CN106130924A - 多媒体云环境下基于演化博弈论的带宽分配优化方法 - Google Patents

Abstract

本发明涉及一种多媒体云环境下基于演化博弈论的带宽分配优化方法，该方法包括每个非服务性用户随机连接服务性用户；每个非服务性用户根据所连接的服务性用户的带宽状况计算其效用值；在与同一组的其他非服务性用户通信之后，用户组中的每个非服务性用户都获取到其他非服务性用户的选择及效用值，然后根据计算组内的平均效用；如果平均效用大于自己的效用值，则非服务性用户改变连接策略，选择连接到提供更高更高效用值的服务性用户否则，非服务性用户保持当前选择；重复直到组内所有非服务性用户获得相同的效用值。本发明能够使所有的非服务性用户通过改变选择无法获得的更大的效用时，达到一个效用最大的稳定状态，即演化均衡。

Description

多媒体云环境下基于演化博弈论的带宽分配优化方法

技术领域

本发明涉及带宽分配，具体地指一种多媒体云环境下基于演化博弈论的带宽分配优化方法。

背景技术

随着互联网的普及和通信行业的快速发展，使得人们可以随时随地的获取互联网资源。越来越多的用户使用他们的移动设备，如智能手机、笔记本电脑和平板电脑等获取网络资源，尤其是获取视频、音频和图像等多媒体资源，这使得基于视频、音频、图像等的多媒体资源数量飞速增长，促进了多媒体云计算的快速发展。对于基于多媒体的应用和服务而言，同时有数百万用户具有多媒体资源方面的需求，而多媒体资源中一般都牵涉到了大量的视频、图像和音频，海量多媒体资源需要占用多媒体云服务提供商大量的带宽和服务器资源；同时，由于一些多媒体业务(如流媒体分发、网络直播、视频处理等)对服务的实时性或设备的性能有着较高的要求，所以更需要服务端和用户端均具有较大的带宽，较强的计算能力。

社交网络的流行极大的促进了多媒体云的发展，由于社交网络是基于真实的社会关系，相同社交网络中的人们通常具有相似的兴趣爱好和多媒体需求，且人们愿意向朋友分享自己拥有的多媒体资源，人们间的这种相互作用，形成一个大规模的多媒体社交网络。目前社交网络中海量同类用户需要分别从多媒体云服务提供商处获取多媒体资源，每一个相同需求用户都要为同样的多媒体资源付费，造成多媒体资源利用率的低下和较高的用户服务成本。

然而，由于非服务性用户从服务性用户处获取多媒体资源时，非服务性用户对服务性用户的选择是一个多对多的过程，如果不能平衡服务性用户与非服务性用户间的带宽分配，不仅会造成网络资源的浪费，增加用户的时间成本，而且不能发挥多媒体云的社交网络中资源的协作分发策略的优越性。

目前的带宽分配策略主要应用在多个网络接入环境中，进行网络接入的选择，保证网络接入的公平性。而在多媒体云环境下的资源分配中，由于多媒体资源对带宽、性能和时延等的搞要求，保证服务性用户与非服务性用户的整体效用，使得服务性用户与非服务性用户间的带宽分配平衡才是最终目标，因此，目前的带宽分配策略并不适用基于多媒体云的社交网络环境中。

多媒体云环境中，由于多媒体资源对服务质量的敏感性，因而对网络带宽、设备计算能力等有着较高的要求。而非服务性用户从服务性用户处获取资源具有相当的盲目性和自私性，大量的非服务性用户选择网络带宽较好的部分服务性用户，导致部分服务性用户的网络过载，而剩余的服务性用户的网络则处于相对空闲的状态，造成网络资源的浪费，增加用户的时间成本，严重降低了用户的体验。目前多媒体云环境下带宽分配方法多是采用对等网络中基于价格的分配方法以及采用动态规划的带宽分配方法，这些方法主要是以公平性为原则，没有考虑到非服务用户的自私行为，以及整个多媒体云的社交网络中带宽分配的平衡性。因此，要保证基于多媒体云的社交网络中服务性用户与非服务性用户均能获得满意的服务，就需要充分考虑带宽分配的平衡性，即服务性用户与非服务性用户的整体效用。

