111314929B publication Critical patent/CN111314929B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

一种基于契约的无人机边缘缓存策略和奖励优化方法
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：
1)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被选为候选用户设备，
Figure BDA0002374883340000021
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；
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：
Figure BDA0002374883340000022
满足以下条件
Figure BDA0002374883340000023
其中，
Figure BDA0002374883340000024
xi表示UEi的缓存状态，Q表示缓存文件的数量，
Figure BDA0002374883340000031
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
Figure BDA0002374883340000032
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：
Figure BDA0002374883340000033
Figure BDA0002374883340000034
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：
Figure BDA0002374883340000035
Figure BDA0002374883340000036
其中，sq表示文件q的大小，
Figure BDA0002374883340000037
表示UEi在缓存策略X下第t时隙缓存文件q的比例，
Figure BDA0002374883340000038
表示无人机在第t时隙请求文件q的概率，δ表示估值函数V(ai)中的一个给定参数，用户设备的最优缓存策略为：
Figure BDA0002374883340000039
其中，
Figure BDA00023748833400000310
表示UEi缓存文件q的比例，
Figure BDA00023748833400000311
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
Figure BDA0002374883340000041
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：
Figure BDA0002374883340000051
其中，
Figure BDA0002374883340000052
表示UEi缓存文件q的比例，zi表示UEi可用于共享的缓存资源总量，
Figure BDA0002374883340000053
表示无人机在第t时隙请求文件q的概率，sq表示文件q的大小，
Figure BDA0002374883340000054
Q表示缓存文件的数量。
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：
Figure BDA0002374883340000055
Figure BDA0002374883340000056
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：
Figure BDA0002374883340000057
满足以下条件
Figure BDA0002374883340000058
其中，
Figure BDA0002374883340000059
表示UEi的缓存状态，yi表示UEi实际共享的缓存资源总量。
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：
Figure BDA0002374883340000061
Figure BDA0002374883340000062
其中，
Figure BDA0002374883340000063
表示UEi在缓存策略X下第t时隙缓存文件q的比例，δ表示估值函数V(ai)中的一个给定参数。
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：
1)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被选为候选用户设备，
Figure FDA0004090680700000011
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；
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：
Figure FDA0004090680700000012
满足以下条件
Figure FDA0004090680700000013
其中，
Figure FDA0004090680700000014
xi表示UEi的缓存状态，Q表示缓存文件的数量，
Figure FDA0004090680700000015
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
Figure FDA0004090680700000016
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：
Figure FDA0004090680700000021
Figure FDA0004090680700000022
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：
最优
Figure FDA0004090680700000023
最优
Figure FDA0004090680700000024
其中，sq表示文件q的大小，
Figure FDA0004090680700000025
表示UEi在缓存策略X下第t时隙缓存文件q的比例，Pt q表示无人机在第t时隙请求文件q的概率，δ是估值函数V(ai)中的一个给定参数，最优缓存策略为：
Figure FDA0004090680700000026
其中，
Figure FDA0004090680700000027
表示UEi缓存文件q的比例，
Figure FDA0004090680700000028
CN202010062308.4A 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 Active CN111314929B (zh)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
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