流量卸载中用户设备通信半径的控制方法
1.本技术属于流量卸载技术领域，尤其涉及一种流量卸载中用户设备通信半径的控制方法。
背景技术：
2.移动数据流量卸载（或简称流量卸载）通过使用各类空闲的网络资源来承载原来加载在热点区域移动蜂窝网上的数据流量，可以有效的缓解移动蜂窝网络的拥塞，提高网络吞吐量、扩大网络覆盖范围以及降低网络能耗。基于通信设备到设备（d2d，device-to-device）的流量卸载技术使用户设备之间直接通过d2d链路传输数据以实现内容共享，基于d2d的流量卸载过程通常有四个步骤：为其服务范围内请求服务的用户设备提供服务；当区域内有过多用户请求服务时，将发生网络拥塞，用户设备无法实时享受服务，并且运营商无法为区域外的用户设备提供服务；将内容卸载给服务区域中的部分用户设备；该部分用户设备利用d2d多播通信与需要的用户进行内容共享，帮助向其他用户设备提供服务。用户设备的积极参与是上述过程的重要前提，用户设备在参与卸载任务的过程中提供的通信半径越大，参与的卸载任务越多，在网络拥塞时就能够帮助向更多的用户提供数据流量服务，从而大大降低网络拥塞、提高网络吞吐量。因此，在流量卸载中设计合适的优化方案，扩大用户设备的通信半径，具有重要的研究价值。
3.可见，为使用户设备参与更多的卸载任务，亟需一种能有效促使用户设备扩大通信半径的方法。
技术实现要素：
4.本技术实施例提供了一种流量卸载中用户设备通信半径的控制方法，可以解决用户设备的通信半径不足的问题。
5.本技术实施例提供了一种流量卸载中用户设备通信半径的控制方法，包括：s1，向覆盖范围内的所有用户设备发布第轮卸载任务；其中，为整数，，表示发布卸载任务的总轮次数，发布的卸载任务的成功参数值小于卸载任务的初始成功参数值；s2，在偏向学习的增强阶段，确定用户设备完成卸载任务的预期成功参数值，并将发布的卸载任务的成功参数值降低至，所有用户设备完成卸载任务的预期成功参数值中的最小值；其中，用户设备为所有用户设备中的第个用户设备，，表示所有用户设备的总数；s3，根据在偏向学习的增强阶段确定出的预期成功参数值以及发布的卸载任务的成功参数值，确定用户设备完成卸载任务的决策参照指标值；s4，根据卸载任务的实际成功参数值、在偏向学习的增强阶段确定出的预期成功参数值以及发布的卸载任务的成功参数值，确定用户设备对卸载任务进行决策的
累计评估值；s5，按照决策参照指标值最大化原则，利用确定出的累计评估值计算用户设备实际在完成卸载任务时的通信半径，并控制用户设备以确定出的通信半径完成卸载任务；其中，确定出的通信半径大于用户设备的原始通信半径。
6.本技术的上述方案有如下的有益效果：在本技术的实施例中，在发布卸载任务时，通过降低卸载任务的成功参数值的方式降低卸载任务的完成难度，同时通过偏向学习确定用户设备对卸载任务的决策参照指标值和累计评估值，从而使用户设备对自己完成卸载任务的能力和收益概率产生比实际更高的判断，进而使得在按照决策参照指标值最大化原则进行通信半径的确定时，确定出的通信半径大于用户设备的原始通信半径，实现扩大用户设备通信半径的效果。
7.本技术的其它有益效果将在随后的具体实施方式部分予以详细说明。
附图说明
8.为了更清楚地说明本技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
9.图1为本技术一实施例提供的与用户设备的网络结构图；图2为本技术一实施例提供的流量卸载中用户设备通信半径的控制方法的流程图；图3为本技术一具体实验中累计评估值与完成卸载任务的次数之间的曲线示意图；图4为本技术一具体实验中使用现有方法与本技术的控制方法对用户设备的通信半径进行控制时，通信半径的比较曲线示意图。
具体实施方式
10.以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本技术实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本技术。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本技术的描述。
11.应当理解，当在本技术说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
