CN117641419A - 近域通信组网调整方法、装置、电子设备及存储介质 - Google Patents

Abstract

本公开提供了一种近域通信组网调整方法、装置、电子设备及计算机可读存储介质，涉及网络通信技术领域。该方法包括：将用户位置、需求数据、设备性能数据等用户需求数据输入至中继再决策模型，中继再决策模型输出用户所在区域范围内的通信组网策略，调整近域通信组网，基于监督训练方法、近端策略优化算法等训练中继再决策模型，提高能够中继再决策模型的准确度；本公开实施例基于中继再决策模型能够根据用户需求数据和中继设备的变化实时调整近域通信组网方式，灵活适应各种环境和用户需求，提高网络的稳定性。

Description

近域通信组网调整方法、装置、电子设备及存储介质

技术领域

本公开涉及网络通信技术领域，尤其涉及一种近域通信组网调整方法、装置、电子设备及计算机可读存储介质。

背景技术

多跳近域通信网络是面向蜂窝网络提出的一种新颖的分布式近域蜂窝组网技术，是为了解决室内高频覆盖问题，通过异网流量共享，闲置终端再利用的来达到与多天线、智能反射面互为补充的目的。

传统的多跳近域通信分布式蜂窝组网技术系统架构是基于单一规则、参数配置和地理信息等进行自动组网和连接的；但由于用户的网络使用需求在不断的改变，周边的智能终端设备也在动态的移动，不能根据用户需求和终端的变化实时的调整近域通信组网方式，会造成网络的不稳定性。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开提供一种近域通信组网调整方法、装置、电子设备及计算机可读存储介质，至少在一定程度上克服相关技术中不能根据用户需求和终端的变化实时的调整近域通信组网方式的问题。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的一个方面，提供一种近域通信组网调整方法，包括：获取用户的用户需求；将所述用户需求输入至中继再决策模型，所述中继再决策模型输出所述用户所在区域范围内的通信组网策略；根据所述通信组网策略调整近域通信组网。

在本公开的一个实施例中，还包括：基于监督训练方法、近端策略优化算法中至少一项训练所述中继再决策模型。

在本公开的一个实施例中，基于所述近端策略优化算法训练所述中继再决策模型包括：将所述用户需求及所述通信组网策略输入至奖励模型；所述奖励模型输出所述中继再决策模型对应的标量奖励值；根据所述标量奖励值优化所述中继再决策模型。

在本公开的一个实施例中，所述奖励模型的训练方法包括：将用户的历史需求输入至所述中继再决策模型得到训练组网策略；对多个所述历史需求及对应的所述训练组网策略进行排序生成奖励训练集；根据所述奖励训练集训练所述奖励模型。

在本公开的一个实施例中，基于所述监督训练方法训练所述中继再决策模型包括：获取用户的历史需求；获取近域通信组网内作为基站的中继设备的设备性能数据；根据所述历史需求及所述设备性能数据，确定与所述历史需求对应的训练组网策略；所述历史需求与所述训练组网策略组成监督训练集；基于所述监督训练集训练所述中继再决策模型。

在本公开的一个实施例中，所述用户需求包括：用户位置、需求数据、设备性能数据中至少一项。

在本公开的一个实施例中，所述设备性能数据包括控制器使用率、当前网速、电量数据、连接的设备数、空闲时间中至少一项。

根据本公开的另一个方面，还提供了一种近域通信组网调整装置，包括：

需求获取模块，获取用户的用户需求；

数据输出模块，将所述用户需求输入至中继再决策模型，所述中继再决策模型输出所述用户所在区域范围内的通信组网策略；

组网调整模块，根据所述通信组网策略调整近域通信组网。

根据本公开的另一个方面，还提供了一种电子设备，包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述近域通信组网调整方法。

根据本公开的另一个方面，还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的近域通信组网调整方法。

本公开的实施例所提供的近域通信组网调整方法、装置、电子设备及计算机可读存储介质，将用户位置、需求数据、设备性能数据等用户需求数据输入至中继再决策模型，中继再决策模型输出用户所在区域范围内的通信组网策略，调整近域通信组网，基于监督训练方法、近端策略优化算法等训练中继再决策模型，提高能够中继再决策模型的准确度，基于中继再决策模型能够根据用户需求数据和中继设备的变化实时调整近域通信组网方式，灵活适应各种环境和用户需求，提高网络的稳定性。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示出本公开实施例中一种近域通信组网调整方法流程图；

