一种基于无线能量采集的无人机辅助缓存与充电联合优化方法
本技术属于通信，特别涉及一种基于无线能量采集的无人机辅助缓存与充电联合优化方法。
背景技术：
：：1、随着互联网的普及和物联网设备的广泛应用，数据流量不断飞速增加，使得传统的网络架构逐渐面临无法满足需求的困境。边缘缓存作为一种分布式的存储架构，能够将数据存储在离终端用户更近的位置，减少数据传输的时延和网络拥塞近年来，无人机（unmanned aerial vehicle, uav）因其机动性和高效性而备受关注，配备先进收发器和电池的无人机在无线通信系统中得到了广泛的应用。与传统通信系统不同，无人机与用户之间通过视距（line-of-sight, los）无线链路连接，可以显著提高传输速率。因此，在网络基础设施薄弱或者网络拥塞严重的区域，无人机能够作为边缘缓存的支持平台，为网络用户提供及时、高效的数据存储和传输服务。2、由于无人机的灵活性，无人机辅助的边缘缓存系统已经受到人们的重视。在无人机辅助无线通信网络场景下，针对无人机作为边缘缓存设备为用户提供通信服务以及相应的无线资源分配问题，目前已得到较多研究。考虑移动终端应用场景的频繁以及芯片能耗的增加，移动用户终端的有限电量难以满足日益提高的服务质量要求。针对移动边缘缓存场景，将无线电能传输（wireless power transfer，wpt）技术应用到网络中，为移动用户终端提供能量传输服务。无人机有着移动效率高，无视地形障碍等优势，因此可以作为移动充电设备，为网络中的终端进行充电，满足其续航需求。技术实现思路1、本发明的目的在于克服现有技术中的不足，提供一种基于无线能量采集的无人机辅助缓存与充电联合优化方法，基于无人机效益函数构建无人机效用优化问题，并将该优化问题分解为无人机缓存策略优化问题和无人机位置部署、无人机传输功率和用户分组联合优化问题；利用无人机缓存策略优化子问题对无人机的缓存策略进行优化，获得无人机最优缓存策略；基于无人机最优缓存策略，对无人机位置部署、无人机传输功率和用户分组联合优化问题求解，获得无人机的最优位置、无人机的最优传输功率以及用户的最优分组。2、为实现上述目的，本发明是采用下述技术方案实现的：3、第一方面，本发明提供一种基于无线能量采集的无人机辅助缓存与充电联合优化方法，包括：4、构建无人机效用优化问题，并将该优化问题分解为无人机缓存策略优化问题和无人机位置部署、无人机传输功率和用户分组联合优化问题；5、利用无人机缓存策略优化子问题优化无人机的缓存策略，获得无人机最优缓存策略；6、基于无人机最优缓存策略，利用无人机位置部署、无人机传输功率和用户分组联合优化问题确定无人机的最优位置、无人机的最优传输功率以及用户的最优分组，进而确定无人机的最佳效用。7、进一步地，所述构建无人机效用优化问题，包括：8、构建无人机效益函数，表示为：9、10、式中，，为个文件的集合，为无人机对文件库内容的缓存放置向量集合，为信道数，为信道上的用户数，，，为无人机的缓存放置变量，为用户的文件请求变量，表示用户请求文件，表示用户从无人机处获得单个文件的费用，表示用户获得充电服务的时长，表示用户向无人机支付的单位时间的充电费用，为内容提供商的收益，表示无人机服务能耗，为无人机单位能耗的费用；11、基于无人机效益函数，构建无人机效用优化问题，表示为：12、13、式中， 表示无人机的位置坐标，表示noma用户对的分组情况，表示无人机给信道上的用户分配的功率；约束c1表示需要优化的缓存决策变量为0-1变量，约束c2表示缓存的文件大小之和不超过最大缓存容量，代表文件库中的每个文件大小，且每个文件大小相同，约束c3表示给所有信道上的用户分配的功率之和为无人机最大发射功率。14、进一步地，所述获得无人机最优缓存策略，包括：15、将内容供应商文件租金定价优化问题表示为：16、<mstyledisplaystyle="true"mathcolor="#000000"><mtablecolumnalign="left"><mtr><mtd><mi>p2:</mi><mi>max</mi><mi></mi><msub><mi>u</mi><msub><mi>cp</mi><mi>κ</mi></msub></msub><mi>=</mi><mstyledisplaystyle="true"><munder><mo>∑</mo><mrow><mi>f</mi><mi>∈</mi><mi>ℱ</mi></mrow></munder><mrow><msub><mi>c</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow></msub><msub><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow></msub></mrow></mstyle></mtd></mtr><mtr><mtd><mi>s.t.