[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

说明书

技术领域

本发明属于无线通信技术领域，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(Spatial Adaptive Play，SAP)算法。

背景技术

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Peng Lin,Xiaojun Feng,Qian Zhang and Mounir Hamdi,“Groupon inthe Air:A Three-stage Auction Framework for SpectrumGroup-buying,”2013Proceedings IEEE INFOCOM)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Dejun Yang,Guoliang Xue and Xiang Zhang,“Group BuyingSpectrum Auctions in Cognitive Radio Networks,”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Walid Saad,Zhu Han,M′erouane Debbah,Areand TamerBas，ar,“Coalitional Game Theory for Communication Networks”,inIEEE Signal Processing Mag.,Special Issue on Game Theory,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Tianyu Wang,Lingyang Song,Zhu Han,and Walid Saad,“OverlappingCoalition Formation Games for Emerging Communication Networks,”in IEEE Network,vol.30,Sept.2016,pp.46-53，以及参考文献Yuli Zhang,Yuhua Xu and Qihui Wu,“Group Buying Based on SocialAware in D2D Networks:A Game Theoretic Approach,”6th IEEE/CICInternational Conference on Communications in China(ICCC 2017),Qingdao,China Oct.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。

发明内容

本发明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(Spatial Adaptive Play，SAP)算法。

实现本发明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。