图2示出本公开实施例中一种基于监督训练方法训练中继再决策模型方法流程图；

图3示出本公开实施例中一种奖励模型的训练方法流程图；

图4示出本公开实施例中一种基于近端策略优化算法训练中继再决策模型方法流程图；

图5示出本公开实施例中又一种近域通信组网调整方法流程图；

图6示出本公开实施例中多跳近域通信网络通过模型再决策方法流程图；

图7示出本公开实施例中一种近域通信组网调整装置示意图；

图8示出了可以应用于本公开实施例的近域通信组网调整方法或近域通信组网调整装置的示例性系统架构的示意图；和

图9示出本公开实施例中一种电子设备的结构框图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

为了便于理解，下面首先对本公开涉及到的几个名词进行解释如下：

GPT(Generative Pre-training Transformer，生成前训练)是一种利用大规模语料库进行预训练的机器学习方法。

SFT(Supervised Fine-Tun-ing,监督微调)涉及到在预训练模型的基础上，利用有标签的数据进行微调，以适应特定的任务或领域。这个过程可以被视为在更广泛的知识基础上进行特定任务的训练，从而在新任务上获得更好的性能。

RM(Reward Modelling，奖励)通过目标函数为SFT模型输出进行打分并排名，通过奖励信号来调整模型，使模型生成的内容更符合人类的偏好。

PPO(Proximal Policy Optimization，近端策略优化算法)是一种强化学习算法，通过最大化预期奖励来调整模型的策略，使模型在选择行为时更倾向于选择可以得到更高奖励的行为。

下面结合附图及实施例对本示例实施方式进行详细说明。

首先，本公开实施例中提供了一种近域通信组网调整方法，该方法可以由任意具备计算处理能力的电子设备执行。

图1示出本公开实施例中一种近域通信组网调整方法流程图，如图1所示，本公开实施例中提供的近域通信组网调整方法包括如下步骤：

S102，获取用户的用户需求。

在一个实施例中，用户设备首次请求使用近域通信网络，用户设备可选择最近的设备作为中继设备；当该中继设备不能满足用户需求时，中继设备发起中继再决策过程；中继设备获取用户的用户需求，将用户需求上传至中继再决策模型。

在一个实施例中，用户需求包括但不限于：用户位置、需求数据、设备性能数据等中至少一项；需求数据可为网速、时延等网络需求，例如，需要使用6G网络、高清视频等；用户位置包括但不限于：用户当前的位置、用户需要使用网络的位置等。

在一个实施例中，设备性能数据包括但不限于：控制器使用率、当前网速、电量数据、连接的设备数、空闲时间等中至少一项。

S104，将用户需求输入至中继再决策模型，中继再决策模型输出用户所在区域范围内的通信组网策略。

在一个实施例中，基于监督训练方法、近端策略优化算法(Proximal PolicyOptimization，PPO)等算法中至少一项训练中继再决策模型。

在一个实施例中，中继再决策模型的初始模型为GPT(Generative Pre-trainingTransformer，生成前训练)模型；通过监督训练集对预训练模型进行微调，监督训练后的中继再决策模型为SFT(Supervised Fine-Tun-ing,监督微调)模型；通过目标函数为SFT模型输出进行打分并排名训练得到奖励模型，即RM(Reward Modelling，奖励)模型；基于近端策略优化算法训练中继再决策模型，即输入用户需求至中继再决策模型得到通信组网策略，通过RM模型计算需求和输出的标量奖励值，最后将标量奖励值反馈给该中继再决策模型，优化中继再决策模型。

在一个实施例中，将用户需求输入至中继再决策模型，中继再决策模型输出用户所在区域范围内的通信组网策略等。

在一个实施例中，通信组网策略为对用户所在区域范围内的中继设备进行参数化智能决策，形成的组网策略，该通信组网策略包括但不限于：目标中继设备、目标中继设备形成的链路、目标中继设备的设备性能数据、目标中继设备的位置、标量奖励值等；通信组网策略也可包括多个中继设备的跳转方式，选择最优的多跳近域通信网络互连策略，减少和缩短多跳近域通信组网链路，降低网络延迟，提高网络的安全性。