</mi><msub><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow></msub><mi>∈</mi><mi>[</mi><msubsup><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow><mn>0</mn></msubsup><mi>,</mi><msubsup><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow><mi>initial</mi></msubsup><mi>]</mi></mtd></mtr></mtable></mstyle>17、式中，优化目标是使内容提供商收益最大化，为无人机的缓存决策变量，表示运营商的文件定价，且<mstyledisplaystyle="true"mathcolor="#000000"><msub><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow></msub><mi>∈</mi><mi>[</mi><msubsup><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow><mn>0</mn></msubsup><mi>,</mi><msubsup><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow><mi>initial</mi></msubsup><mi>]</mi></mstyle>，代表内容提供商文件的初始定价，表示运营商对文件的最低定价；18、无人机缓存决策优化问题表示如下：19、20、其中，优化目标是使无人机收益最大化，约束c1表示缓存的文件大小之和不超过最大缓存容量，约束c2表示需要优化的缓存决策变量为0-1变量；21、基于内容供应商文件租金定价优化问题和无人机缓存决策优化问题，采用stackelberg博弈方法获取无人机最优缓存策略。22、进一步地，所述采用stackelberg博弈方法获取无人机最优缓存策略，包括：23、stackelberg博弈均衡点满足以下条件：24、25、26、式中，为内容提供商的最优文件定价决策，为无人机对应的最优文件缓存决策，，，为无人机对文件库内容的缓存放置向量集合，其中，表示无人机从运营商处缓存了文件，则表示没有缓存；27、用户请求采用zipf分布进行预测，信道上的用户对于文件的请求概率为，将无人机缓存单个文件的收益表示为：；28、采用stackelberg博弈方法获取最优内容提供商定价和无人机最优缓存策略，包括：29、内容提供商文件的初始定价为；30、初始化内容提供商文件定价，无人机的最优缓存决策；31、重复执行以下步骤，直至两家内容提供商的收益相同，得到当前最优内容提供商定价和最优无人机缓存策略，步骤包括：32、将当前定价代入贪心算法，得到当前缓存决策；所述贪心算法包括：无人机判断缓存该文件获得的收益以及当前剩余缓存容量是否大于零，如果大于零则从两家内容提供商中对该文件定价较低的提供商进行购买并缓存；33、根据当前的缓存策略和文件定价，代入公式，计算得到当前内容提供商收益；34、对于无人机未缓存内容提供商的文件，如果当前文件价格大于文件最低定价时进行降价，否则采用最低定价。35、进一步地，所述基于无人机最优缓存策略，对无人机位置部署、无人机传输功率和用户分组联合优化问题求解，获得无人机的最优位置、无人机的最优传输功率以及用户的最优分组，包括：36、无人机位置部署、无人机传输功率和用户分组联合优化问题表示为：37、38、将问题p4分解为无人机传输功率优化子问题、用户分组优化子问题和无人机位置部署优化子问题；39、无人机传输功率优化子问题表示为：40、41、式中，，表示无人机的缓存收益；无人机为用户的充电总时长表示为，且；代表无人机分配给每个用户发射功率；42、用户分组优化子问题表示为：43、44、式中，，表示条信道的用户匹配情况；45、无人机位置部署优化子问题表示为：46、47、对无人机传输功率优化子问题求解，获得无人机的最优传输功率；48、对用户分组优化子问题求解，获得用户的最优分组；49、对无人机位置部署优化子问题求解，获得无人机的最优位置。