无人机网络中基于博弈模型的数据转发优化算法
傅 伟,周新力
(海军航空大学 电子信息工程系,山东 烟台 264001)
摘 要： 无人机与有人机混合编队协同作战可提高作战效能,但需要无人机与有人机之间进行稳定的数据连接,将战场态势快速传输至有人机。为此,建立一种基于博弈论的单一价格多属性投标模型,以通信范围内邻居节点的招投标方式,将传输节点的选择过程抽象为招标模型。从节点能量属性、链路稳定性及转发角度出发,设计招投标节点的评分函数和收益模型,最终经过比较多个投标节点的质量属性和投标价格选择最佳节点完成招标节点的数据转发。通过博弈分析证明数据转发算法是激励相容的,可确保节点以真实报价参与到数据转发过程中。仿真结果表明,与GPSR算法及AMIM算法相比,该算法在保证网络能耗均衡与链路稳定性的同时,能提高网络生存时间,适用于无人机与有人机混合编队协同作战通信环境。
关键词： 无人机网络;博弈论;贪婪算法;多属性投标模型;链路稳定性
0 概述
无人机(Unmanned Aerial Vehicle,UAV)与有人机混合编队协同作战是未来空战的重要形式。该作战形式能更好地发挥无人机的灵活机动和大范围探测能力,也能保留有人机的指挥决策和生存能力[1]。因此构建一个能够连接UAV与有人机的链路具有重要意义。移动自组网(Mobile Ad Hoc Network,MANET)以无中心、自组织、动态拓扑和多路径的特点,成为集群作战的首选方式。随着全球定位技术的发展,通过位置预测、GPS或北斗全球定位技术对目标点位置判断的准确性和实时性能够满足路由协议的位置信息需求,而贪婪算法[2]能够以较快速度找到一条到达目的节点的有效路由,但是该算法对路由转发节点的选择标准单一、机制简单,无法保证选择链路的稳定性与全局最优性。因此,如何建立有效的数据转发选择机制,使得节点之间相互合作,并最大程度保证网络生存时间,从而得到一条全局最优链路,是无人机移动网络需要解决的关键问题之一。为此,本文利用单一价格多属性投标模型改进贪婪算法,以解决招投标节点在数据转发过程中对多个属性的最优选择问题。
1 相关工作
链路稳定性、节点服务质量以及网络生存时间在一定程度上影响了MANET的性能,通过简单的节点选择机制无法满足网络需求。文献[3]给出一种基于不完全信息的双方叫价拍卖模型的节点激励机制,将节点间的消息转发合作过程抽象为不完全信息的双方叫价拍卖动态博弈过程,但是未考虑节点转发能力对网络的影响。文献[4]通过为相似节点提供服务换取自身信誉度的提高,并以信誉度作为评价来得到其他节点的支持,但是未考虑节点自私性造成的信誉欺骗问题。文献[5]通过虚拟支付的方式在转发数据的两类节点之间形成一种双向激励机制,提高了网络分发效率,但是未将节点的有限资源作为影响转发效果的因素。文献[6]提出一种基于博弈论的无线自组网动态接入激励机制,引入公共物品供给博弈理论和维克里-克拉克-格罗夫斯(VCG)理论,作为一种节点选举的新方法虽考虑了能量消耗,但未考虑网络的其他性能。文献[7]提出一种基于VCG的路由方案,并通过博弈理论证明该方案能够保证节点以真实价格参与博弈,但是博弈提供的竞标值是随机的,不具有参考价值。文献[8]提出一种类似于贪婪算法的方向辅助算法,能够建立一条更加稳健快速的路由,但是该方法实用性较差。
为实现网络中节点传输能力、链路稳定性以及网络整体性能的平衡,同时激励节点主动参与到数据转发过程中,本文提出一种基于单一价格多属性投标模型的数据转发优化算法。
2 系统模型
随着作战理论和无人机集群技术的发展,有人机与无人机协同作战将成为未来战场的重要作战方式。有人机负责任务规划和目标分配,无人机完成作战任务和进行侦察。一方面,以有人机为中心的无人机集群需要一个简单有效且能适应动态拓扑的网络协议。另一方面,每架无人机的能量有限,在一次作战任务中无法得到补充。为保证数据传输效率和遂行作战任务,本文利用基于博弈论的单一价格多属性投标模型对单纯贪婪算法进行改进。该模型将下一跳节点的选择过程抽象为邻居节点对源节点招标的一次响应,为保证博弈模型能够对实际问题进行合理分析,需要对节点性质做出部分假设。