例如，目标中继设备A满足玩游戏低延迟需求；在目标中继设备B一米能满足看视频需求等。

在一个实施例中，中继设备可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、增强现实设备、虚拟现实设备等。

S106，根据通信组网策略调整近域通信组网。

在一个实施例中，根据一个或多个通信组网策略调整近域通信组网；可根据标量奖励值确定通信组网策略的优先级，标量奖励值越大，通信组网策略的优先级越高，根据多个通信组网策略的优先级调整近域通信组网。

上述实施例中，主动对用户需求能够实时的跟踪和分析，并对周边中继设备进行性能分析和管控，能够根据用户需求和中继设备的变化实时的调整近域蜂窝组网方式，可对于用户丰富用户需求及时的响应和更改，以灵活适应各种环境和用户需求，降低多跳近域通信系统中对于大量中继设备的管理难度，减少对中继设备的具体配置等信息的依赖性，提升中继设备的安全性及用户上网体验。

图2示出本公开实施例中一种基于监督训练方法训练中继再决策模型方法流程图，如图2所示，本公开实施例中提供的基于监督训练方法训练中继再决策模型方法包括如下步骤：

S202，获取用户的历史需求。

在一个实施例中，历史需求为根据客户之前的需求或者从其他系统中获取用户反馈等提示词，并制作的提示词列表；例如，历史需求P_1为“我要玩游戏”；历史需求P_2为“当前网速很慢，我想看视频”；提示词列表为{P_1,P_2,…}。

S204，获取近域通信组网内作为基站的中继设备的设备性能数据。

设备性能数据包括但不限于：CPU使用率、当前网速、手机电量、连接的设备数、手机空闲时间、其他等制作多跳近域通信蜂窝组网方案等。

S206，根据历史需求及设备性能数据，确定与历史需求对应的训练组网策略。

S208，历史需求与训练组网策略组成监督训练集。

训练组网策略为专家的行为数据(例如，专家在特定情况下采取的动作)；监督训练集为训练中继再决策模型的数据；基于监督训练集训练中继再决策模型的目标是尽可能地复制专家的行为，即直接使用专家的行为数据(例如，专家在特定情况下采取的动作)来训练模型。

在一个实施例中，可根据历史需求及设备性能数据，人工对历史需求选择相应的预期的训练组网策略；例如，历史需求P_1为“我要玩游戏”；该历史需求P_1的预期输出Y_1为：“CPU空闲率为XX，手机电量为XX的训练组网策略满足玩游戏低延迟需求”；历史需求P_2为“当前网速很慢，我想看视频”；该历史需求P_2的预期输出Y_2为：“离当前训练组网策略XX米能满足看视频需求”；并生成监督训练集{Y_1,Y_2…}。

S210，基于监督训练集训练中继再决策模型。

在一个实施例中，中继再决策模型的初始化模型，即近域通信组网的预训练模型为GPT(Generative Pre-training Transformer，生成前训练)模型；通过监督训练集对预训练模型进行微调，得到中继再决策模型，该中继再决策模型为SFT(Supervised Fine-Tun-ing,监督微调)模型。

上述实施例中，基于监督训练方法训练中继再决策模型的初始化模型，使得该中继再决策模型为监督微调模型，能够提升中继再决策模型输出通信组网策略的准确度，自动感知分析周边中继设备性能和用户流量需求，达到与用户友好交互的同时实现多跳近域通信组网，可以改变以往静态的基于单一配置规则的组网方式，减少和缩短多跳近域通信组网链路，提升网络速度，让多跳近域通信组网更加智能和方便。