50、进一步地，采用拉格朗日乘子法优化方法对无人机传输功率优化子问题进行求解，包括：51、将无人机对用户的功率分配问题转换成所有请求文件的用户的最大传输时延最小化，表示为：，其中和分别表示用户和的传输时延；52、根据传输时延表达式，将上式中的最大时延最小化问题转变为最小用户传输速率最大化问题，表示为：53、；54、式中，和分别表示信道上的用户和的信息速率；55、当单个信道功率预算确定时，无人机给用户分配的功率的最优解为，无人机给用户分配的功率的最优解存在闭式解，其中，；由方程求根公式直接解出，，其中表示归一化的信道功率增益，为无人机到信道的幅度增益，为信道的功率增益，为信道的功率预算，为噪声功率；56、将信道功率分配最优解代入用户传输速率公式中，获得公平的用户传输速率最优解，单个信道的用户速率最优解表示为：；57、对所有信道的功率预算进行联合优化，功率预算优化问题表示为：58、59、通过拉格朗日乘子法进行求解，将功率预算优化问题转变为：60、61、因等价于，，将上述优化问题的拉格朗日形式表述为：<mstyledisplaystyle="true"mathcolor="#000000"><mi>l</mi><mi>=</mi><mi>t</mi><mo>+</mo><mstyledisplaystyle="true"><munderover><mo>∑</mo><mrow><mi>m</mi><mi>=</mi><mn>1</mn></mrow><mi>m</mi></munderover><mrow><msub><mi>μ</mi><mi>m</mi></msub><mi>[</mi><msub><mi>p</mi><mi>m</mi></msub><mi>−</mi><mfrac><mrow><mi>(</mi><msup><mi>a</mi><mi>t</mi></msup><msub><mi>γ</mi><mrow><mn>2</mn><mi>,</mi><mi>m</mi></mrow></msub><mo>+</mo><msub><mi>γ</mi><mrow><mn>1</mn><mi>,</mi><mi>m</mi></mrow></msub><mi>)(</mi><msup><mi>a</mi><mi>t</mi></msup><mi>−</mi><mn>1</mn><mi>)</mi></mrow><mrow><msub><mi>γ</mi><mrow><mn>1</mn><mi>,</mi><mi>m</mi></mrow></msub><msub><mi>γ</mi><mrow><mn>2</mn><mi>,</mi><mi>m</mi></mrow></msub></mrow></mfrac><mi>]</mi></mrow></mstyle><mi>−</mi><mi>λ</mi><mi>(</mi><mstyledisplaystyle="true"><munderover><mo>∑</mo><mrow><mi>m</mi><mi>=</mi><mn>1</mn></mrow><mi>m</mi></munderover><mrow><msub><mi>p</mi><mi>m</mi></msub><mi>−</mi><msub><mi>p</mi><mi>max</mi></msub></mrow></mstyle><mi>)</mi></mstyle>，其中，和是拉格朗日乘数；62、利用kkt条件求解：63、64、65、<mstyledisplaystyle="true"mathcolor="#000000"><mstyledisplaystyle="true"><munderover><mo>∑</mo><mrow><mi>m</mi><mi>=</mi><mn>1</mn></mrow><mi>m</mi></munderover><mrow><msub><mi>μ</mi><mi>m</mi></msub><mi>[</mi><msub><mi>p</mi><mi>m</mi></msub><mi>−</mi><mfrac><mrow><mi>(</mi><msup><mi>a</mi><mi>t</mi></msup><msub><mi>γ</mi><mrow><mn>2</mn><mi>,</mi><mi>m</mi></mrow></msub><mo>+</mo><msub><mi>γ</mi><mrow><mn>1</mn><mi>,</mi><mi>m</mi></mrow></msub><mi>)(</mi><msup><mi>a</mi><mi>t</mi></msup><mi>−</mi><mn>1</mn><mi>)</mi></mrow><mrow><msub><mi>γ</mi><mrow><mn>1</mn><mi>,</mi><mi>m</mi></mrow></msub><msub><mi>γ</mi><mrow><mn>2</mn><mi>,</mi><mi>m</mi></mrow></msub></mrow></mfrac><mi>]</mi></mrow></mstyle><mi>=</mi><mn>0</mn><mi>，</mi></mstyle>66、67、得到针对所有信道的功率分配最优解，表示为：68、69、其中，，，是使各信道分配到的功率最优解满足的拉格朗日乘子；70、将得到所有信道的功率分配最优解，代入中，得到所有信道的用户最优功率分配：71、72、。