[发明专利]认知无线电网络中基于重复博弈的组播路由算法

权利要求书

1.认知无线电网络中基于重复博弈的组播路由算法，所述算法具体步骤如下：

1.1建立组播路由算法的单阶段博弈模型：

在该博弈模型中，博弈的参与者是认知无线电网络中的所有理性认知节点，行动策略是参与选路的节点选择路径的集合，效用函数是实现从认知节点到目标节点之间所选路径的端到端延时最小，针对认知无线电网络中的路由选择博弈过程，形式化定义如下：

①博弈G中的每个阶段子博弈为Γ；

②网络中共有n个理性认知节点，它们组成博弈参与者集合N，N＝{1，2，...，n}；

③S_i表示参与节点i的策略集，定义集合S＝{S₁，S₂，...，S_n}；

④定义效用函数集U_i：S→R，效用函数U_i(v_ij)；

⑤在博弈G中，对于每一个参与节点i，效用函数U_i是S_i和其对手S_-i的函数，其中，S_i是参与节点i的策略，S_-i是其对手的策略；

⑥贴现因子δ看成是认知节点关于历史偏好的变量；

基于以上说明，该博弈模型如下：

G＝{Γ，N，{S_i}_i∈N，{U_i}_i∈N，δ}；

1.2参与节点i的端到端延迟时间；

假定参与节点i选择路径j，假设链路的容量为c_j，链路上数据流的速率为v_j，则单个包在路径上的延迟时间为1/(c_j-v_j)；认知网络中有多个参与节点，所以考虑多个数据流的情况，假设网络有n个理性路由器R₁，R₂，...，R_n，即博弈的参与者，这些路由器分别以λ₁，λ₂，...，λ_n的泊松分布形式向网络发送数据；假设R_i所选择的路径为l_j，则其处理能力，即链路容量为μ_ij；v_ij表示认知节点i沿路径j转发数据流的速率；

定义数据流在每条路径上的延迟时间为

Dij(vij)=1/(cij-Σk=1nvkjλk)]]>

则参与节点i的端到端延迟时间为

Ui(vij)=Σj=1nvijDij(vij)=Σj=1n[vij/(cij-Σk=1nvkjλk)]]]>

1.3建立组播路由算法的多阶段博弈模型；

假定，表示节点i在t时间的行动策略，每一个阶段的策略t时间的历史h^t＝(a⁰，a¹，...，aⁿ)，则节点i在t阶段博弈中的行动策略可以表示为这里

在t阶段的重复博弈中，节点的效用函数为

Uit(vijt)=Σj=1nvijtDijt(vijt)=Σj=1n[vijt/(cij-Σk=1nvkjtλk)]]]>

则

其中，ρ_ij(k)表示节点i选择链路j的概率，且ρ_ij∈[-1，1]

上式中，表示认知节点i选择的链路j在t时间时的声誉定义此时节点的效用函数为

其中，α，β为加权因子

对于每一时间t，参与者i的效用是则效用流可以表示成

(1-δ)Σt=0∞δtsit]]>

1.4验证算法可靠性

由步骤1.1得到了该博弈的效用函数U_i，每个参与节点选择延迟时间最短的路径，要求延迟时间最小，即

min{U_i(v_ij)}

利用规划求解法，该博弈模型中参与节点i的最优解为：

vij=[cij-(cij)1/2(Σj=1ncij-λi)/Σj=1n(cij)1/2]/λi]]>

即，当v_ij取该值时，参与节点所选择的路径延迟时间最小。

2.根据权利要求1所述的认知无线电网络中基于重复博弈的组播路由算法，其特征在于：在所述步骤1.3的多阶段博弈模型中，还可以通过将路由选择的历史参与到路由选择中，从而为下次路由选择提供了参考，并节省了大量计算相同路径延迟时间的带宽，进而有效地简化了算法的冗余度，具体步骤如下：

分析算法冗余度

根据节点与链路之间可能的情况，假设：

U(链路不是最优，节点未选择)＝U(N，N)＝v′，

U(链路最优，节点未选择)＝U(Y，N)＝v″，

U(链路不是最优，节点选择)＝U(N，Y)＝v″′，

U(链路最优，节点选择)＝U(Y，Y)＝v″″；

假设在t＝0时刻博弈参与的双方，即节点和链路通过合作达到纳什均衡，则在t＝1时刻，历史h¹＝(N，N)，因此，双方再次合作，t＝2时刻，h²＝((N，N)，(N，N))，以此类推到之后所经过的时刻；

在前t时间里，节点获得的收益是v′，假设在t时刻节点首先选择了偏离之前所达到的均衡状态，即，节点选择该链路进行数据传输，此时，节点的收益为v″；由于节点的选择，诱使链路最优，从而在之后的t+1，t+2，...时刻，节点获得的收益是v″″；

由于前t时间参与者的收益为v′_i，t时刻的收益是v″_i，t之后的每一时刻收益为v_i″″，因此，此时的平均贴现值为

(1-δ^t)v′_i+δ^t[(1-δ)v″_i+δv″″_i]

针对不同的δ值计算节点的平均贴现值，发现，对于v″″＞v″＞v′＞v″′，当δ≥1/2时博弈的双方才能维持合作，即，在有限次重复博弈中，如果节点一直不选择特定的链路，则纳什均衡将会一直持续下去。