图3示出本公开实施例中一种奖励模型的训练方法流程图，如图3所示，本公开实施例中提供的奖励模型的训练方法包括如下步骤：

S302，将用户的历史需求输入至中继再决策模型得到训练组网策略。

历史需求为根据客户之前的需求或者从其他系统中获取用户反馈等提示词；训练组网策略为历史需求对应的组网策略样本。

S304，对多个历史需求及对应的训练组网策略进行排序生成奖励训练集。

S306，根据奖励训练集训练奖励模型。

例如，训练组网策略的排序为Y_3>Y_1>Y_2，根据该数据对奖励模型进行训练。

奖励模型为RM(Reward Modelling，奖励)模型，是通过目标函数为监督训练后的中继再决策模型输出进行打分并排名；根据奖励训练集训练奖励模型的目标是训练一个奖励模型来适应人类的偏好，并将这些偏好编码到中继再决策模型中，这样，奖励模型可以用来为中继再决策模型生成的新通信组网策略打分，从而在后续的训练中引导中继再决策模型生成更符合人类偏好的内容。这种方式不仅能帮助模型处理训练数据中未覆盖的情况，也能减少中继再决策模型生成不确定或模棱两可的回答，从而打破行为克隆的影响。

上述实施例中，训练一个奖励模型来适应人类的偏好，并将这些偏好编码到中继再决策模型中，能够及时判断周边环境对于用户上网需求的影响，让中继设备的移动对于用户上网的影响降到最低，能减少中继再决策模型生成不确定或模棱两可的回答，实现网络的无缝切换和组织，增加多跳近域通信蜂窝组网的智能化和灵活性。

图4示出本公开实施例中一种基于近端策略优化算法训练中继再决策模型方法流程图，如图4所示，本公开实施例中提供的基于近端策略优化算法训练中继再决策模型方法包括如下步骤：

S402，将用户需求及通信组网策略输入至奖励模型。

在一个实施例中，可将用户需求及对应的通信组网策略输入至奖励模型，也可将历史需求及对应的训练组网策略等输入至奖励模型，奖励模型输出中继再决策模型对应的标量奖励值。

奖励模型，即RM是对用户需求对应的通信组网策略进行分析打分的模型。

S404，奖励模型输出中继再决策模型对应的标量奖励值。

标量奖励值为一种奖励信号，通过该奖励信号来调整模型，使模型生成的内容更符合人类的偏好。

S406，根据标量奖励值优化中继再决策模型。

近端策略优化算法是一种强化学习算法，通过最大化预期奖励来调整模型的策略，使模型在选择行为时更倾向于选择可以得到更高奖励的行为；即，使用训练后的监督微调模型和奖励模型来生成一个初始的通信组网策略；使用近端策略优化算法来调整这个通信组网策略，使模型在生成内容时更考虑人类的偏好；通过这个阶段的训练，模型不仅可以理解人类的语言，还可以理解人类的偏好，并生成更符合人类偏好的内容。

上述实施例中，通过最大化预期奖励来调整中继再决策模型，模型不仅可以理解人类的语言，还可以理解人类的偏好，并生成更合适的通信组网策略，从而提升中继设备的安全性及用户上网体验。

图5示出本公开实施例中又一种近域通信组网调整方法流程图，如图5所示，本公开实施例中提供的近域通信组网调整方法包括如下步骤：

S502，监督训练过程。

提示词搜集过程，搜集用户需求和系统中用户工单作为提示词数据集；根据客户之前的需求或者从其他系统中获取用户反馈，制作一个提示(prompt)词列表，“我想用6G上网”，“当前网速很慢”，“我要看高清视频”，“我要玩游戏”等，记为{P_1,P_2,P_3…}。

获取蜂窝网络多跳近域通信中某一区域内的作为基站的智能手机的设备性能数据，例如：CPU使用率、当前网速、手机电量、连接的设备数、手机空闲时间、其他等制作多跳近域通信蜂窝组网方案等作为训练集选择参数，制作组网策略集。

打标签者根据提示词选择相应的预期的策略输出，包括“离当前设备最近的空闲手机基站是XX”，“离当前设备XX米能满足看视频需求”，“CPU空闲率为XX，手机电量为XX的设备满足玩游戏低延迟需求”等，记为{Y_1,Y_2,Y_3…}。

提示词和预期的策略输出组成有监督训练集，训练中继再决策模型；即，在用此训练集对近域蜂窝网络的预训练模型GPT(Generative Pre-training Transformer)进行微调，得到有监督微调模型(Supervised Fine-Tun-ing，SFT)。