73、进一步地，采用模拟退火优化方法对用户分组优化子问题进行求解，包括：74、采用随机配对方法进行初始化配对，将用户初始配对结果作为初始解，将初始解代入目标函数公式，得到当前最低速率；75、随机选取两组用户对并交换其对内用户，得到邻域内的新解，并计算相应的用户最低速率；76、计算新解与当前最优解之间的最低用户速率差；当时，将新解作为最优解；当时，依据准则，以的概率接受新解作为当前最优解；77、通过对上述过程的多次迭代，得到当前温度下的最优配对方案；然后降低温度继续迭代，直到降到最低温度且最低传输速率的变化值小于目标容差，此时得到最优用户配对结果。78、进一步地，采用粒子群优化方法对无人机位置部署优化子问题进行求解，包括：79、设置有个粒子，使用粒子的位置代表无人机的三维位置，粒子的适应度值则代表该位置下系统用户最低速率，粒子的运动速度表示无人机下一步迭代移动的距离和方向；80、设置无人机个体和种群的历史最佳位置分别为和，以及迭代次数；81、重复以下步骤，直到达到迭代次数，步骤包括：82、根据各粒子初始当前位置信息，计算粒子个体最佳适应度，表示用户的最低速率，此时的位置为各粒子的局部最优解；83、比较各粒子局部最优解，得到其中适应度值最大的粒子位置，如果当前适应度值最大的粒子位置的适应度大于历史位置的适应度，则将当前最优位置作为历史最优位置；84、更新无人机粒子的速度和位置，更新公式为：85、86、87、式中，表示惯性权重、表示个体学习因子、表示群体学习因子、和为区间[0,1]内的随机数。88、第二方面，本发明提供了一种基于无线能量采集的无人机辅助缓存与充电联合优化系统，包括处理器及存储介质；89、所述存储介质用于存储指令；90、所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。91、第三方面，本发明提供了一种存储介质，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第一方面所述方法的步骤。92、第四方面，本发明提供了一种计算设备，包括，93、一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行第一方面所述的方法中的任一方法的指令。94、与现有技术相比，本发明所达到的有益效果：95、（1）本发明方法以无人机的效用最大为目标，通过优化无人机缓存策略，进而对无人机位置、无人机传输功率和用户分组联合优化，能够有效降低用户传输时延，提高无人机的效益。96、（2）本发明构建了一种基于noma的无人机辅助缓存-通信-充电系统模型，在该系统中，无人机预先从内容提供商处租赁热门内容缓存在内存中，在一个时间周期t内为用户提供内容传输服务以及无线充电服务，将覆盖范围内的用户分成多个用户对。97、（3）为了求解本发明提出的优化问题，将其分解为无人机缓存策略优化与无人机位置、无人机传输功率和用户分组联合优化两个子问题，针对第一个子问题，提出了基于stackelberg-bertrand博弈的无人机缓存策略算法，针对第二个子问题，进一步将其分解为无人机位置、传输功率和用户分组三个子问题，并分别采用拉格朗日乘子法、模拟退火算法以及粒子群优化算法对这三个子问题进行求解。当前第1页12当前第1页12
技术特征：
技术总结
本发明公开一种基于无线能量采集的无人机辅助缓存与充电联合优化方法，构建无人机效用优化问题，并将该优化问题分解为无人机缓存策略优化问题和无人机位置部署、无人机传输功率和用户分组联合优化问题；利用无人机缓存策略优化子问题优化无人机的缓存策略，获得无人机最优缓存策略；基于无人机最优缓存策略，利用无人机位置部署、无人机传输功率和用户分组联合优化问题确定无人机的最优位置、无人机的最优传输功率以及用户的最优分组，进而确定无人机的最佳效用。
技术研发人员：朱琦,朱雨萌
受保护的技术使用者：南京邮电大学
技术研发日：
技术公布日：2024/9/23
背景技术：
：：1、随着互联网的普及和物联网设备的广泛应用，数据流量不断飞速增加，使得传统的网络架构逐渐面临无法满足需求的困境。边缘缓存作为一种分布式的存储架构，能够将数据存储在离终端用户更近的位置，减少数据传输的时延和网络拥塞近年来，无人机（unmanned aerial vehicle, uav）因其机动性和高效性而备受关注，配备先进收发器和电池的无人机在无线通信系统中得到了广泛的应用。与传统通信系统不同，无人机与用户之间通过视距（line-of-sight, los）无线链路连接，可以显著提高传输速率。因此，在网络基础设施薄弱或者网络拥塞严重的区域，无人机能够作为边缘缓存的支持平台，为网络用户提供及时、高效的数据存储和传输服务。2、由于无人机的灵活性，无人机辅助的边缘缓存系统已经受到人们的重视。