（1）、A磨分离器挡板开度为30°、40°、50°时，煤粉细度R90分别为22.0%、24.8%、23.6%，随着分离器挡板逐步开大，煤粉细度变化较小，因此可见A磨分离器挡板对煤粉细度的调节能力较差；
2.1 模型假设
假设1 标的的质量属性对于招标节点及投标节点都是相互独立的,且成本函数和收益函数也是独立且私有的。
此假设保证了招/投标节点能够独立设计基于多属性的收益函数和成本函数,投标节点对标的的估值不会相互影响。
根据对投标节点成本函数的设计,在投标节点的报价为p 的情况下可得到投标节点的收益函数。收益函数的定义为:
所有节点都具有自私性,博弈过程中保证自身利益最大化,不会做出任何导致自身收益为负的行为。
假设3 投标节点之间为非合作博弈。
节点之间相互竞争,不存在合作串谋等行为。
2.2 贪婪算法与基本博弈模型
全新BMW X5上使用的内饰设计突显了摩登的豪华质感也引领了BMW在未来的内饰设计趋势。在全新BMW X5车内，仪表板和中控台结构清晰且布局合理，中控台的空调与娱乐系统功能区的设计更为简洁明了，保留必要物理按键的做法保障了直观的操作体验。
贪婪算法在路由发现过程中只根据通信距离范围内的邻居节点的位置信息,按照简单规则选择下一跳节点,通常会为满足单一传输需求牺牲一部分传输性能,如为降低节点之间的传输干扰,使用更多的节点作为中继,从而增加端到端时延。表1中列出了6种贪婪算法及其相关属性。
表1 传统贪婪算法及其相关属性
2.2.2 基本博弈模型
本文采用的博弈模型为在第一价格密封拍卖模型基础上进行改进的多属性逆向拍卖模型。该模型以投标节点为中心,在规定时间内投标节点向招标节点提供报价,报价的依据为投标节点对于标的多重属性的成本参数。第一价格密封拍卖模型为帕累托最优,其实际是一种独立私有价值模型,投标节点只知道自身的成本函数,而不知道其他节点的成本函数,投标节点对标的的成本函数为:
V i =f (t i )
(1)
其中,V i 为投标节点i 的成本函数,t i 为投标节点i 对于标的的私有属性。
2.3 模型优势
建立数学模型确定中标节点是多属性拍卖研究领域的重点内容,其中之一就是利用博弈论相关知识对招投标模型、投标策略以及评分函数进行设计,得到的解为帕累托最优解。相比现有设计方法,该方法可实现网络资源的高分配率,使得招标过程中总效益最大化的节点中标,即不存在其他任何节点比该节点能得到更大的总效益。本文模型设计了考虑更多质量属性的评分函数,具有更好的扩展性,使其适用于大规模网络。
水产养殖是农业的重要组成部分，是农业经济的重要产业，是保障国家食品安全的重要支柱。1989年，我国水产品产量居世界第一位，养殖产量占世界水产总养殖产量的70%，成为世界水产养殖第一大国。坑塘养殖是我国水产养殖的主体方式，养殖产量占到全国淡水养殖总产量的70.5%，已是水产养殖业的主力军。
3 基于博弈模型的数据转发优化
3.1 博弈策略
给定一次多属性投标博弈M ,假设投标节点对转发数据的估值为V s ,第i 个投标节点对转发数据的真实报价为p i ,投标节点的实际报价为p ′i ,i =1,2,…,n ,则:
根据式(11)可得到每个质量属性的最优值,因此对于价格的确定就转化为单属性投标博弈。在第一价格密封拍卖模型中通常会遇到以下问题:投标价格越低,竞标成功率越小,但一旦竞标成功,带来的收益也更大;投标价格越高,竞标成功率越大,但竞标成功带来的收益也越小,甚至可能收益为负。根据假设2中招/投标节点都是理性经济节点的设定,节点会自觉维护自身收益的最大化。因此,当有m 个投标节点时,根据式(12)可以得到
值,令
由文献[15]可知最优投标价格:
浮笼多是出现在半笼或是钢筋笼底部配筋相对较少时，混凝土浇筑到上半部分时下部混凝土开始初凝，形成硬壳导致钢筋笼整体上升。
因此,当p i ≠p ′i 时,即投标节点的报价并非真实报价时,投标节点的收益小于真实报价时获得的收益。因为招/投标节点都是理性经济节点,所以会主动采用真实报价,即第一价格密封拍卖模型为激励相容。
