面向无人机网络内容供给的多臂老虎机学习

本文提出了一种在通信受阻的灾难场景下由无人机（UAV）辅助的内容管理系统。在这种没有蜂窝基础设施的场景中，可以使用静态和移动无人机组成的混合网络，为受困用户群体提供对态势关键内容的访问。一组相对静态的锚定无人机可以从中央服务器下载内容，并为其本地用户提供内容访问。一组具有更广移动性的摆渡无人机可以在访问不同用户群体时，通过在不同锚定无人机之间穿梭来为用户提供内容。其目标是设计一个内容分发系统，该系统能够实时学习内容缓存策略，以最大化受困用户的内容可用性。本文提出了一种去中心化的 Top-k 多臂老虎机学习模型，用于无人机缓存决策，该模型考虑了内容流行度的时空差异和内容需求的异构性。所提出的范式能够结合 Top-k 多臂老虎机的期望奖励最大化属性和所提出的多维奖励结构，用于无人机处的缓存决策。本研究针对不同的用户指定可容忍访问延迟、异构流行度分布以及社区间的地理特征进行。所提出的缓存框架的功能验证和性能评估是在广泛的网络规模、无人机分布和内容流行度下完成的。