在无人机辅助无线通信网络场景下，针对无人机作为边缘缓存设备为用户提供通信服务以及相应的无线资源分配问题，目前已得到较多研究。考虑移动终端应用场景的频繁以及芯片能耗的增加，移动用户终端的有限电量难以满足日益提高的服务质量要求。针对移动边缘缓存场景，将无线电能传输（wireless power transfer，wpt）技术应用到网络中，为移动用户终端提供能量传输服务。无人机有着移动效率高，无视地形障碍等优势，因此可以作为移动充电设备，为网络中的终端进行充电，满足其续航需求。技术实现思路1、本发明的目的在于克服现有技术中的不足，提供一种基于无线能量采集的无人机辅助缓存与充电联合优化方法，基于无人机效益函数构建无人机效用优化问题，并将该优化问题分解为无人机缓存策略优化问题和无人机位置部署、无人机传输功率和用户分组联合优化问题；利用无人机缓存策略优化子问题对无人机的缓存策略进行优化，获得无人机最优缓存策略；基于无人机最优缓存策略，对无人机位置部署、无人机传输功率和用户分组联合优化问题求解，获得无人机的最优位置、无人机的最优传输功率以及用户的最优分组。2、为实现上述目的，本发明是采用下述技术方案实现的：3、第一方面，本发明提供一种基于无线能量采集的无人机辅助缓存与充电联合优化方法，包括：4、构建无人机效用优化问题，并将该优化问题分解为无人机缓存策略优化问题和无人机位置部署、无人机传输功率和用户分组联合优化问题；5、利用无人机缓存策略优化子问题优化无人机的缓存策略，获得无人机最优缓存策略；6、基于无人机最优缓存策略，利用无人机位置部署、无人机传输功率和用户分组联合优化问题确定无人机的最优位置、无人机的最优传输功率以及用户的最优分组，进而确定无人机的最佳效用。7、进一步地，所述构建无人机效用优化问题，包括：8、构建无人机效益函数，表示为：9、10、式中，，为个文件的集合，为无人机对文件库内容的缓存放置向量集合，为信道数，为信道上的用户数，，，为无人机的缓存放置变量，为用户的文件请求变量，表示用户请求文件，表示用户从无人机处获得单个文件的费用，表示用户获得充电服务的时长，表示用户向无人机支付的单位时间的充电费用，为内容提供商的收益，表示无人机服务能耗，为无人机单位能耗的费用；11、基于无人机效益函数，构建无人机效用优化问题，表示为：12、13、式中， 表示无人机的位置坐标，表示noma用户对的分组情况，表示无人机给信道上的用户分配的功率；约束c1表示需要优化的缓存决策变量为0-1变量，约束c2表示缓存的文件大小之和不超过最大缓存容量，代表文件库中的每个文件大小，且每个文件大小相同，约束c3表示给所有信道上的用户分配的功率之和为无人机最大发射功率。14、进一步地，所述获得无人机最优缓存策略，包括：15、将内容供应商文件租金定价优化问题表示为：16、<mstyledisplaystyle="true"mathcolor="#000000"><mtablecolumnalign="left"><mtr><mtd><mi>p2:</mi><mi>max</mi><mi></mi><msub><mi>u</mi><msub><mi>cp</mi><mi>κ</mi></msub></msub><mi>=</mi><mstyledisplaystyle="true"><munder><mo>∑</mo><mrow><mi>f</mi><mi>∈</mi><mi>ℱ</mi></mrow></munder><mrow><msub><mi>c</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow></msub><msub><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow></msub></mrow></mstyle></mtd></mtr><mtr><mtd><mi>s.t.</mi><msub><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow></msub><mi>∈</mi><mi>[</mi><msubsup><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow><mn>0</mn></msubsup><mi>,</mi><msubsup><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow><mi>initial</mi></msubsup><mi>]</mi></mtd></mtr></mtable></mstyle>17、式中，优化目标是使内容提供商收益最大化，为无人机的缓存决策变量，表示运营商的文件定价，且<mstyledisplaystyle="true"