3.2 博弈模型
3.2.1 模型设计原理
多属性逆向拍卖在路由优化过程中,确定招标节点的偏好和建立合适的评分函数是一项重要的工作,其中应用多属性效用理论解决多属性拍卖问题是最常用的一种方式,本文也采取该方法对投标节点进行评价。多属性效用方法的核心思想是为解决不同属性的对比困难问题,投标节点被要求提交的投标是一个由不同属性值组成的投标向量,而不只是一个投标价格。招标节点基于这些属性建立一个评分函数,并根据节点特性对不同的属性分配不同的权重,评分函数将各属性值转换成一个投标得分,以衡量该投标给招标节点带来的效益,然后根据每个投标节点的得分高低选择转发节点。
多属性拍卖中的各个属性之间可能是偏好独立的,也可能是非偏好独立的。属性x 和属性y 之间偏好独立是指属性x 带来的效益与属性y 的值大小无关。尽管改进的多属性效用理论和层次分析法可以处理各个属性之间是非偏好独立的情况,但处理情况较复杂,因此为分析方便,假定各个属性之间偏好独立,可用一个相对简单的加权线性函数表示总效用,本文即基于该假设建立模型。
在m 个竞标节点参与且标的具有n 个属性的情况下,每个属性n ∈
的取值空间为K n ,一个多属性投标可以用一个n 维向量v m =(v m1 ,v m2 ,…,v mj ,…,v mn )表示,其中v mj 为第m 个投标节点第j 个属性的值,投标各属性之间偏好独立,可用加权线性函数表示收益评分函数:
类似于投标节点的模型设计,当招标节点以支付报价p 转发质量属性为q 1,q 2,…,q i ,…,q n 的数据包时可以得到其收益函数。招标节点的收益函数为:
3.2.2 投标节点模型
投标节点需要转发质量属性为q 1,q 2,…,q i ,…,q n 的数据包时,数据转发成本满足关于成本参数ξ 和质量属性q 1,q 2,…,q i ,…,q n 的成本函数。成本函数为:
其中,ξ 为投标节点的数据转发成本参数,在
上独立且服从同一分布函数F (ξ ),a i 为质量属性q i 的成本系数,且a i >0。为表示质量属性一般是随着边际成本递增的属性,赋予质量属性q i 一定的幂次k i ,一般情况下k i >1。
最后，我们建议，一切与员工个人化相关的事情尽量回避，顾客体验感是顾客能感觉到的由餐厅释放的任何信号，不要片面的认为把产品、服务高标准严格了就能万事大吉，员工状态很大一部分决定了你的餐厅品牌寿命！你们餐厅是如何解决这个问题的？
假设2 招/投标节点都是理性经济节点。
其中,p 为投标节点提交的竞标价格。
3.2.3 招标节点模型
其中,s m 表示节点m 的质量属性对于标的的总效用得分,S (v m )表示投标属性v m 的成本或收益评分,μ j 为属性j 的权重参数。
其中,w i 为质量属性q i 的偏好系数,且w i >0。为表示质量属性一般是边际收益递减的特性,赋予质量属性q i 一定的幂次m i ,一般情况下0<m i <1。
多属性投标模型相对于单属性投标模型,其优势在于提出一个基于多个质量属性q 1,q 2,…,q i ,…,q n 的评分函数。评分函数的目的是为保证招标节点能够获得最大收益。为表达更直观,评分函数采用与收益函数相同的结构,具体为:
为表征质量属性一般是边际得分递减的特性,赋予质量属性q i 一定的幂次s i ,一般情况下0<s i <1且s i ≤m i ,其中
为招标节点的估值函数。
3.3 竞标策略
竞标策略通过博弈能够综合考虑数据包转发过程中的多个因素,根据自身能力和条件优化路由选择,保证网络资源的合理分配。为此,提出3个配置要求:
1)保证节点能量的合理利用,增加网络寿命。
2)保证拓扑稳定,尽量选择链路强健的路径,减少路由变化,降低网络负担。
3)保证贪婪路由的高速有效性。
2.2.1 贪婪算法
为达到以上要求并保证博弈效率,需确定3个质量属性:剩余能量,链路稳定性,转发角度。每个节点在转发数据包时,各个节点的属性值不同,因此不同节点的成本系数与偏好程度也不同,对于成本系数与偏好系数的设定应根据节点实际情况做出相应改变。
3.3.1 参数设计