12.还应当理解，在本技术说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
13.如在本技术说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0014]
另外，在本技术说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
[0015]
在本技术说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本技术的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
[0016]
针对流量卸载用户设备在执行流量卸载任务时通信半径不足的问题，本技术的实施例提供了一种流量卸载中用户设备通信半径的控制方法，该控制方法通过在发布卸载任务时，降低卸载任务的成功参数值的方式降低卸载任务的完成难度，同时通过偏向学习确定用户设备对卸载任务的决策参照指标值和累计评估值，从而使用户设备对自己完成卸载任务的能力和收益概率产生比实际更高的判断，进而使得在按照决策参照指标值最大化原则进行通信半径的确定时，确定出的通信半径大于用户设备的原始通信半径，实现扩大用户设备通信半径的效果。
[0017]
下面结合具体实施例对本技术提供的流量卸载中用户设备通信半径的控制方法进行示例性的说明。
[0018]
本技术实施例提供的流量卸载中用户设备通信半径的控制方法可应用于，如图1所示，在上述控制方法中，101可向其覆盖范围内的多个用户设备102发布卸载任务，图1中仅示意了3个用户设备。
[0019]
如图2所示，本技术实施例提供的流量卸载中用户设备通信半径的控制方法包括如下步骤：s1，向覆盖范围内的所有用户设备发布第轮卸载任务。
[0020]
上述用户设备为参与流量卸载任务的流量卸载用户设备；为整数，，表示发布卸载任务的总轮次数，发布的卸载任务的成功参数值小于卸载任务的初始成功参数值。其中，上述成功参数值用于表征卸载任务的完成难度，具体的，成功参数值越大，表明该卸载任务的完成难度越大。
[0021]
在本技术的一些实施例中，在发布每轮卸载任务时，发布的卸载任务集合，，表示卸载任务的总数，表示第个卸载任务，，即，为中的任一卸载任务，的属性表示的实际成功参数值，越大，需要用户设备提供的通信半径和吞吐量越大，的属性为发布的成功参数值。
[0022]
s2，在偏向学习的增强阶段，确定用户设备完成卸载任务的预期成功参数值，并将发布的卸载任务的成功参数值降低至，所有用户设备完成卸载任务的预期成功参数值中的最小值。
[0023]
其中，用户设备为所有用户设备中的第个用户设备，，表示所有用户设备的总数。
[0024]
在本技术的一些实施例中，在偏向学习的增强阶段，可依据偏向学习函数确定用户设备完成卸载任务的预期成功参数值。在计算得到所有用户设备对卸载任务的预
期成功参数值之后，可从计算出的预期成功参数值中筛选出最小值，并将卸载任务的成功参数值降低至该最小值。即可以理解为，在将卸载任务的成功参数值降低至该最小值后，发布的卸载任务的成功参数值为该最小值。
[0025]
示例性的，上述偏向学习函数的表达式为：在上述表达式中，表示用户设备在偏向学习了次信息后的结果，为信息的参照学习结果，为参照因子，表示信息的实际学习结果，表示用户设备在偏向学习了次信息后的结果，和为用户设备在实际学习过程中的两种状态，为学习成功状态，为学习失败状态，为用户设备的偏向学习因子，表示状态对用户设备的影响程度，被量化后的取值范围为，为学习因子。
[0026]
具体的，在偏向学习的增强阶段，可通过如下公式计算用户设备完成卸载任务的预期成功参数值：其中，表示用户设备在增强阶段（即偏向学习的增强阶段）完成了次卸载任务之后的预期成功参数值，表示增强次数，表示发布的卸载任务的成功参数值，表示用户设备在增强阶段（即偏向学习的增强阶段）完成了次卸载任务之后的预期成功参数值，表示用户设备的偏向学习因子，，表示卸载任务的实际成功参数值。
[0027]
s3，根据在偏向学习的增强阶段确定出的预期成功参数值以及发布的卸载任务的成功参数值，确定用户设备完成卸载任务的决策参照指标值。
[0028]