mathcolor="#000000"><msub><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow></msub><mi>∈</mi><mi>[</mi><msubsup><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow><mn>0</mn></msubsup><mi>,</mi><msubsup><mi>v</mi><mrow><mi>κ</mi><mi>,</mi><mi>f</mi></mrow><mi>initial</mi></msubsup><mi>]</mi></mstyle>，代表内容提供商文件的初始定价，表示运营商对文件的最低定价；18、无人机缓存决策优化问题表示如下：19、20、其中，优化目标是使无人机收益最大化，约束c1表示缓存的文件大小之和不超过最大缓存容量，约束c2表示需要优化的缓存决策变量为0-1变量；21、基于内容供应商文件租金定价优化问题和无人机缓存决策优化问题，采用stackelberg博弈方法获取无人机最优缓存策略。22、进一步地，所述采用stackelberg博弈方法获取无人机最优缓存策略，包括：23、stackelberg博弈均衡点满足以下条件：24、25、26、式中，为内容提供商的最优文件定价决策，为无人机对应的最优文件缓存决策，，，为无人机对文件库内容的缓存放置向量集合，其中，表示无人机从运营商处缓存了文件，则表示没有缓存；27、用户请求采用zipf分布进行预测，信道上的用户对于文件的请求概率为，将无人机缓存单个文件的收益表示为：；28、采用stackelberg博弈方法获取最优内容提供商定价和无人机最优缓存策略，包括：29、内容提供商文件的初始定价为；30、初始化内容提供商文件定价，无人机的最优缓存决策；31、重复执行以下步骤，直至两家内容提供商的收益相同，得到当前最优内容提供商定价和最优无人机缓存策略，步骤包括：32、将当前定价代入贪心算法，得到当前缓存决策；所述贪心算法包括：无人机判断缓存该文件获得的收益以及当前剩余缓存容量是否大于零，如果大于零则从两家内容提供商中对该文件定价较低的提供商进行购买并缓存；33、根据当前的缓存策略和文件定价，代入公式，计算得到当前内容提供商收益；34、对于无人机未缓存内容提供商的文件，如果当前文件价格大于文件最低定价时进行降价，否则采用最低定价。35、进一步地，所述基于无人机最优缓存策略，对无人机位置部署、无人机传输功率和用户分组联合优化问题求解，获得无人机的最优位置、无人机的最优传输功率以及用户的最优分组，包括：36、无人机位置部署、无人机传输功率和用户分组联合优化问题表示为：37、38、将问题p4分解为无人机传输功率优化子问题、用户分组优化子问题和无人机位置部署优化子问题；39、无人机传输功率优化子问题表示为：40、41、式中，，表示无人机的缓存收益；无人机为用户的充电总时长表示为，且；代表无人机分配给每个用户发射功率；42、用户分组优化子问题表示为：43、44、式中，，表示条信道的用户匹配情况；45、无人机位置部署优化子问题表示为：46、47、对无人机传输功率优化子问题求解，获得无人机的最优传输功率；48、对用户分组优化子问题求解，获得用户的最优分组；49、对无人机位置部署优化子问题求解，获得无人机的最优位置。50、进一步地，采用拉格朗日乘子法优化方法对无人机传输功率优化子问题进行求解，包括：51、将无人机对用户的功率分配问题转换成所有请求文件的用户的最大传输时延最小化，表示为：，其中和分别表示用户和的传输时延；52、根据传输时延表达式，将上式中的最大时延最小化问题转变为最小用户传输速率最大化问题，表示为：53、；54、式中，和分别表示信道上的用户和的信息速率；55、当单个信道功率预算确定时，无人机给用户分配的功率的最优解为，无人机给用户分配的功率的最优解存在闭式解，其中，；由方程求根公式直接解出，，其中表示归一化的信道功率增益，为无人机到信道的幅度增益，为信道的功率增益，为信道的功率预算，为噪声功率；56、将信道功率分配最优解代入用户传输速率公式中，获得公平的用户传输速率最优解，单个信道的用户速率最优解表示为：；57、对所有信道的功率预算进行联合优化，功率预算优化问题表示为：58、59、通过拉格朗日乘子法进行求解，将功率预算优化问题转变为：60、61、因等价于，，将上述优化问题的拉格朗日形式表述为：<mstyledisplaystyle="true"mathcolor="#000000"><mi>l</mi><mi>=</mi><mi>t</mi><mo>+</mo><mstyledisplaystyle="true"><munderover><mo>∑</mo><mrow><mi>m</mi><mi>=</mi><mn>1</mn></mrow><mi>m