情况 7.5 若f3(v)=4,此时最坏的情况是v点关联5个6-面,4个(3,3,9)-面(两两不相邻),v的邻点均为3-点,且它的非三角邻点关联着一个3-面。根据引理5和权转移规则R2.1中3度点优先取得它非三角6+-邻点的权值。故这4个三角形在最坏的情况下是3个穷面,一个富面(或两个半穷面两个穷面),它们从9-点v获得的总权值为 由R1,R2.1,R3.3及最坏3-面9+-点情形得
定义1 剩余能量参数:
在网络时代，各类海量信息资讯得以迅速传播，每天有无数的新闻出现，并且变化极快。我国茶文化旅游区在国际化发展过程中，要注重有效资讯的获得，能够从浩如烟海的信息中识别获取有效资讯。一方面，打造属于中国特色的茶文化，一方面对互联网信息进行了解，洞悉国际化茶文化需求，能够在第一时间获得相关资讯，并做出正确判断。以此为基础打造具有中国特色的茶文化旅游区，将中国传统文化传递给国外游客，并且能够满足其习惯和喜好，实现文化的交融和获取经济效益的双赢局面。
其中,E res是节点剩余能量,E min保证节点回收所需的最小能量。
定义2 链路稳定性参数[15]:
其中,μ +ν =1,下标S和N分别为发送节点与接收节点,d SN为发送节点与接收节点之间的距离,D 为节点之间最小通信距离,V SN为节点间的相对移动速度,V max为节点最大移动速度。
从文献所记到达古金庭需经过的地名顺序：小香炉峰、再渡村(今济渡村)、大湖山、王罕岭可知，今天的王罕岭才是真正的古金庭所在。小香炉峰位于王罕岭的西北，与《上青经》记“其北门在此山小香炉峰顶”、唐裴通记“循山趾而右去，凡七十里，得小香炉峰，其峰即洞天之北门也”符；从剡县城到王罕岭，古道就必须经小香炉峰下、再渡村的平溪，才能达大湖山南部的王罕岭；再渡村的平溪，符合王右军当时来回“再渡”的实际。
创新决定高度，实干铸就辉煌。没有创新实干的精神，就没有辽宁曾经的胜利；没有创新实干的精神，更不可能有辽宁明天的辉煌。习近平总书记指出， “惟创新者进，惟创新者强，惟创新者胜。”在这种创新精神的指引下，在实干态度的生发下，辽宁人民在今后的发展过程中会继续披荆斩棘，以创新的理论、创新的制度、创新的文化、创新的科技，去再创辽宁老工业基地的发展新高。
定义3 转发角度参数:
其中,θ 为投标节点与招标节点的连线同招标节点与目的节点之间连线的夹角。角度α 的定义如图1所示。将节点的传输范围划分为3个部分,以源节点与目的节点的连线为轴方向左右各取α ,在此区域内接收节点与目的节点之间的欧氏距离小于发送节点与目的节点的欧氏距离,选得的接收节点为I区域最优点。由2α 向两边继续扩张到180°,上下两部分共同组成II区域,该区域中依然有部分节点满足I区域条件,节点选择需要考虑在内。节点传输范围内的剩余部分组成III区域,在I区域和II区域都无法选择符合要求的节点时,需在该区域选择周边转发节点,此时空间传输的优势已不再作为主要标准,能量均衡[16]显得尤为重要。
图1 转发区域
成本系数a i 和偏好系数w i 的结构按照上述参数的结构定义分别得到a 1、a 2、a 3和w 1、w 2、w 3。数据转发成本参数ξ 的设定可以根据不同的情况自行定义,且保证在上独立且服从同一分布函数
本文考虑到节点能量是限制网络寿命和服务能力的主要因素,因此对ξ 定义如下:
3.3.2 投标策略设计
在投标策略中,投标节点根据自身收益函数和招标节点公布的评分函数制定最优的质量属性和最优报价,从而确保博弈结果为区域最优。
1)投标质量属性最优设计
多属性投标不同于单属性投标过程,不仅要考虑投标价格的制定是否较其他节点占优,同时应考虑自身质量属性及成本函数,保证在竞标过程中实现利益最大化,决策过程相对复杂。根据节点模型的设计对质量属性的最优设计在于节点的成本函数和招标节点的评分函数,由此得到最优质量属性值的计算结果如下:
（1）薇甘菊颈盲蝽PmGSTd1是属于GST delta家族的一个分泌蛋白，与温带臭虫（Cimex lectularius）GST的亲缘关系最近。