在本技术的一些实施例中，在偏向学习的增强阶段，可通过公式确定用户设备完成卸载任务的决策参照指标值。
[0029]
其中，表示用户设备完成卸载的决策参照指标值，表示用户设备完成卸载任务的收益函数，，表示卸载任务的单位通信的收益（即用户设备完成卸载任务的单位通信收益），表示发布的卸载任务的成功参数值，表示用户设备在完成卸载任务时的吞吐量，，表示卸载任务的实际成功参数值（实际成功参数值等于预期成功参数值，可以理解的是，不同用户设备的具体取值可能不同），表示用户设备在完成卸载任务时的通信半径，
表示用户设备完成卸载任务的开销函数，，表示单位通信的功率开销，，用户设备完成卸载任务的实际单位通信收益为。
[0030]
s4，根据卸载任务的实际成功参数值、在偏向学习的增强阶段确定出的预期成功参数值以及发布的卸载任务的成功参数值，确定用户设备对卸载任务进行决策的累计评估值。
[0031]
在本技术的一些实施例中，在偏向学习的增强阶段，可通过公式确定用户设备对卸载任务进行决策的累计评估值。其中，表示用户设备已经完成了次卸载任务之后、按照偏向学习结果对卸载任务进行决策的累计评估值。
[0032]
其中，当时，因为，所以。
[0033]
s5，按照决策参照指标值最大化原则，利用确定出的累计评估值计算用户设备实际在完成卸载任务时的通信半径，并控制用户设备以确定出的通信半径完成卸载任务。
[0034]
其中，按照决策参照指标值最大化原则确定出的通信半径大于用户设备的原始通信半径，该原始通信半径可以理解为在执行本技术所提供的控制方法之前的通信半径。
[0035]
在本技术的一些实施例中，用户设备在执行第轮卸载任务中的卸载任务前，可先按照决策参照指标值最大化原则，确定完成卸载任务时的通信半径，然后再按确定好的通信半径完成卸载任务，以在扩大通信半径之后，再执行卸载任务。
[0036]
值得一提的是，在本技术的一些实施例中，通过在发布卸载任务时，降低卸载任务的成功参数值的方式降低卸载任务的完成难度，同时通过偏向学习确定用户设备对卸载任务的决策参照指标值和累计评估值，而根据偏向学习理论，用户设备会通过对历史预测值与真实值之差进行学习，获得新的预测结果，并且会更加偏向于加强已知信息在决策中的权重值，且当偏向学习达到一定程度时，用户设备会提高对该偏向学习结果的确定性和收益判断，从而更积极地、努力的执行该学习结果，基于此，使得用户设备对自己完成卸载任务的能力和收益概率产生比实际更高的判断，进而使得在按照决策参照指标值最大化原则进行通信半径的确定时，确定出的通信半径大于用户设备的原始通信半径，实现扩大用户设备通信半径的效果。
[0037]
下面结合具体实施例对偏向学习的增强阶段和持续阶段进行示例性的说明。
[0038]
在本技术的一些实施例中，当发布卸载任务后，默认用户设备处于偏向学习的增强阶段，当在偏向学习的增强阶段确定出用户设备对卸载任务进行决策的累计评估值后，先确定在增强阶段确定出的累计评估值的增强阈值，然后再判断在增强阶段确定出的累计评估值是否达到该增强阈值，并依据判断结果确定用户设备是处于偏向学习的增强阶段，还是处于偏向学习的持续阶段，进而进行通信半径的计算。
[0039]
具体的，在本技术的一些实施例中，确定在增强阶段确定出的累计评估值的增强阈值的具体实现方式可以为：先确定与增强次数之间的关系满足：
其中，表示卸载任务的实际成功参数值与发布的卸载任务的成功参数值之间的比值，，表示阈值因子，且，表示用户设备的偏向学习因子，。
[0040]
然后，进一步确定与增强次数之间的关系满足：之间的关系满足：其中，随着增强次数的增加而增加，的上极限值为，当趋近的上极限值时，计算获得累计评估值的增强阈值为：。
[0041]
在本技术的一些实施例中，若在增强阶段确定出的累计评估值未达到增强阈值，则确定用户设备处于偏向学习的增强阶段，按照决策参照指标值最大化原则，利用在增强阶段确定出的累计评估值计算用户设备实际在完成卸载任务时的通信半径，并控制用户设备以通信半径完成卸载任务。其中，通信半径大于用户设备的原始通信半径。
[0042]
具体的，在偏向学习的增强阶段，可依据（指的是在偏向学习的增强阶段确定出的）的最大化原则，通过公式计算用户设备实际在完成卸载任务时的通信半径。
[0043]
