基于拍卖理论和高斯过程回归学习的频谱分配算法

针对认知无线网络中认知用户的频谱分配问题,提出了一种基于拍卖理论和高斯过程回归学习的频谱分配算法。该算法基于VCG拍卖模型,考虑认知用户对通信质量的要求,构造出更有效的收益函数。在频谱拍卖过程中,认知用户通过学习拍卖历史数据预测其他认知用户的竞价,并最优化其竞价策略。频谱拍卖人根据各认知用户提交的竞价来分配频谱资源。理论分析和仿真结果证明了该算法是有效的,并且能够提高频谱利用率和认知用户的收益。     

基于组合双向拍卖的云资源调度方法

针对跨数据中心的资源调度问题，提出了一种基于组合双向拍卖（PCDA）的资源调度方案。首先，将云资源拍卖分为三个部分：云用户代理报价、云资源提供商要价、拍卖代理组织拍卖；其次，在定义用户的优先级及任务紧迫度的基础上，在拍卖过程中估算每一个工作发生的服务等级协议（SLA）违规并以此计算云提供商的收益，同时每轮竞拍允许成交多项交易；最终达到根据用户等级合理分配云资源调度的效果。仿真实验结果表明该算法保证了竞拍成功率，与传统一次拍卖成交一项的组合双向拍卖方案相比，PCDA在竞拍时间段产生的能耗降低了35.00%，拍卖云提供商的利润提高了约38.84%。     

认知无线网络中基于博弈的频谱共享*

研究了认知无线网络环境中基于价格动态性的频谱共享,主要用户服务提供商以不同的频谱价格向认知用户服务提供商出售空闲频谱,认知用户根据获得的收益调整对频谱的需求。在全体服务提供商对频谱价格满意的基础上,为最大化认知用户的收益,提出了基于静态博弈和动态博弈的频谱共享方案。仿真结果表明,通过合理设置学习速率,动态博弈达到了接近静态博弈的性能,最大化认知用户的收益。     

认知无线网络中基于无休止多臂赌博机模型的多用户频谱接入机制

针对如何协调多个认知用户择机接入多段空闲频域信道的问题,提出了一种基于无休止多臂赌博机(RMAB)模型的动态频谱接入机制。首先,考虑到实际环境下认知用户的信道感知误差,推导出能有效处理感知误差的Whittle索引值算法,该算法通过历史经验积累给予每个信道一定的信任值,并综合考虑在当前信任值下选择每个信道的立即收益与未来收益的多少,选择出需要感知接入的信道;其次,对于多个认知用户接入相同信道时产生冲突的问题,提出了基于多标拍卖的协调机制,通过多标拍卖的方式处理认知用户之间的冲突。仿真结果表明,在相同的环境中,所提出的频谱接入机制与未处理误差的或者未采用多标拍卖的接入机制相比,认知用户获得的吞吐量更大。     

基于两阶段混合拍卖的虚拟网络资源分配模型*

网络虚拟化技术作为解决当前网络问题的有效手段,仍有很多方面有待提高。针对虚拟网络资源分配方法在分配效率和最大化资源价值存在的问题,提出基于两阶段混合拍卖（Two-Stages Hybrid Auction,T-SHA）的虚拟网络资源分配模型,即第一阶段采用向上叫价式拍卖以及第二阶段采取第一价格密封拍卖的方式。随后结合独立私有价值模型,对混合拍卖的收益、有效性和公平性做了理论上的推导。最后由实验得出结果并推出结论：T-SHA、先到先服务的公平性指数和资源利用率分别为0.58和0.9、0.5和0.78,T-SHA更有助于提升用户之间的公平性。向上叫价拍卖、T-SHA、VCG（ Vickrey–Clarke–Groves）的SP参与率分别为0.7、0.93、0.83, T-SHA可以吸引SP（Service Provider）的参与,从而增加拍卖的激烈程度,提高最终的成交价。     

P2P-VCG:一种基于博弈论的带宽分配方案

在引入虚拟货币的前提下,目前的P2P系统没有提供有效的带宽分配和计费方案,因此无法在服务开销和用户收益两个方面达到最优.以用户总体收益为研究点,利用博弈论中的VCG(Vickrey-Clarke-groves)算法规划P2P网络中的带宽分配和计费,并且视客户节点为执行带宽分配的主体,可以很好地克服上述问题,这种基于客户节点的带宽分配方案更能反映P2P网络的分布式特性.该带宽分配算法和基于VCG的计费机制达到了近似系统最优和用户激励两个目标,并且可以在实际系统中得到应用     