S504，奖励模型(RM)训练过程。

通过目标函数为SFT模型输出进行打分并排名；RM模型的输入为之前制定的提示词及对应的策略响应，输出为标量奖励值(reward)。

对之前选定的提示词列表和SFT模型生成的对应的输出进行辨别分析制作奖励训练集；即，对于输出的多跳近域通信解决方案和连接点进行效果好坏的排名组合，例如：Y_3>Y_4>Y_1>Y_2。

这些奖励训练集作为RM模型的训练输入，最终训练得到一个奖励模型RM。

S506，中继再决策模型优化过程。

随机输入新的用户需求会得到新的通信组网策略输出。

通过RM模型计算需求和输出的标量奖励值。

将标量奖励值反馈给中继再决策模型，从而改进和优化中继再决策模型。

需要说明的是，中继再决策模型为PPO模型；PPO模型由SFT模型初始化，价值函数由RM模型初始化。

图6示出本公开实施例中多跳近域通信网络通过模型再决策方法流程图，如图6所示，本公开实施例中提供的多跳近域通信网络通过模型再决策方法包括如下步骤：

用户设备首次请求使用多跳近域通信网络，用户设备往往会连接最近的中继设备A601作为中继设备，但是根据用户上网需求，此中继设备A601的当前状态不能满足用户需求时，例如，中继设备A601性能及电量等不能满足用户需求，这时候需要中继设备A601发起中继再决策过程，中继设备A601将用户需求上传到中继再决策模型604，通过中继再决策模型604进行策略计算；

中继再决策模型604针对用户需求和位置，对用户所在区域范围内的多个中继设备进行参数化智能决策，对上网中继择优选择；例如，获取中继设备B602是否占用，中继设备C603网速状态等数据，中继再决策模型604根据以上数据及用户需求和位置等，确定通信组网策略，进而调整近域通信组网。

上述实施例中，能够实时感知和分析用户需求及周边中继设备的性能和位置变化等，增加多跳近域蜂窝组网的智能化和灵活性，能够很好的提升用户上网体验，可以实现对不同业务请求流量更加精细化和智能化的分类及管理，使云跟网融合的更加紧密。

基于同一发明构思，本公开实施例中还提供了一种近域通信组网调整装置，如下面的实施例。由于该装置实施例解决问题的原理与上述方法实施例相似，因此该装置实施例的实施可以参见上述方法实施例的实施，重复之处不再赘述。

图7示出本公开实施例中一种近域通信组网调整装置示意图，如图7所示，该近域通信组网调整装置7包括：需求获取模块701、数据输出模块702、组网调整模块703；

需求获取模块701，获取用户的用户需求；

数据输出模块702，将用户需求输入至中继再决策模型，中继再决策模型输出用户所在区域范围内的通信组网策略；

组网调整模块703，根据通信组网策略调整近域通信组网。

在一个实施例中，组网调整模块703还用于根据一个或多个通信组网策略调整近域通信组网；可根据标量奖励值确定通信组网策略的优先级，标量奖励值越大，通信组网策略的优先级越高，根据多个通信组网策略的优先级调整近域通信组网。

在一个实施例中，近域通信组网调整装置7还包括数据转发模块，用户设备首次请求使用近域通信网络，用户设备可选择最近的设备作为中继设备；当该中继设备不能满足用户需求时，中继设备发起中继再决策过程；中继设备获取用户的用户需求，将用户需求上传至中继再决策模型。

在一个实施例中，近域通信组网调整装置7还包括监督训练模块，获取用户的历史需求；获取近域通信组网内作为基站的中继设备的设备性能数据；根据历史需求及设备性能数据，确定与历史需求对应的训练组网策略；历史需求与训练组网策略组成监督训练集；基于监督训练集训练中继再决策模型。

在一个实施例中，近域通信组网调整装置7还包括奖励模型生成模块，用于将用户的历史需求输入至中继再决策模型得到训练组网策略；对多个历史需求及对应的训练组网策略进行排序生成奖励训练集；根据奖励训练集训练奖励模型。

