面向无人机内容分发的联邦多臂弧学习

本文引入了一种基于无人机（UAV）的内容管理架构，适用于在各种灾难场景下通信被隔离的用户社区中的关键内容访问。该架构利用固定锚点无人机和移动微型无人机的混合网络，实现内容的普适分发。锚点无人机配备垂直和横向通信链路，服务本地用户；而移动微型提货无人机通过增加机动性扩展社区覆盖。焦点在于开发能够动态学习最优缓存策略的内容分发系统，以最大化内容可用性。核心创新是基于分布式联邦多臂弧（Federated Multi-Armed Bandit）学习的自适应内容分发框架。目标是根据地理时序内容热度和用户需求变化优化无人机内容缓存决策。还引入了选择性缓存算法（Selective Caching Algorithm），通过融合跨无人机的信息共享来减少冗余内容复制。该方法在保留用户偏好唯一性的同时，整合了分布式学习系统中的智能。该方法提高了学习算法适应多样化用户偏好的能力。功能验证和性能评估确认了该架构在不同网络规模、无人机群集和内容热度模式下的实用性。