</mi></munderover><mrow><msub><mi>μ</mi><mi>m</mi></msub><mi>[</mi><msub><mi>p</mi><mi>m</mi></msub><mi>−</mi><mfrac><mrow><mi>(</mi><msup><mi>a</mi><mi>t</mi></msup><msub><mi>γ</mi><mrow><mn>2</mn><mi>,</mi><mi>m</mi></mrow></msub><mo>+</mo><msub><mi>γ</mi><mrow><mn>1</mn><mi>,</mi><mi>m</mi></mrow></msub><mi>)(</mi><msup><mi>a</mi><mi>t</mi></msup><mi>−</mi><mn>1</mn><mi>)</mi></mrow><mrow><msub><mi>γ</mi><mrow><mn>1</mn><mi>,</mi><mi>m</mi></mrow></msub><msub><mi>γ</mi><mrow><mn>2</mn><mi>,</mi><mi>m</mi></mrow></msub></mrow></mfrac><mi>]</mi></mrow></mstyle><mi>−</mi><mi>λ</mi><mi>(</mi><mstyledisplaystyle="true"><munderover><mo>∑</mo><mrow><mi>m</mi><mi>=</mi><mn>1</mn></mrow><mi>m</mi></munderover><mrow><msub><mi>p</mi><mi>m</mi></msub><mi>−</mi><msub><mi>p</mi><mi>max</mi></msub></mrow></mstyle><mi>)</mi></mstyle>，其中，和是拉格朗日乘数；62、利用kkt条件求解：63、64、65、<mstyledisplaystyle="true"mathcolor="#000000"><mstyledisplaystyle="true"><munderover><mo>∑</mo><mrow><mi>m</mi><mi>=</mi><mn>1</mn></mrow><mi>m</mi></munderover><mrow><msub><mi>μ</mi><mi>m</mi></msub><mi>[</mi><msub><mi>p</mi><mi>m</mi></msub><mi>−</mi><mfrac><mrow><mi>(</mi><msup><mi>a</mi><mi>t</mi></msup><msub><mi>γ</mi><mrow><mn>2</mn><mi>,</mi><mi>m</mi></mrow></msub><mo>+</mo><msub><mi>γ</mi><mrow><mn>1</mn><mi>,</mi><mi>m</mi></mrow></msub><mi>)(</mi><msup><mi>a</mi><mi>t</mi></msup><mi>−</mi><mn>1</mn><mi>)</mi></mrow><mrow><msub><mi>γ</mi><mrow><mn>1</mn><mi>,</mi><mi>m</mi></mrow></msub><msub><mi>γ</mi><mrow><mn>2</mn><mi>,</mi><mi>m</mi></mrow></msub></mrow></mfrac><mi>]</mi></mrow></mstyle><mi>=</mi><mn>0</mn><mi>，</mi></mstyle>66、67、得到针对所有信道的功率分配最优解，表示为：68、69、其中，，，是使各信道分配到的功率最优解满足的拉格朗日乘子；70、将得到所有信道的功率分配最优解，代入中，得到所有信道的用户最优功率分配：71、72、。73、进一步地，采用模拟退火优化方法对用户分组优化子问题进行求解，包括：74、采用随机配对方法进行初始化配对，将用户初始配对结果作为初始解，将初始解代入目标函数公式，得到当前最低速率；75、随机选取两组用户对并交换其对内用户，得到邻域内的新解，并计算相应的用户最低速率；76、计算新解与当前最优解之间的最低用户速率差；当时，将新解作为最优解；当时，依据准则，以的概率接受新解作为当前最优解；77、通过对上述过程的多次迭代，得到当前温度下的最优配对方案；然后降低温度继续迭代，直到降到最低温度且最低传输速率的变化值小于目标容差，此时得到最优用户配对结果。