记y =V t -C b =V t (q 1,q 2,…,q n )-C b (q 1,q 2,…,q n ,ξ ),将
和
代入式(11)可得
合并同类项得到
对y 求导得到
令y ′=0解得
对y ′再求导得
由于0<s i <1,1<k i ,y ″<0,因此
时y 值最大。由此可得最优质量属性值,如式(12)所示。
2)投标价格最优设计
2)p ′i <p i 。当p ′i <V s <p i 时,可以得到的竞标收益为E s =ρ (V s -p i )<0,即如果投标节点采用真实报价p i ,则竞标过程失败,投标节点的收益为0;如果采用实际报价p ′i ,虽然可以达成投标,但是投标的收益为负。
1)p ′i >p i 。当p ′i >V s >p i 时,如果投标节点为真实报价,则可以得到的竞标收益为E s =ρ (V s -p i )>0,但实际投标价为p ′i ,因此竞标失败,即投标节点的收益为0。
积分的第一部分是成本函数关于ξ 的偏导,其中质量属性
己确定,推导可得:
3.4 数据转发算法
根据已知入网节点的地理位置信息,路由发现过程采用基于博弈论的贪婪优化转发算法,具体步骤如下:
虽然本组病例TightRope系统未发生严重并发症，但文献报道的并发症需要引起足够重视。Yong GK等［12］在随访过程中的X线片检查发现，5例锁骨侧纽扣钢板下骨皮质存在吸收而出现纽扣钢板下沉、肩锁关节有退变性关节炎的表现，但患者无症状。Bindra J等［13］报道1例患者在术后8周进行举重运动时出现肩部疼痛，X线片显示喙突骨折、Tightrope装置移位，肩锁关节再脱位。
步骤1 当源节点有数据包要发送或需要转发数据包时,节点首先获取目的节点的地理位置信息,计算目的节点到该节点的距离,并判断是否在该节点的单跳通信范围内。如果在,则将目的节点置为下一跳,直接发出;否则进入步骤2。
步骤2 节点查找单跳通信范围内的邻居节点,并向邻居节点发送评分函数,开始一次招标过程。
步骤3 参与竞标的节点在接收到招标节点发来的评分函数后,根据自身转发能力和成本函数模型,计算出最优质量属性和最优报价。
步骤4 竞标节点将确定的质量属性和价格以数据包的形式返回招标节点。
步骤5 招标节点等待一段时间后,将投标节点的报价和质量属性代入评分函数,并选择评分函数较高的节点作为下一跳节点并发送数据包。
4 仿真结果与分析
本文使用Opnet[17]进行仿真,为验证算法的优化性能,选择与地理位置辅助路由中的GPSR[18]算法及基于博弈的转发激励算法(AMIM)[19]从平均交付时延、平均节点能量和分组投递率3个方面进行比较,并对不同节点密度下的算法性能进行仿真,参数设置如表2所示。
表2 仿真参数设置
图2为GPSR算法、AMIM算法及本文算法在不同节点密度下的分组投递率。可以看出,本文算法明显优于GPSR算法,与AMIM算法相比存在一定优势。这是由于本文算法能够快速找到一条到达目的节点的最优均衡路径,对质量属性的选择考虑了节点对数据的转发能力和链路的稳定性,最大程度保证了不因为拓扑的变化导致数据的丢失,因此具有更好的交付能力。GPSR算法在一次传输过程后可保持相同路径传输,这样不仅存在路由冗余,还会由于过度消耗节点能量导致节点提前退出网络,且在节点数量增多后会因为中间无用节点的增多导致数据丢失。AMIM算法虽然也能找到一条局部最优路径,但是路径的选择未充分考虑节点承受能力和链路稳定性,因此交付能力较本文算法差。
图2 不同节点数目下的分组投递率
图3为GPSR算法、AMIM算法及本文算法在一段时间内平均节点能量的变化趋势。可以看出,相比GPSR算法和AMIM算法,本文算法具有更好的能量特性,在相同的时间内消耗更少的能量。这是因为本文算法能在区域范围内使节点进行多属性博弈得到策略均衡解,避免能量浪费,相对于其他算法具有更长的生存周期。同时可以看出,本文算法的曲线斜率也低于其他2种算法,表明算法网络稳定性更优,整个网络中节点的能量消耗比较均衡,不会出现在一定阶段内节点大量退出网络的情况,这在实际应用中具有重要意义。GPSR算法通过单一的标准选择传输节点,无法对绕行节点进行优化,节点能量过度消耗问题突出。而AMIM算法虽然同样对节点选择采取博弈方式,但是采用的质量属性单一,不能较好选择节点,因此导致特定节点消耗严重的问题。