其中，表示卸载任务的单位通信的收益，表示在偏向学习的增强阶段确定出的累计评估值（cumulative evaluation function value，cev），表示单位通信的功率开销，表示用户设备的最大通信半径。
[0044]
若在增强阶段确定出的累计评估值达到增强阈值，则确定用户设备处于偏向学习的持续阶段，通过如下步骤对通信半径进行控制：步骤一，将发布的卸载任务的成功参数值增大至初始成功参数值，并在偏向学习的持续阶段，确定用户设备完成卸载任务的预期成功参数值。
[0045]
在本技术的一些实施例中，当用户设备处于偏向学习的持续阶段时，表明用户设备的通信半径已扩大一定程度，此时若不增加卸载任务的完成难度，用户设备便很容易完成卸载任务，同时的开销也会增加，因此，为平衡开销与通信半径之间的关系，会加大卸载任务的完成难度。具体的，会将发布的卸载任务的成功参数值调整为的
初始成功参数值。即可以理解为，在将卸载任务的成功参数值调整为的初始成功参数值后，发布的卸载任务的成功参数值为该初始成功参数值。
[0046]
相应的，在偏向学习的持续阶段，可通过如下公式计算用户设备完成卸载任务的预期成功参数值：其中，表示用户设备在持续阶段完成了次卸载任务之后的预期成功参数值，表示持续次数，表示增强阈值，表示卸载任务的实际成功参数值，表示用户设备在持续阶段完成了次卸载任务之后的预期成功参数值，表示发布的卸载任务的成功参数值，表示用户设备的偏向学习因子，，表示卸载任务的实际成功参数值。
[0047]
步骤二，根据在偏向学习的持续阶段确定出的预期成功参数值以及发布的卸载任务的成功参数值，确定用户设备完成卸载任务的决策参照指标值，并根据卸载任务的实际成功参数值、在偏向学习的持续阶段确定出的预期成功参数值以及的卸载任务的成功参数值，确定用户设备对卸载任务进行决策的累计评估值。
[0048]
在本技术的一些实施例中，在偏向学习的持续阶段获取决策参照指标值的公式与在偏向学习的增强阶段获取决策参照指标值的公式相同。即，在偏向学习的持续阶段，也可通过公式确定用户设备完成卸载任务的决策参照指标值。需要说明的是，虽然公式相同，但公式中参数的具体数值不同，例如的取值不同，且在偏向学习的持续阶段，。
[0049]
类似的，在偏向学习的持续阶段获取累计评估值的公式与在偏向学习的增强阶段获取累计评估值的公式相同。即，在偏向学习的持续阶段，也可通过公式确定用户设备完成卸载任务的决策参照指标值。需要说明的是，虽然公式相同，但公式中参数的具体数值不同，例如的取值不同，且在持续阶段，为上述，基于此，为便于描述，持续阶段确定出的累计评估值记为。
[0050]
步骤三，按照决策参照指标值最大化原则，利用在持续阶段确定出的累计评估值计算用户设备实际在完成卸载任务时的通信半径，并控制用户设备以通信半径完成卸载任务；其中，通信半径大于用户设备的原始通信半径。
[0051]
具体的，在偏向学习的持续阶段，可依据（指的是在偏向学习的持续阶段确定出的）的最大化原则，通过公式计算用户设备实际在完成卸载任务时的通信半径。
[0052]
其中，表示卸载任务的单位通信的收益，表示在偏向学习的持续阶段确定出的累计评估值（cumulative evaluation function value，cev），表示单位通信的功率开销，表示用户设备的最大通信半径。
[0053]
需要说明的是，当用户设备处于偏向学习的持续阶段时，由于通过偏向学习确定用户设备对卸载任务的决策参照指标值和累计评估值，从而使用户设备对自己完成卸载任务的能力和收益概率产生比实际更高的判断，进而使得用户设备在卸载任务的完成难度上升的情况下，还是会参与卸载任务，在一定程度上提高了用户设备的任务完成次数。
[0054]
在此以一具体的实验数据对任务完成次数的提高进行说明。在该实验中，设置发布的每轮卸载任务的总数为10，所有卸载任务的单位吞吐量的收益相同，用户设备的数量为50，其他参数的设置情况如表1所示。
[0055]
表1基于上述参数，利用本技术提供的控制方法对用户设备的通信半径进行控制，当用户设备处于偏向学习的持续阶段时，如图3所示，随着持续阶段的累计评估值（即在持续阶段确定出的计评估值）下降，用户设备完成卸载任务的次数还是缓慢递增的。
[0056]