边缘计算环境中的网络服务拍卖方法研究

移动边缘计算技术能够降低网络负载并提高服务质量,但目前边缘资源不能满足所有用户需求。为提高资源利用率和服务收益,提出一种鲁棒优化的边缘网络服务拍卖方法。研究用户以拍卖方式参与资源分配的过程,考虑用户出价的不确定性和可信性保障,从边缘提供商角度出发,根据拍卖结果获得资源收益,并在最大收益条件下对资源进行分配。分析结果表明,该方法能够有效提高边缘资源的收益,降低成交价。     

云环境下基于组合双向拍卖的动态资源定价

云环境下的市场交易机制缺乏灵活性,且在某些情况下定价不合理。为此,提出一种基于组合双向拍卖的动态资源定价模型,给出云资源分配与定价算法,用户通过响应时间出价,资源提供商根据负载情况要价。仿真实验结果表明,该算法与固定比例的定价算法相比,能提高18%的用户利益与9%的资源提供商利益。     

WRAN中基于拍卖理论的频谱分配

本文将WRAN中电视广播台与认知用户之间的频谱分配过程建模为连续双向拍卖,通过该机制,有空闲电视频段的电视台可以将频谱出售给认知用户,由认知基站充当频谱经纪人.在频谱分配过程中,作为主用户的电视广播台和认知用户依据以往的历史交易信息建立自己的信心函数,结合自身的成本和预期收益,在最大化自己收益的前提下提出当前报价.仿真...     

基于VCG机制的动态频谱分配算法

针对在Underlay频谱共享方式下的认知无线网络动态频谱分配问题,在满足主用户服务质量（QoS）的前提下,建立一种非合作博弈模型,并设计其效用函数。在借鉴VCG机制的基础上,设计相应的收益函数,提出一种可以最大化认知无线网络系统吞吐量且保证公平性的分布式动态频谱分配算法。仿真结果表明,该算法收敛速度快、公平性强。     

基于NSGA-II算法的认知无线电频谱分配

认知无线电中,频谱拍卖是解决动态频谱分配的有效方法,其主要目的是最大化所有主用户的收益。然而,主用户间的收益是存在冲突的,给拍卖算法的优化带来了困难。为此,提出一种新的拍卖方案,来解决获胜者确定问题(Winner Determination Problem, WDP)。在该方案中,动态频谱拍卖问题被建模成多背包问题,并通过非支配排序遗传算法II (NSGA-II)得到最终的解决方案。最后,仿真实验结果表明,就解决WDP问题而言,与贪心算法相比,NSGA-II算法有更好的表现。     

基于用户兴趣度的改进二部图随机游走推荐方法

传统的二部图随机游走算法主要采用基于共同项目的相似度计算,并且项目之间、用户之间的影响程度是对称的,这种对称信息不能体现用户兴趣,推荐精度不高。为了提高推荐准确性,提出一种基于用户兴趣度的二部图随机游走方法。采用共同项目和用户打分项目数量的共同性质体现用户兴趣度,分析信息的不对称性,并在二部图中随机游走。实验表明,基于用户兴趣度的二部图随机游走算法提高了预测准确率和命中率。     

信任社交网络中基于图熵的个性化推荐算法

随着社交网络的飞速发展引起了人们对推荐系统（RS）的广泛关注。针对社交网络中现有推荐方法仍存在冷启动问题以及未考虑用户所处的社交网络信息的情况，提出了在信任社交网络中基于图熵的个性化推荐算法（PRAGE）。首先，根据用户物品和它们之间的反馈信息建立用户物品图（UIG），同时引入信任机制建立用户信任图（UTG）；其次，通过对两个图使用随机游走算法得到用户与物品的初始相似度和基于信任机制的新的用户物品相似度；重复随机游走过程直至相似度稳定到收敛值；然后，使用UIG和UTG的图熵对两组相似度进行加权并最终相应地得出目标用户的最终推荐列表。在真实的数据集Epinions和FilmTrust上的实验结果表明，相比经典的基于随机游走算法，PRAGE的精确率分别提高了34.7%和19.4%，召回率分别提高了28.9%和21.1%，能够有效地缓解推荐的冷启动问题且在精确率和覆盖率指标上均优于对比算法。     

基于拍卖的混合接入异构网络频谱共享

针对Overlay与Underlay模式的传统频谱共享系统网络效益较低的问题，提出了一种基于拍卖机制的频谱共享。当宏用户靠近飞蜂窝接入点时，飞蜂窝接入点与宏用户之间的链路性能比宏基站至宏用户的性能要好。此时宏基站希望将该用户卸载至飞蜂窝网络中，获得更好的通信服务质量的同时还能为宏基站节约能量。在保证飞蜂窝网络授权用户的QoS前提下，为激励网络内的混合接入，宏基站将自己的剩余频谱供飞蜂窝接入点使用，并对飞蜂窝接入点进行补偿。每个飞蜂窝接入点独立地决定自己的竞价，宏基站根据收集到的竞价决定最优分配策略。提出的基于拍卖机制的混合频谱共享能够使异构网络中的宏基站和飞蜂窝接入点的效用函数最大。并且补偿函数的引入能更好地激励飞蜂窝采用混合接入模式。     