精索静脉曲张是泌尿外科的常见疾病，多见于青壮年。精索静脉曲张的发病率约占男性人群的5%～20%，占男性不育人群的35%，尤其见于经常增加腹压的男性。精索静脉曲张可影响生育，是导致男性不育的重要原因[1]。我院收治26例双侧精索静脉曲张患者，均在椎管内麻醉下行显微镜下双侧精索内静脉结扎术治疗，现报告如下。
图3 平均节点能量消耗
图4为GPSR算法、AMIM算法及本文算法在不同节点密度下的平均交付时延。可以看出,本文算法与GPSR算法和AMIM算法在交付时延上相差不大,是因为3种算法都基本遵循贪婪算法在邻居节点中的交付原则寻找路由。在节点密度较小的情况下,本文算法由于对路径的选择需要经过多属性博弈,因此使得交付时延稍有增加,但随着网络节点密度的增大,选择路径健壮性更强,交付时延更小。
图4 不同节点数目下的平均交付时延
5 结束语
本文针对位置路由协议中的路由空洞,提出基于博弈论的贪婪算法并将其用于数据转发。利用分区域的节点选择机制保证节点以更快的速度选择下一跳节点,并且考虑到无人机特性,引入节点综合判断公式使得路径选择满足能量均衡,增强网络可扩展性和寿命。仿真结果表明,改进数据转发算法的反向优化机制能够较好地解决网络路由空洞问题,满足有人机与无人机联合作战通信需求。
海陵药业精准聚焦企业实际情况，针对员工年轻化、专业化特点，立足企业市场化、科技化特征，紧紧围绕企业经营发展中的产品研发、技术攻关、人才引进、购销渠道等问题，精准对接员工在工作生活中的心理和要求，有效利用党小组活动、党支部会议等组织形式解决企业生产发展和员工工作生活中的困难，实现企业员工个人、企业、社会的共同进步。民企要以塑造精品的意识做党建，着力打造自己的党建品牌，精心培育和发展自身的党建工作模式，才能形成企业长久、深厚的影响力。□
参考文献
[1] 刘创,吕娜,陈柯帆,等.一种面向航空集群的无人机中继网络部署策略[J].计算机工程,2018,44(5):107-112,123.
[2] CHEN Dazhi,VARSHNEY P K.A survey of void handling techniques or geographic routing in wireless networks[J].IEEE Communications Surveys and Tutorials,2007,9(1):50-67.
[3] 刘浩,陈志刚,张连明.自私性移动P2P网络中节点激励策略研究[J].电子与信息学报,2017,39(8):1986-1992.
[4] YAO Lin,MAN Yanmao,HUANG Zhong,et al.Secure routing based on social similarity in opportunistic networks[J].IEEE Transactions on Wireless Communications,2015,15(1):594-605.
[5] 赵广松,陈鸣.自私性机会网络中激励感知的内容分发的研究[J].通信学报,2013,34(2):73-81.
[6] 王宏,李建华,崔琼.基于博弈论的无线自组网动态接入激励机制[J].电讯技术,2017,57(10):1177-1183.
[7] ANDEREGG L,EIDENBENZ S.Ad hoc-VCG:a truthful and cost-efficient routing protocol for mobile ad hoc networks with selfish agents[C]//Proceedings of the 9th Annual International Conference on Mobile Computing and Networking.New York,USA:ACM Press,2003:245-259.
