[发明专利]一种蜂窝和无人机一体化网络的选择方法及装置

权利要求书

1.一种蜂窝和无人机一体化网络的选择方法，其特征在于，包括：

获取动态网络模型和动态用户模型；其中，所述动态网络模型至少包括：无人机网络的位置模型、蜂窝网络的容量模型以及无人机网络的容量模型，所述动态用户模型至少包括：用户的位置模型、传输速率模型；

根据所述无人机网络的位置模型和所述用户的位置模型生成用户可接入网络集合；根据所述蜂窝网络的容量模型、所述无人机网络的容量模型、所述用户可接入网络集合以及所述传输速率模型生成随机事件向量；其中，所述用户可接入网络集合包括所述无人机网络和/或所述蜂窝网络；

根据所述随机事件向量生成动作向量；其中，所述动作向量用于表示所述用户选择接入所述无人机网络和/或所述蜂窝网络；

根据所述动作向量和所述随机事件向量获得每个用户的个体效益；

构建第一选择模型；其中，所述第一选择模型包括：第一目标函数和第一约束，所述第一目标函数为以所述个体效益的时间平均值为自变量的比例公平函数，所述第一约束至少包括：第一粗相关均衡约束、第一最小个体时间平均效益约束以及第一动作概率约束，所述第一粗相关均衡约束用于对所述个体效益的时间平均值和第一辅助变量进行约束，所述第一最小个体时间平均效益约束用于对所述个体效益的时间平均值进行约束，所述第一动作概率约束用于对在随机事件向量的条件下的动作概率进行约束；所述个体效益的时间平均值根据所述个体效益、随机事件概率和在随机事件向量的条件下的动作概率获得，所述在随机事件向量的条件下的动作概率为所述用户在随机事件向量发生的条件下执行所述动作向量的概率；所述随机事件概率为随机事件向量发生的概率；

根据所述第一选择模型获得所述动作概率的数值，以根据所述动作概率的数值确定用户选择接入的网络；

所述第一目标函数具体包括：其中，f₁表示第一目标函数，表示第i个用户的个体效益的时间平均值，表示比例公平函数；

所述第一粗相关均衡约束具体包括：

其中，ω表示所述随机事件向量，α表示所述动作向量，π[ω]表示所述随机事件向量概率，Pr[α|ω]表示所述在随机事件向量的条件下的动作概率，表示第i个用户的个体效益，和均表示第一辅助变量，α_i表示第i个用户选择接入网络j＝α_i，ω_i表示随机事件向量中第i个元素，υ_i表示第i个用户的预设事件，β_i表示第i个用户的预设动作，表示动作向量的可选集，Ω表示随机事件向量的可选集，表示第i个用户的预设动作的简化后可选集，表示第i个用户的预设事件的简化后可选集；

所述第一最小个体时间平均效益约束具体包括：表示第一最小个体时间平均效益，表示存在最小个体时间平均效益需求的用户的集合；

所述第一动作概率约束具体包括：

其中，表示随机事件向量ω下的动作向量的可选集。

2.根据权利要求1所述的方法，其特征在于，在所述根据所述动作向量和所述随机事件向量获得每个用户的个体效益之后，还包括：

构建第二选择模型，其中，所述第二选择模型包括第二目标函数和第二约束，所述第二目标函数为以所述个体效益的时间平均期望为自变量的比例公平函数，所述第二约束至少包括第二粗相关均衡约束、第二最小个体时间平均效益约束以及第二辅助变量约束，所述第二粗相关均衡约束用于对所述个体效益的时间平均期望和所述第二辅助变量的时间平均期望进行约束，所述第二最小个体时间平均效益约束对所述个体效益的时间平均期望进行约束，所述第二辅助变量约束用于对所述第二辅助变量进行约束；

根据所述第二选择模型获得所述动作向量的数值，以根据所述动作向量的数值确定用户选择接入的网络。