78、进一步地，采用粒子群优化方法对无人机位置部署优化子问题进行求解，包括：79、设置有个粒子，使用粒子的位置代表无人机的三维位置，粒子的适应度值则代表该位置下系统用户最低速率，粒子的运动速度表示无人机下一步迭代移动的距离和方向；80、设置无人机个体和种群的历史最佳位置分别为和，以及迭代次数；81、重复以下步骤，直到达到迭代次数，步骤包括：82、根据各粒子初始当前位置信息，计算粒子个体最佳适应度，表示用户的最低速率，此时的位置为各粒子的局部最优解；83、比较各粒子局部最优解，得到其中适应度值最大的粒子位置，如果当前适应度值最大的粒子位置的适应度大于历史位置的适应度，则将当前最优位置作为历史最优位置；84、更新无人机粒子的速度和位置，更新公式为：85、86、87、式中，表示惯性权重、表示个体学习因子、表示群体学习因子、和为区间[0,1]内的随机数。88、第二方面，本发明提供了一种基于无线能量采集的无人机辅助缓存与充电联合优化系统，包括处理器及存储介质；89、所述存储介质用于存储指令；90、所述处理器用于根据所述指令进行操作以执行根据第一方面所述方法的步骤。91、第三方面，本发明提供了一种存储介质，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第一方面所述方法的步骤。92、第四方面，本发明提供了一种计算设备，包括，93、一个或多个处理器、一个或多个存储器以及一个或多个程序，其中一个或多个程序存储在所述一个或多个存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行第一方面所述的方法中的任一方法的指令。94、与现有技术相比，本发明所达到的有益效果：95、（1）本发明方法以无人机的效用最大为目标，通过优化无人机缓存策略，进而对无人机位置、无人机传输功率和用户分组联合优化，能够有效降低用户传输时延，提高无人机的效益。96、（2）本发明构建了一种基于noma的无人机辅助缓存-通信-充电系统模型，在该系统中，无人机预先从内容提供商处租赁热门内容缓存在内存中，在一个时间周期t内为用户提供内容传输服务以及无线充电服务，将覆盖范围内的用户分成多个用户对。97、（3）为了求解本发明提出的优化问题，将其分解为无人机缓存策略优化与无人机位置、无人机传输功率和用户分组联合优化两个子问题，针对第一个子问题，提出了基于stackelberg-bertrand博弈的无人机缓存策略算法，针对第二个子问题，进一步将其分解为无人机位置、传输功率和用户分组三个子问题，并分别采用拉格朗日乘子法、模拟退火算法以及粒子群优化算法对这三个子问题进行求解。当前第1页12当前第1页12
技术特征：
1.一种基于无线能量采集的无人机辅助缓存与充电联合优化方法，其特征在于，包括：
2.根据权利要求1所述的基于无线能量采集的无人机辅助缓存与充电联合优化方法，其特征在于，所述构建无人机效用优化问题，包括：
3.根据权利要求1所述的基于无线能量采集的无人机辅助缓存与充电联合优化方法，其特征在于，所述获得无人机最优缓存策略，包括：
4.根据权利要求3所述的基于无线能量采集的无人机辅助缓存与充电联合优化方法，其特征在于，所述采用stackelberg博弈方法获取无人机最优缓存策略，包括：
5.根据权利要求1所述的基于无线能量采集的无人机辅助缓存与充电联合优化方法，其特征在于，所述基于无人机最优缓存策略，对无人机位置部署、无人机传输功率和用户分组联合优化问题求解，获得无人机的最优位置、无人机的最优传输功率以及用户的最优分组，包括：
6.根据权利要求5所述的基于无线能量采集的无人机辅助缓存与充电联合优化方法，其特征在于，采用拉格朗日乘子法优化方法对无人机传输功率优化子问题进行求解，包括：
7.根据权利要求5所述的基于无线能量采集的无人机辅助缓存与充电联合优化方法，其特征在于，采用模拟退火优化方法对用户分组优化子问题进行求解，包括：
8.根据权利要求5所述的基于无线能量采集的无人机辅助缓存与充电联合优化方法，其特征在于，采用粒子群优化方法对无人机位置部署优化子问题进行求解，包括：
9.一种基于无线能量采集的无人机辅助缓存与充电联合优化系统，其特征在于，包括处理器及存储介质；
10.一种存储介质，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至8任一项所述方法的步骤。
技术总结
本发明公开一种基于无线能量采集的无人机辅助缓存与充电联合优化方法，构建无人机效用优化问题，并将该优化问题分解为无人机缓存策略优化问题和无人机位置部署、无人机传输功率和用户分组联合优化问题；利用无人机缓存策略优化子问题优化无人机的缓存策略，获得无人机最优缓存策略；基于无人机最优缓存策略，利用无人机位置部署、无人机传输功率和用户分组联合优化问题确定无人机的最优位置、无人机的最优传输功率以及用户的最优分组，进而确定无人机的最佳效用。
技术研发人员：朱琦,朱雨萌
受保护的技术使用者：南京邮电大学
技术研发日：
技术公布日：2024/9/23
最新回复(0)