一种高效的云资源—动态虚拟机实例分配机制

为了实现云中虚拟机实例的提供和分配,提出一种基于拍卖的动态虚拟机实例分配机制.收集用户的投标,计算出全部投标的投标密度,根据投标密度对投标进行排序;计算保留价格,并丢弃投标密度低于保留价格的投标,将计算资源按排序分配给用户;计算每个获胜用户的付款,从而达到用户仅通过出价其所要求的资源的真实估价来最大化其效用.实验结果表明,该机制不仅能为云提供商带来更高的收益,而且还提高了云资源的利用率.     

面向边缘计算的组合拍卖式任务卸载机制

在万物互联的时代,数据量与计算需求飞速增长,促使应用部署方式由云计算模式向边缘计算模式演进,以解决带宽消耗严重和响应时延过高等问题。为推进面向边缘网络的任务卸载,需要解决应用服务提供商(ASP)与边缘计算提供商(ECP)之间的双向选择问题。针对这一问题,提出一种面向边缘计算的组合拍卖式任务卸载机制。首先建立系统模型,并对模型落地的关键问题进行说明,然后分析ECP的投标决策过程,证明选择最大化资源利用率的任务组合是NP完全问题,进而提出一种启发式任务选择算法。在此基础上,设计两种拍卖算法,单胜者拍卖和多胜者拍卖,分别适用于可信度优先和效率优先的场景。实验结果表明,相较于单项拍卖机制,所提出的方案提高ECP资源利用率达13%,同时增加ASP收益达37%。     

物联网中基于信任的频谱资源分配机制

随着无线网络的快速发展,物联网中频谱资源的高效分配问题亟需解决,为此,提出一种基于信任的频谱资源分配机制TSRA.借鉴拍卖理论建立频谱资源拍卖系统模型,根据信任理论确定用户间的信任关系以缩小客户网络范围,利用属性加密理论保护交易数据.在此基础上,采用改进的蚁群算法为用户合理规划资源分配路径,从而实现频谱资源的多目标分配.实验结果表明,该机制可以为用户的交易数据提供细粒度的保护,且具有较高的社会效益和较低的系统计算与通信开销.     

基于VCG机制的无线网络呼叫接入控制算法

提出一种基于VCG机制的无线网络呼叫接入控制（CAC）算法。该算法采用VCG机制调节用户需求,控制资源分配,以实现资源合理使用。CAC算法适合于无线接入网络中多业务服务、多优先级服务的情况。仿真结果表明,将VCG机制与CAC算法结合,能较好地改善无线网络性能,提高系统连接级的QoS。     

基于组合类别空间的随机游走推荐算法

传统的类别驱动方法只考虑类别间的关联或是将其组织成扁平或层次结构，而项目和类别对应关系复杂，其他信息容易被忽略。针对这个问题提出基于组合类别空间的随机游走推荐算法，更好地组织了项目类别信息、缓解了数据稀疏。首先，建立一个用哈斯图表示的项目组合类别空间，将项目和类别复杂的一对多关系映射成一对一的简单关系，并表示用户上下层次、同层次及跨层次的项目类别间的跳转；接着，定义组合类别空间的语义关系及链接、偏好两种语义距离，更好地定性、定量描述用户动态偏好的变化；然后，结合组合类别空间上用户浏览图的语义关系、语义距离、用户行为跳转、跳转次数、时序、评分等各种信息，利用随机游走建立用户个性化类别偏好模型；最后，根据用户个性化偏好完成基于用户的协同过滤项目推荐。在MovieLens数据集上的实验显示，与基于用户的协同过滤（UCF）、基于类别关联的推荐模型（UBGC和GENC）相比，所提算法推荐的F1-score提高了6~9个百分点，平均绝对误差（MAE）减小了20%~30%；与基于类别层次潜在因子模型（CHLF）相比，所提算法推荐的F1-score提高了10%。实验结果表明，所提算法在排序推荐上优于传统基于类别的推荐算法。     

基于全局资源容量的虚拟网络嵌入算法

采用全局资源容量（GRC）度量方法来量化每个底层物理节点的嵌入潜力，并提出了一种启发式虚拟网络嵌入算法（GRC-VNE），最大限度地提高基础设施提供商（InP）的收益。该算法采用贪婪的负载均衡方式依次嵌入每个虚拟节点，并结合基于Dijkstra算法的最短路径路由嵌入每个虚拟链路。仿真结果表明：与考虑整个底层物理网络资源的RW-MM-SP算法和TA算法相比，所提出的GRC-VNE算法能够实现更低的请求阻塞概率和更高的收益。