[8] 王玉峰,王文东,袁刚.Ad Hoc网络中基于Vickrey拍卖的协作激励机制的研究[J].北京邮电大学学报,2005,28(4):50-53.
[9] KRANAKIS H S,URRUTIA J.Compass routing on geometric networks[C]//Proiceedings of the 11th Canadian Conference on Computational Geometry.Vancouver,Canada:[s.n.],1999:1-8.
[10] TAKAGI H,KLEINROCK L.Optimal transmission ranges for randomly distributed packet radio terminals[J].IEEE Transactions on Communications,1984,32(3):246-257.
[11] HOU Tingchao,LI V K.Transmission range control in multihop packet radio networks[J].IEEE Transactions on Communications,1986,34(1):38-44.
[12] FINN G G.Routing and addressing problems in large metropolitanscale internetworks:ISI/RR-87-180-1987[R].Marina del Rey,USA:University of Southern California,1987:1-8.
[13] STOJMENOVIC I,XU L.Power-aware localized routing in wireless networks[J].IEEE Transactions on Parallel and Distributed Systems,2001,12(11):1122-1133.
[14] RAMAKRISHNAN B,SELVI M,BHAGAVATH N R.Efficiency measure of routing protocols in vehicular ad hoc network using freeway mobility model[J].Wireless Networks,2017,23(2):323-333.
[15] 刘岩,张国印,何金洲,等.基于贝叶斯博弈的MP2P高性能安全资源节点选择策略[J].通信学报,2016,37(1):100-105.
[16] CHE Y K.￣Design competition through multidimensional auctions[J].Rand Journal of Economics,1993,24(4):668-680.
[17] 陈敏.OPNET网络仿真[M].北京:清华大学出版社,2004.
[18] KARP B,KUNG H.GPSR:greedy perimeter stateless routing for wireless networks[C]//Proceedings of the 6th Annual ACM International Conference on Mobile Computing and Networking.New York,USA:ACM Press,2000:243-254.
[19] 刘浩,陈志刚,张连明.移动社交网络中基于拍卖模型的数据转发激励机制[J].通信学报,2017,38(11):111-120.
Data Forwarding Optimization Algorithm Based on Game Model in Unmanned Aerial Vehicle Network
FU Wei,ZHOU Xinli
(Department of Electronic Information Engineering,Naval Aeronautical University,Yantai,Shandong 264001,China)
【Abstract 】The cooperative combat of mixed formation of Unmanned Aerial Vehicle(UAV) and manned aircraft can improve combat performance,but requires a stable data connection between the UAV and manned aircraft to transmit battlefield situation to the manned aircraft quickly.To address the problem,a single price and multi-attribute bidding model based on game theory is proposed.The selection process of the transmission node is abstracted into the bidding model by using the bidding method of neighbor nodes in the communication range.Based on the node energy attribute,link stability and forwarding angle,the scoring function and the revenue model of the bidding node are designed,so that the bidding node finally selects the best node to complete the data forwarding by comparing the quality attributes of the bidding nodes and the bidding price.Game analysis proves that the algorithm is incentive-compatible,ensuring that nodes can participate in the data forwarding process with real quotes.Simulation results show that compared with GPSR algorithm and AMIM algorithm,the algorithm can guarantee network energy consumption balance and link stability while improving network lifetime.It is suitable for cooperative combat environment of mixed formation of UAV and manned aircraft.
【Key words 】Unmanned Aerial Vehicle(UAV) network;game theory;greedy algorithm;multi-attribute bidding model;link stability
基金项目： 装备发展部预研基金(9140A24040714JB14387)。
作者简介： 傅 伟(1994—),男,硕士研究生,主研方向为现代通信理论与应用;周新力,教授。
收稿日期： 2018-05-18
修回日期： 2018-07-05
E-mail： 1119219753@qq.com
中文引用格式： 傅伟,周新力.无人机网络中基于博弈模型的数据转发优化算法[J].计算机工程,2019,45(8):146-151.
英文引用格式： FU Wei,ZHOU Xinli.Data forwarding optimization algorithm based on game model in unmanned aerial vehicle network[J].Computer Engineering,2019,45(8):146-151.
DOI :10.19678/j.issn.1000-3428.0051591
编辑 陆燕菲
标签：无人机网络论文; 博弈论论文; 贪婪算法论文; 多属性投标模型论文; 链路稳定性论文; 海军航空大学电子信息工程系论文;