在一个实施例中，近域通信组网调整装置7还包括强化学习模块，用于将用户需求及通信组网策略输入至奖励模型；奖励模型输出中继再决策模型对应的标量奖励值；根据标量奖励值优化中继再决策模型。

上述实施例中，用户的流量使用需求是不断变化的，从网页浏览到视频播放或者直播、会议等，这些对于流量和终端性能要求是不一样的，通过中继再决策模型可以实现对不同业务请求流量更加精细化和智能化的分类及管理，使云跟网融合的更加紧密。

图8示出了可以应用于本公开实施例的近域通信组网调整方法或近域通信组网调整装置的示例性系统架构的示意图。

用户设备801首次请求使用多跳近域通信网络，用户设备801往往会连接最近的中继设备A802作为中继设备，但是根据用户上网需求，此中继设备A802的当前状态不能满足用户需求时，中继设备A802发起中继再决策过程，中继设备A802将用户需求上传到中继再决策模型806；需要说明的是，用户需求可以以提示词的形式进行传输，例如，提示词prompt为我想要看高清视频。

中继再决策模型806接收该提示词，中继再决策模型806前置增加语义理解模块，针对用户需求和位置，对用户所在区域范围内的多个中继设备(中继设备B803、中继设备C804、中继设备D805)进行参数化智能决策，输出通信组网策略policy；通信组网策略policy包括一个或多个目标中继，例如，中继设备B803、中继设备C804；基于SDN(SoftwareDefined Network，软件定义网络)应用服务及通信组网策略确定及连接中继设备B803、中继设备C804。

中继设备可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机、可穿戴设备、增强现实设备、虚拟现实设备等。

可选地，不同的中继设备中安装的应用程序的客户端是相同的，或基于不同操作系统的同一类型应用程序的客户端。基于终端平台的不同，该应用程序的客户端的具体形态也可以不同，比如，该应用程序客户端可以是手机客户端、PC客户端等。

中继设备以及服务器可以通过有线或无线通信方式进行直接或间接地连接，本申请在此不做限制。服务器可以是提供各种服务的服务器，例如对用户利用中继设备所进行操作的装置提供支持的后台管理服务器。后台管理服务器可以对接收到的请求等数据进行分析等处理，并将处理结果反馈给中继设备；例如，接收用户位置、需求数据、设备性能数据等用户需求数据，通过中继再决策模型806确定用户所在区域范围内的通信组网策略，调整近域通信组网等；可以改变以往静态的基于单一配置规则的组网方式，减少和缩短多跳近域通信组网链路，提升网络速度，让多跳近域通信组网更加智能和方便。

可选地，服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN(Content Delivery Network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。中继设备可以是智能手机、平板电脑、笔记本电脑、台式计算机、智能音箱、智能手表等，但并不局限于此。

本领域技术人员可以知晓，图8中的中继设备、网络和服务器的数量仅仅是示意性的，根据实际需要，可以具有任意数目的中继设备、网络和服务器。本公开实施例对此不作限定。

所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图9来描述根据本公开的这种实施方式的电子设备900。图9显示的电子设备900仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图9所示，电子设备900以通用计算设备的形式表现。电子设备900的组件可以包括但不限于：上述至少一个处理单元910、上述至少一个存储单元920、连接不同系统组件(包括存储单元920和处理单元910)的总线930。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元910执行，使得所述处理单元910执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

例如，所述处理单元910可以执行上述方法实施例的如下步骤：将用户位置、需求数据、设备性能数据等用户需求数据输入至中继再决策模型，中继再决策模型输出用户所在区域范围内的通信组网策略，调整近域通信组网，基于监督训练方法、近端策略优化算法等训练中继再决策模型。

例如，所述处理单元910可以执行上述方法实施例的如下步骤：用于将用户的历史需求输入至中继再决策模型得到训练组网策略；对多个历史需求及对应的训练组网策略进行排序生成奖励训练集；根据奖励训练集训练奖励模型；将用户需求及通信组网策略输入至奖励模型；奖励模型输出中继再决策模型对应的标量奖励值；根据标量奖励值优化中继再决策模型。

存储单元920可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)9201和/或高速缓存存储单元9202，还可以进一步包括只读存储单元(ROM)9203。

