基于纳什议价的无人机编队自主重构控制方法

针对任务环境下携带不同载荷的无人机(Unmanned aerial vehicles, UAVs)组成的编队, 为实现无人机间的相互支援和补充而进行编队重构控制, 运用多目标多人博弈理论, 将其转化为纳什谈判过程. 结合分布式模型预测控制(Distributed model predictive control, DMPC)方法, 设计一种基于纳什谈判的分布式预测控制(Nash bargaining solution-DMPC, NBS-DMPC)算法求解该问题, 并对算法收敛性进行了证明. 仿真实验表明, 该算法能够有效控制编队自主重构, 实现编队无人机间的威胁规避和协同保护, 同时能够有效降低无人机编队自主重构控制问题的求解规模.  

通信延迟条件下无人机编队重构的自主安全控制

多架无人机协同执行任务是未来网络化战场上的一种重要作战要求,然而复杂战场环境的变化极大地影响无人机编队的生存能力.为了自主安全地实现复杂战场环境中存在通信延迟的无人机编队重构控制,构建基于分层结构的无人机编队重构的自主安全控制架构.然后,提出一种基于纳什谈判的分布式预测控制(Nash bargaining solution-distributed model prediction control,NBS-DMPC)的新方法.针对存在通信延迟的问题,设计了基于信息滤波算法的信息补偿方法.最后,仿真实验表明所提算法能够自主安全地控制无人机编队重构并能有效降低问题的求解规模.同时仿真结果也验证了所提信息滤波算法在通信时延下的有效性.  

基于NBS优化的认知网络高能效资源分配

在具有多个次级用户的认知无线电网络中,资源分配问题通常需要同时考虑能效、网络编码的合作传输.针对多次级用户的资源分配问题,使用纳什议价方案建立了一种博弈.该博弈使用考虑成对策略的NBS函数和作为网络优化目标,并使用上下文环境作为约束;引入对次级用户间的双赢合作,使系统的吞吐量和公平性性能得到了改善,并基于此提出了一种高能效的次优资源分配方案.仿真结果显示,所提算法在公平性和能量效率两方面折中的性能要好于通常的距离成对机制,同时其计算复杂度也低于遍历搜索最优化方法.  

业务量工程中负载均衡与能量效率的折中——基于博弈论的多目标优化

本文研究了如何对业务量工程中的两个重要目标：负载均衡和能量效率进行公平折中。为此，本文基于纳什议价的框架，建立威胁值博弈模型来对业务量路由进行协商。为了避免博弈者自私决策而导致不公平的解或是议价失败，本文还将威胁值博弈拓展成重复博弈，并用机制设计来保证议价结果存在以及得到的解的公平性。通过严格的数学证明，以及在NSFNET中的应用可以看出，本文提出的方案不仅易于实施，还能保证对负载均衡和能量效率两个目标折中的公平性。  

基于纳什议价的P2P社会网络资源共享

针对Peer-to-Peer（P2P）社会网络中存在的自由下载问题，本文提出一种基于纳什议价的节点资源共享博弈。首先，将节点共享资源分为两类:公共品资源和俱乐部资源。将社会网络中的节点关系集合分为：朋友集合 和普通集合 。节点在 集合中共享的资源作为公共品资源，在 集合中作为俱乐部资源。其次，本文采用纳什议价的方法证明存在节点共享能力、保证不同集合中节点共享资源的最小服务质量以及最大化节点共享资源效用函数的条件下，共享资源节点根据纳什议价权力对不同集合进行资源共享，达到最优的资源共享。再次，分析了基于纳什议价节点共享资源的公平性。最后，通过仿真验证表明：节点共享资源的收益和资源共享量与不同集合议价权力都正相关，保证最小服务质量的资源共享其公平性因子高于不存在服务质量保证的资源共享公平性因子。仿真结果验证了理论分析结果。  

OFDMA无线mesh网中公平资源分配算法

为了兼顾用户间公平性的同时最大化总的端到端速率,并克服现有分配算法在实际中难以实现的缺点,提出了一种新的分级资源分配算法.该算法首先根据有限的信息基于纳什议价解(NBS)进行粗分配(CA);其次根据完整的子载波增益信息排序方法进行细分配(FA).仿真结果表明,该算法不仅获得与基于最大速率准则的算法相近的总的端到端速率,而且保证了用户间的公平性;同时,该算法能以更低的复杂度获得与现有算法相近的端到端速率.