[论文解读] Self-Organizing Relay Selection in UAV Communication Networks: A Matching Game Perspective

Dianxiong Liu, Yuhua Xu+6 more|arXiv (Cornell University)|May 19, 2018

UAV Applications and Optimization参考文献 10被引用 7

一句话总结

本文提出了一种用于大规模无人机通信网络的分布式、自组织中继选择方案，采用匹配博弈理论解决动态、异构且信息受限的中继挑战。通过将源无人机和中继无人机建模为具有部分可替代性和不可替代性的多对多匹配市场中的参与者，该方法实现了快速收敛、高满意度，并对网络动态具有强鲁棒性，在仿真中优于集中式和最优响应方法。

ABSTRACT

For large unmanned aerial vehicle (UAV) networks, the timely communication is needed to accomplish a series of missions accurately and effectively. The relay technology will play an important role in UAV networks by helping drones communicating with long-distance drones, which solves the problem of the limited transmission power of drones. In this paper, the relay selection is seen as the entry point to improve the performance of self-organizing network with multiple optimizing factors. Different from the ground relay models, the relay selection in UAV communication networks presents new challenges, including heterogeneous, dynamic, dense and limited information characteristics. More effective schemes with distributed, fast, robust and scalable features are required to solve the optimizing problem. After discussing the challenges and requirements, we find that the matching game is suitable to model the complex relay model. The advantages of the matching game in self-organizing UAV communications are discussed. Moreover, we provide extensive applications of matching markets, and then propose a novel classification of matching game which focuses on the competitive relationship between players. Specifically, basic preliminary models are presented and some future research directions of matching game in UAV relay models are discussed.

研究动机与目标

• 解决大规模、自组织无人机网络中拓扑动态变化、信息受限及异构需求下的中继选择挑战。
• 克服集中式中继选择因通信开销高且在实时无人机操作中不切实际而带来的局限性。
• 开发一种适用于动态无人机联盟和移动中继场景的分布式、可扩展且鲁棒的中继选择机制。
• 探索匹配博弈理论在建模无人机中继网络中复杂、竞争性资源分配问题中的适用性。
• 研究在信息不完全、异构效用及网络动态变化条件下的性能表现，以增强实际可行性。

提出的方法

• 将无人机中继网络建模为源无人机与中继无人机之间的多对多匹配博弈，捕捉相互偏好与约束关系。
• 提出一种基于延迟接受的分布式匹配算法，具备稳定性保证，支持无需全局协调的本地决策。
• 构建融合传输速率、中继容量与干扰因素的效用函数，实现无人机间异构偏好的表达。
• 引入部分可替代性模型，其中高数据率源无人机无法完全替代低数据率源无人机，因资源需求具有互补性。
• 设计不可替代性模型，使中继无人机在匹配决策中同时考虑自身及他方的匹配结果，确保公平性与效率。
• 采用带偏好列表的迭代最优响应更新机制，在动态环境中实现稳定匹配结果。

实验结果

研究问题

• RQ1 如何使大规模无人机网络中的中继选择实现分布式、可扩展，并对动态变化具有鲁棒性？
• RQ2 与传统的集中式或启发式中继选择相比，匹配博弈理论在无人机网络中具有哪些优势？
• RQ3 中继匹配中的部分可替代性与不可替代性如何影响系统性能与稳定性？
• RQ4 在信息不完全和网络拓扑动态变化条件下，基于匹配博弈的方案能否保持性能稳定？
• RQ5 如何将异构无人机能力与服务需求整合进统一的匹配框架中？

主要发现

• 所提出的具有部分可替代性的分布式匹配博弈在所有测试网络规模下均显著提升了网络满意度，如图5(a)所示。
• 无替代性匹配博弈可收敛至接近全局最优的稳定解，性能优于最优响应启发式方法。
• 在经历网络扰动后（如第15和第30轮迭代中分别有8个源无人机退出、5个新源无人机加入），系统能迅速重新收敛至稳定匹配，展现出强鲁棒性。
• 该算法在动态任务分配与网络条件变化下仍能保持稳定性能，证实其适用于实时无人机操作。
• 仿真结果表明，匹配博弈模型能有效处理异构需求与信息受限问题，提升可扩展性与适应性。
• 该框架实现了高效、去中心化的资源分配，无需全局知识，降低了通信开销并增强了网络韧性。