存储单元920还可以包括具有一组(至少一个)程序模块9205的程序/实用工具9204，这样的程序模块9205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线930可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备900也可以与一个或多个外部设备940(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备900交互的设备通信，和/或与使得该电子设备900能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口950进行。并且，电子设备900还可以通过网络适配器960与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器960通过总线930与电子设备900的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备900使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

通过以上的实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、终端装置、或者网络设备等)执行根据本公开实施方式的方法。

在本公开的示例性实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质可以是可读信号介质或者可读存储介质。其上存储有能够实现本公开上述方法的程序产品。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的步骤。

例如，本公开实施例中的程序产品被处理器执行时实现如下步骤的方法：将用户位置、需求数据、设备性能数据等用户需求数据输入至中继再决策模型，中继再决策模型输出用户所在区域范围内的通信组网策略，调整近域通信组网。

例如，本公开实施例中的程序产品被处理器执行时实现如下步骤的方法：获取用户的历史需求；获取近域通信组网内作为基站的中继设备的设备性能数据；根据历史需求及设备性能数据，确定与历史需求对应的训练组网策略；历史需求与训练组网策略组成监督训练集；基于监督训练集训练中继再决策模型。

例如，本公开实施例中的程序产品被处理器执行时实现如下步骤的方法：将用户的历史需求输入至中继再决策模型得到训练组网策略；对多个历史需求及对应的训练组网策略进行排序生成奖励训练集；根据奖励训练集训练奖励模型；将用户需求及通信组网策略输入至奖励模型；奖励模型输出中继再决策模型对应的标量奖励值；根据标量奖励值优化中继再决策模型。

本公开中的计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本公开中，计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可选地，计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

在具体实施时，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

此外，尽管在附图中以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

通过以上实施方式的描述，本领域的技术人员易于理解，这里描述的示例实施方式可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本公开实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台计算设备(可以是个人计算机、服务器、移动终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (10)

1.一种近域通信组网调整方法，其特征在于，包括：

获取用户的用户需求；

将所述用户需求输入至中继再决策模型，所述中继再决策模型输出所述用户所在区域范围内的通信组网策略；

根据所述通信组网策略调整近域通信组网。

2.根据权利要求1所述的近域通信组网调整方法，其特征在于，还包括：基于监督训练方法、近端策略优化算法中至少一项训练所述中继再决策模型。

3.根据权利要求2所述的近域通信组网调整方法，其特征在于，基于所述近端策略优化算法训练所述中继再决策模型包括：

将所述用户需求及所述通信组网策略输入至奖励模型；

所述奖励模型输出所述中继再决策模型对应的标量奖励值；

根据所述标量奖励值优化所述中继再决策模型。

4.根据权利要求3所述的近域通信组网调整方法，其特征在于，所述奖励模型的训练方法包括：

将用户的历史需求输入至所述中继再决策模型得到训练组网策略；

对多个所述历史需求及对应的所述训练组网策略进行排序生成奖励训练集；

根据所述奖励训练集训练所述奖励模型。

5.根据权利要求2所述的近域通信组网调整方法，其特征在于，基于所述监督训练方法训练所述中继再决策模型包括：

获取用户的历史需求；

获取近域通信组网内作为基站的中继设备的设备性能数据；

根据所述历史需求及所述设备性能数据，确定与所述历史需求对应的训练组网策略；

所述历史需求与所述训练组网策略组成监督训练集；

基于所述监督训练集训练所述中继再决策模型。

6.根据权利要求1所述的近域通信组网调整方法，其特征在于，所述用户需求包括：用户位置、需求数据、设备性能数据中至少一项。

7.根据权利要求6所述的近域通信组网调整方法，其特征在于，所述设备性能数据包括控制器使用率、当前网速、电量数据、连接的设备数、空闲时间中至少一项。

8.一种近域通信组网调整装置，其特征在于，包括：

需求获取模块，获取用户的用户需求；

数据输出模块，将所述用户需求输入至中继再决策模型，所述中继再决策模型输出所述用户所在区域范围内的通信组网策略；

组网调整模块，根据所述通信组网策略调整近域通信组网。

9.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1～7中任意一项所述近域通信组网调整方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1～7中任意一项所述的近域通信组网调整方法。