在本技术的一些实施例中，在控制用户设备以通信半径完成卸载任务之后，还需确定在偏向学习的持续阶段确定出的累计评估值的持续阈值，以确定是否继续向用户设备发布下一轮卸载任务，以便发布下一轮卸载任务。
[0057]
具体的，若在偏向学习的持续阶段确定出的累计评估值小于持续阈值，则不向用户设备发布下一轮卸载任务，而若在偏向学习的持续阶段确定出的累计评估值大于或等于持续阈值，则继续向用户设备发布下一轮卸载任务。
[0058]
其中，在本技术的一些实施例中，确定上述持续阈值的具体实现方式可以为：首先确定在偏向学习的持续阶段确定出的累计评估值与持续次数之间的关系满足：其中，表示阈值因子，且，表示卸载任务的实际成功参数值与发布的卸载任务的成功参数值之间的比值，。
[0059]
然后，进一步确定与持续次数之间的关系满足：
其中，随着持续次数的增加而减小，且的下极限值为0，当趋近的下极限值0时，计算获得的持续阈值为：。
[0060]
下面结合具体实验数据对本技术提供的控制方法进行示例性说明。
[0061]
在具体实验中，在提供相同数据的情况下，分别利用现有的一般激励机制（nim，normal incentive mechanism）方法、基于拉格朗日乘子的迭代算法（lmm-ia，langrange multiplier method based iterative algorithm）方法以及本技术提供的控制方法（ocim-r）对用户设备的通信半径控制，如图4所示，与现有的技术相比，现有的大多数激励机制研究是假设用户设备能充分使用以往的信息，从而对选择行为的各种可能结果形成先验的概率判断，而当新的信息样本出现时，用户设备可基于新信息来对先验概率实施贝叶斯更新，从而形成后验概率，并基于概率计算得到期望的决策参照指标，从而进行决策。而本技术将偏向学习引入流量卸载系统，首先基于偏向学习函数设计了用户设备对预期成功参数值（sp）的评估方案，同时设置用户设备按照偏向学习结果进行决策的cev，通过在不同阶段采用不同的任务发布方式，提高了用户设备的预期sp和cev，从而提高了用户设备的通信半径；同时在扩大了用户设备的通信半径后，改变任务发布方案，获得了比相同收益下更大的通信半径，也增加了用户设备的任务完成次数。相较于对比的机制，本技术的方案可以提高用户设备的通信半径和增加用户设备的任务完成次数，因此本技术的方案具有更有效的优化效果。
[0062]
以上所述是本技术的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本技术所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本技术的保护范围。
技术特征：
1.一种流量卸载中用户设备通信半径的控制方法，其特征在于，包括：s1，向覆盖范围内的所有用户设备发布第轮卸载任务；其中，为整数，，表示发布卸载任务的总轮次数，发布的卸载任务的成功参数值小于卸载任务的初始成功参数值；s2，在偏向学习的增强阶段，确定用户设备完成卸载任务的预期成功参数值，并将发布的卸载任务的成功参数值降低至，所有用户设备完成卸载任务的预期成功参数值中的最小值；其中，用户设备为所述所有用户设备中的第个用户设备，，表示所述所有用户设备的总数；s3，根据在偏向学习的增强阶段确定出的预期成功参数值以及发布的卸载任务的成功参数值，确定用户设备完成卸载任务的决策参照指标值；s4，根据卸载任务的实际成功参数值、在偏向学习的增强阶段确定出的预期成功参数值以及发布的卸载任务的成功参数值，确定用户设备对卸载任务进行决策的累计评估值；s5，按照决策参照指标值最大化原则，利用确定出的累计评估值计算用户设备实际在完成卸载任务时的通信半径，并控制用户设备以确定出的通信半径完成卸载任务；其中，确定出的通信半径大于用户设备的原始通信半径。2.