[发明专利]一种情景知觉下的重叠联盟博弈模型及空间自适应算法

权利要求书

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，A_n为用户n的可选择联盟策略空间，J_n为用户n一跳范围内的邻居用户，u_n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l_n为次级用户n的内容长度；设定次级用户n的联盟选择为a_n，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：

Si(an,ak)=Σk∈JniΣo=1lkf(ani,ako)---(1)]]>

其中，表示与同属于一个联盟的其他用户的集合，并且：

f(ani,ako)=1,ani=ako0,ani≠ako---(2)]]>

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u_n为：

un(an,ak)=Σi=1ln-α0Si(an,ak)+1---(3)]]>

从而得到网络全局的效用函数：

U=Σn∈NΣi=1ln-α0Si(an,ak)+1---(4)]]>

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):max U(5)

利用局部互利博弈模型，优化式(4)、(5)，将局部效用函数和目标函数表示如下：

U1n(an,ak)=un(an,ak)+Σk∈Jnuk(ak,aJk)---(6)]]>