面向异构无人系统的网络资源认知协同优化方法研究

Heterogeneous unmanned systems play an important role in both the military and civilian territories, including future warfare and Internet of things, etc. The efficient coordination of unmanned systems depends on the reliable network connection and efficient resource management. However, existing methods can not cope with the new challenges. This project focuses on the characteristics of task driven and heterogeneous networks caused by unmanned systems applications. It mainly concentrates on the cognitive collaborative optimization network resources optimization of heterogeneous unmanned systems. The research is carried out from the following three aspects: cooperation relation analysis, resource optimization game model and fast and efficient decision-making. It proposes a network resources cognitive collaborative optimization framework, and focuses on the cooperation utility analysis and the cognitive coordination grouping method. Then three different cooperative game models would be studied based on the network of heterogeneous unmanned aerial vehicles. And fast and efficient decision-making methods would be studied for the networks with large scale decision spaces and complicated states. The research in the project could enrich the network resources cognitive collaborative optimization of heterogeneous unmanned systems, and could promote the development and application of heterogeneous unmanned systems techniques.

异构无人系统将在未来战争、物联网等军用和民用领域扮演极其重要的角色，其中无人系统的高效协同合作依赖于可靠的网络连接和资源管理，然而现有无线资源优化方法难以应对其任务驱动和异构网络特性带来的新挑战。本项目针对无人系统协同合作中的任务驱动和异构网络特性，以认知协同优化为切入点，将“感知—学习—决策”的认知思想融入到协同资源优化方法中，从任务驱动的无人机合作关联分析、合作资源优化博弈模型以及快速高效决策学习方法这三个方面开展研究。提出网络资源认知协同优化框架，着力研究复杂任务情况下的无人机合作效用分析与认知协同编组方法，构建虚拟扁平化、混合分层、联合分簇等三种不同的无人机异构网络合作博弈模型，并研究适用于大规模决策空间和复杂网络状态的快速高效决策学习方法，以期实现面向异构无人系统的网络资源认知协同优化，推动无人系统技术的应用发展。

本项目针对无人系统协同合作中的任务驱动和异构网络特性，从复杂任务场景下的无人机合作关联分析、异构网络合作博弈模型以及快速高效学习机理三个方面，研究了面向异构无人系统的网络资源认知协同优化方法。.主要研究内容和结果如下：（1）面向复杂任务的合作关联分析。针对复杂任务场景中无人机的不同资源需求和任务关联关系，研究了无人机之间的平等合作和分层合作模式，构建了基于用户QoE的合作效用函数和面向多维资源分配的通信及干扰超图模型，实现了任务需求与多维资源的匹配和优化。（2）面向无人系统的异构网络合作博弈模型。针对不同无人系统应用场景下无人机网络结构的异构特性，构建了面向多维资源的虚拟并行合作博弈、面向多层网络的混合分层合作博弈、面向区域用户的虚拟聚合匹配博弈等资源分配模型，实现无人系统合作机制和资源分配优化模型的构建。（3）面向大规模决策空间和复杂网络状态的快速高效学习机理。针对无人机覆盖部署、缓存文件选择和动态信道分配等典型网络资源分配场景，结合无人机之间关联关系、资源使用规律和动作约束等信息，提出面向大规模决策空间和面向大规模用户需求的快速学习方法，以及面向动态网络干扰的高效学习方法。.本项目共录用发表学术论文9篇，其中SCI期刊论文5篇、中文期刊论文1篇、会议论文3篇；申请受理国家发明专利2项。培养硕士研究生3名（已毕业3名）。