1.一种基于差异化服务的无人机资源动态部署方法，其特征在于，包括以下步骤：

1)构建动态需求模型，确定用户及无人机所有者的效用；

2)构建马尔科夫博弈模型，将步骤1)中的收益最大化问题转化为马尔科夫优化问题；

3)在完全信息状态下，构建专家策略，使得性能达离线最优；

4)在局部信息状态下，基于步骤3)获得的离线专家策略集，构建智能体在线学习策略；

所述步骤1)构建动态需求模型，确定用户及无人机所有者的效用，具体包括：动态需求模型包含H个热点区域，以及K个无人机所有者，在每个时隙t中，用户i以概率生成服务请求Λhi(t)并定义为 其中dhi(t)表示所需服务能力，ιhik(t)∈[0，1]表示在热点区域h中的用户i对服务k的偏好程度；

位于热点区域h的用户i购买服务的预算用ehi表示，热点区域h的总用户数用mh(t)表示，那么热点区域h的用户总预算为 用户对服务k的聚合偏好为：热点区域h在时隙t内对服务k的总需求表示为： 那么热点区域h内的聚合用户效用可通过以下公式计算：

其中0＜α＜1表示不同服务的可替代程度，变量qhk(t)为无人机所有者可以在时隙t内为热点区域h提供的服务总量，在缓存应用中qhk(t)代表可提供的传输速率，系统用户总收益用以下公式计算：无人机所有者的服务开销包含两部分：维护成本和能耗成本，其中单位维护成本用g0表示，单位动力能耗成本用gs表示，单位服务能耗用gc表示，无人机所有者k在时隙t内的能耗成本通过以下公式计算：表达式 表示所需的无人机数量，其中bk表示单个无人机的服务容量，无人机所有者k在时隙t内的收益通过以下公式计算：Γhk(t)＝pk(t)qhk(t)‑chk(t)，其中pk(t)是服务k在时隙t内的价格；

基于以上用户聚合效用和无人机所有者收益的定义，优化目标一为最大化用户总效用，问题描述如下：P1：

上述约束条件确保热点区域h在时隙t内的用户总开销不超过总预算；

目标二是最大化无人机所有者的长期收益，问题描述如下：P2：

所述步骤2)构建马尔科夫博弈模型，将步骤1)中的收益最大化问题转化为马尔科夫优化问题，具体包括：步骤1中定义的无人机所有者收益最大化问题转化为马尔科夫博弈问题，该博弈可以用元组表示，各元素的含义如下：状态S:代表所建立的马尔科夫博弈模型状态信息，表示为其中，S1表示用户的状态，包括用户产生的服务需求、服务偏好以及预算；S2表示无人机所有者的状态，包括单位成本开销、服务容量以及服务可替代度；S3表示所提供服务的状态，包括过去所提供服务的数量和价格；

观测状态O:系统中的无人机所有者不能观测到系统状态S,仅可观测部分信息并表示为 其中 是无人机所有者k的观测状态，包括用户的预算、无人机所有者单位成本开销、服务容量以及服务可替代度、以及过去所提供服务的数量和价格；

动作A:无人机所有者的动作集合表示为 其中Δqhk(t)是和上一时隙相比所需额外提供的服务数量；

t+1 t t t

状态转移概率P：表示为P：S×A×S→[0，1]，基于概率P(s |s ，a)和动作a ，系统状态t t+1从s跳转到s ；

奖励函数R:可表示为 S×A→R，代表时隙t内智能体k执行动作 后获得的瞬时奖励；

瞬时奖励可通过如下公式计算： 这样无人机所有者的目标函数转换最大化累计瞬时奖励所述步骤3：在完全信息状态下，构建专家策略，使得性能达离线最优，具体包括：在完全信息状态下，对优化问题P1和P2进行转换，得到服务数量和价格的关系：优化问题P1和P2转化为仅与未知变量qhk(t)的函数，同时验证P1和P2的最优解一致，专家策略通过以下步骤获得：

1)K个专家根据当前系统状态并通过求解以下方程获取最优服务数量qhk(t)：其中Ak＝(go+gs+gcbk)/bk，变量bk为单个无人机的服务资源容量，变量qh,‑k为服务k以外α的其它服务在热点区域k提供的服务数量；变量Qk＝fhk(t)[qhk(t)]，且

2)对每个时隙K个专家所执行的动作、系统状态、可观察状态及奖励进行记录，形成数据集合；

所述步骤4：在局部信息状态下，基于步骤3)获得的离线专家策略集，构建智能体在线学习策略，具体包括：首先在部分观测状态下，每个智能体需要对对手策略进行预测，基于占用率度量匹配策略可建立智能体K的策略πk和对手策略π‑k之间的关系，表示为：其中o表示观测状态，采用生成对抗网络训练智能体策略，优化问题可转化为如下形式：P3：

其中 表示基于智能体策略πk和π‑k的期望，Dk表示生成对抗网络的输出；只需要找到鞍点(πk，Dk)即可求解此问题；

其次，为求解鞍点(πk，Dk)，对智能体策略模型进行训练。

2.根据权利要求1所述的一种基于差异化服务的无人机资源动态部署方法，其特征在于，为了满足用户需求，由同一无人机所有者管辖的无人机形成一个mesh网络盘旋于热点位置h的上空，该mesh网络中各节点可相互通信并自适应地进行负载均衡，且不同无人机所有者管辖的无人机不相互通信；用户只需要将服务需求上传到其偏好类型且离其最近的无人机。