根据权利要求1所述的控制方法，其特征在于，步骤s5包括：确定在增强阶段确定出的累计评估值的增强阈值；若在增强阶段确定出的累计评估值未达到所述增强阈值，则按照决策参照指标值最大化原则，利用在增强阶段确定出的累计评估值计算用户设备实际在完成卸载任务时的通信半径，并控制用户设备以通信半径完成卸载任务；其中，通信半径大于用户设备的原始通信半径；若在增强阶段确定出的累计评估值达到所述增强阈值，则将发布的卸载任务的成功参数值增大至所述初始成功参数值，并在偏向学习的持续阶段，确定用户设备完成卸载任务的预期成功参数值；根据在偏向学习的持续阶段确定出的预期成功参数值以及发布的卸载任务的成功参数值，确定用户设备完成卸载任务的决策参照指标值，并根据卸载任务的实际成功参数值、在偏向学习的持续阶段确定出的预期成功参数值以及发布的卸载任务的成功参数值，确定用户设备对卸载任务进行决策的累计评估值；按照决策参照指标值最大化原则，利用在持续阶段确定出的累计评估值计算用户设备实际在完成卸载任务时的通信半径，并控制用户设备以通信半径完成卸载任务；其中，通信半径大于用户设备的原始通信半径。3.根据权利要求2所述的控制方法，其特征在于，所述在偏向学习的增强阶段，确定用户设备完成卸载任务的预期成功参数值，包括：在偏向学习的增强阶段，计算用户设备完成卸载任务的预期成功参数值的公式为：
其中，表示用户设备在增强阶段完成了次卸载任务之后的预期成功参数值，表示增强次数，表示发布的卸载任务的成功参数值，表示用户设备的偏向学习因子，，表示卸载任务的实际成功参数值。4.根据权利要求3所述的控制方法，其特征在于，所述确定用户设备完成卸载任务的决策参照指标值，包括：通过公式确定用户设备完成卸载任务的决策参照指标值；其中，表示用户设备完成卸载任务的决策参照指标值，表示用户设备完成卸载任务的收益函数，，表示卸载任务的单位通信的收益，表示发布的卸载任务的成功参数值，表示用户设备在完成卸载任务时的吞吐量，，表示卸载任务的实际成功参数值，表示用户设备在完成卸载任务时的通信半径，表示用户设备完成卸载任务的损耗函数，，表示单位通信的功率开销。5.根据权利要求4所述的控制方法，其特征在于，s4包括：通过公式确定用户设备对卸载任务进行决策的累计评估值；其中，表示用户设备已经完成了次卸载任务之后、对卸载任务进行决策的累计评估值。6.根据权利要求5所述的控制方法，其特征在于，所述确定在增强阶段确定出的累计评估值的增强阈值，包括：确定与增强次数之间的关系满足：当趋近的上极限值时，计算获得所述累计评估值的增强阈值为：；其中，表示卸载任务的实际成功参数值与发布的卸载任务的成功参数值之间的比值，，表示阈值因子，且。7.根据权利要求2所述的控制方法，其特征在于，所述利用在增强阶段确定出的累计评估值计算用户设备实际在完成卸载任务时的通信半径，包括：
通过公式计算用户设备实际在完成卸载任务时的通信半径；所述利用在持续阶段确定出的累计评估值计算用户设备实际在完成卸载任务时的通信半径，包括：通过公式计算用户设备实际在完成卸载任务时的通信半径；其中，表示卸载任务的单位通信的收益，表示在偏向学习的增强阶段确定出的累计评估值，表示在偏向学习的持续阶段确定出的累计评估值，表示单位通信的功率开销，表示用户设备的最大通信半径。8.根据权利要求2所述的控制方法，其特征在于，所述在偏向学习的持续阶段，确定用户设备完成卸载任务的预期成功参数值，包括：在偏向学习的持续阶段，计算用户设备完成卸载任务的预期成功参数值的公式为：其中，表示用户设备在持续阶段完成了次卸载任务之后的预期成功参数值，表示持续次数，表示所述增强阈值，表示卸载任务的实际成功参数值。9.根据权利要求2所述的控制方法，其特征在于，在所述控制用户设备以通信半径完成卸载任务之后，所述控制方法还包括：确定在偏向学习的持续阶段确定出的累计评估值的持续阈值；若在偏向学习的持续阶段确定出的累计评估值小于所述持续阈值，则不向用户设备发布下一轮卸载任务。10.根据权利要求9所述的控制方法，其特征在于，所述确定在偏向学习的持续阶段确定出的累计评估值的持续阈值，包括：确定在偏向学习的持续阶段确定出的累计评估值与持续次数之间的关系满足：当趋近的下极限值0时，计算获得的持续阈值为：；其中，表示阈值因子，且，表示卸载任务的实际成功参数值与发布的卸载任务的成功参数值之间的比值，。
技术总结
本申请适用于流量卸载技术领域，提供了一种流量卸载中用户设备通信半径的控制方法，包括：向覆盖范围内的用户设备发布第轮卸载任务；确定用户设备完成卸载任务的预期成功参数值，降低卸载任务的成功参数值；确定用户设备完成卸载任务的决策参照指标值；确定用户设备对卸载任务进行决策的累计评估值；按照决策参照指标值最大化原则，计算用户设备实际在完成卸载任务时的通信半径，控制用户设备以该通信半径完成卸载任务。本申请能扩大用户设备的通信半径。半径。半径。
