Cooperative UAV swarms typically adopt coalition-based network structures for executing tasks more efficiently. Coalition heads in such networks need to do both intra- and inter-coalition communication and may operate on different channels. While being equipped with multiple transceivers or switching among channels are alternative methods, this option would result in larger payload or incur delays. Fortunately, partially overlapping channels (POCs) can be used to forward messages on different channels since communication can be made on adjacent overlapped channels. This can help realize both intra- and inter-coalition communication with heads being equipped with only one transceiver and no switching. Therefore, this paper proposes a POC-based communication method where each coalition selects one of the POCs and UAVs in the same coalition operate on the same channel. While POCs enable information exchange among coalitions, they also incur inter-coalition interference and therefore the POC access problem is investigated. Owing to the coupled relationships among the strategies of coalitions, the problem is a combinatorial optimization one and an online learning algorithm is proposed. The algorithm is distributed and reduces the computation complexity to a great extent. Based on the knowledge of the potential game theory, the algorithm is proved to converge to the optimal solution of each stage asymptotically. Under three representative settings, simulations are made to verify the effectiveness of the proposed method.

协作无人机群通常采用基于联盟的网络结构来更有效地执行任务。这种网络中的联盟负责人既需要进行联盟内部通信，又需要进行联盟之间通信，并且可以在不同的信道上运行。虽然配备有多个收发器或在通道之间切换是替代方法，但此选项将导致更大的有效负载或引起延迟。幸运的是，由于可以在相邻的重叠信道上进行通信，因此可以使用部分重叠的信道（POC）在不同的信道上转发消息。通过仅配备一个收发器而不进行切换的磁头，可以帮助实现联盟内部和联盟之间的通信。所以，本文提出了一种基于POC的通信方法，其中每个联盟都选择同一个联盟中运行在同一信道上的POC和UAV中的一个。尽管POC可以实现联盟之间的信息交换，但是它们也会引起联盟间的干扰，因此需要研究POC的访问问题。由于联盟策略之间存在耦合关系，因此提出了一种组合优化方法，并提出了一种在线学习算法。该算法是分布式的，大大降低了计算复杂度。基于对潜在博弈论的认识，证明该算法渐近收敛于每个阶段的最优解。在三个代表性的设置下，进行仿真以验证所提出方法的有效性。尽管POC可以实现联盟之间的信息交换，但是它们也会引起联盟间的干扰，因此需要研究POC的访问问题。由于联盟策略之间存在耦合关系，因此提出了一种组合优化方法，并提出了一种在线学习算法。该算法是分布式的，大大降低了计算复杂度。基于对潜在博弈论的认识，证明该算法渐近收敛于每个阶段的最优解。在三个代表性的设置下，进行仿真以验证所提出方法的有效性。尽管POC可以实现联盟之间的信息交换，但是它们也会引起联盟间的干扰，因此需要研究POC的访问问题。由于联盟策略之间存在耦合关系，因此提出了一种组合优化方法，并提出了一种在线学习算法。该算法是分布式的，大大降低了计算复杂度。基于对潜在博弈论的认识，证明该算法渐近收敛于每个阶段的最优解。在三个代表性的设置下，进行仿真以验证所提出方法的有效性。由于联盟策略之间存在耦合关系，因此提出了一种组合优化方法，并提出了一种在线学习算法。该算法是分布式的，大大降低了计算复杂度。基于对潜在博弈论的认识，证明该算法渐近收敛于每个阶段的最优解。在三个代表性的设置下，进行仿真以验证所提出方法的有效性。由于联盟策略之间存在耦合关系，因此提出了一种组合优化方法，并提出了一种在线学习算法。该算法是分布式的，大大降低了计算复杂度。基于对潜在博弈论的认识，证明该算法渐近收敛于每个阶段的最优解。在三个代表性的设置下，进行仿真以验证所提出方法的有效性。