发明内容

本发明目的在于克服上述现有技术的不足而提供一种多媒体云环境下基于演化博弈论的带宽分配优化方法，该方法将非服务性用户对服务性用户的选择建模为一个演化博弈过程，通过非服务性用户的多次选择和学习，不断演化，使所有的非服务性用户通过改变选择无法获得的更大的效用时，达到一个效用最大的稳定状态，即演化均衡。

实现本发明目的采用的技术方案是：一种多媒体云环境下基于演化博弈论的带宽分配优化方法，该方法包括：

1)首先，每个非服务性用户随机连接服务性用户；

2)每个非服务性用户根据所连接的服务性用户的带宽状况计算其效用值；

3)在与同一组的其他非服务性用户通信之后，用户组中的每个非服务性用户都获取到其他非服务性用户的选择及效用值，然后根据计算组内的平均效用

${\stackrel{\‾}{\mathrm{\π}}}_i^g\left(t\right)=\frac{{\mathrm{\Σ}}_i{n}_i^g(t-\mathrm{\τ})\·{\mathrm{\π}}_i^g(t-\mathrm{\τ})}{n^{g(t-\mathrm{\τ})}}$

4)如果平均效用大于自己的效用值，则非服务性用户改变连接策略，选择连接到提供更高更高效用值的服务性用户，即

$\mathrm{\θ}\left(t\right)=\frac{{\stackrel{\‾}{\mathrm{\π}}}^g\left(t\right)-{\mathrm{\π}}_i^g\left(t\right)}{{\stackrel{\‾}{\mathrm{\π}}}^g\left(t\right)}$

否则，非服务性用户保持当前选择。

5)重复步骤2)至4)，直到组内所有非服务性用户获得相同的效用值。

2.根据权利要求1所述多媒体云环境下基于演化博弈论的带宽分配优化方法，其特征在于，步骤2)中，按照下式计算效用值：

${\mathrm{\π}}_i^g=log\frac{k_w{b}_i}{{\mathrm{\Σ}}_{g\∈G}{n}_i^g}-w_w{p}_i$

式中，表示组g内的非服务性用户选择连接到服务性用户i的效用值；k_w表示各种多媒体资源的预定义参数；w_w表示单位价格的等效满意度。

本发明提出的带宽分配优化方法基于演化博弈论，将非服务性用户对服务性用户的选择建模为一个演化博弈过程，通过非服务性用户的多次选择和学习，不断演化，使所有的非服务性用户通过改变选择无法获得的更大的效用时，达到一个效用最大的稳定状态，即演化均衡。博弈参与者之间的策略均衡是通过多次博弈、学习和策略调整达到的，而不是一次性选择的结果。通过本专利提出的优化方法，最大化的利用多媒体云中的带宽资源，避免网络拥塞，降低服务延迟，提高用户体验。

本发明分析非服务性用户的盲目性与自私因素，采用博弈理论，提出基于演化博弈的多媒体云带宽分配优化方法，该方法通过非服务性用户与服务性用户间的博弈，计算用户的整体效用，不断演化，最终达到一个效用最大的稳定状态，最大化的利用多媒体云中的带宽资源，避免网络分配不平衡与网络拥塞，降低服务延迟。本方法能够克服多媒体云中非服务性用户带宽选择的盲目性与自私性，是一种适用于多媒体云中基于社交网络的带宽分配方法。

附图说明

图1为本发明多媒体云环境下基于演化博弈论的带宽分配优化方法的；流程图。

具体实施方式

下面结合附图和具体实施例对本发明作进一步的详细说明。

本发明中提到的服务性用户与非服务性用户是指在多媒体云环境中，大量的用户具有相同的多媒体需求，本发明将具有相同需求，且物理位置相近的用户连接起来，形成社交网络。具体来说，本发明针对此基于多媒体云的社交网络中每个节点，依据其物理性能(Capacity)、活跃性(Activity)以及节点的信誉值(Reputation)综合进行量化并排序，作为服务性用户的选择依据，让物理性能强、活跃性和信誉度高的用户(本发明称之为服务性用户)从内容提供商处获取多媒体资源，再由这些服务性用户为社交网络中的其他用户(本发明称之为非服务性用户)提供服务。

本发明中提到的最大化用户效用的带宽分配是指多个非服务性用户从服务性用户处获取多媒体资源时，考虑非服务性用户选择服务性用户时的盲目性与随机性，势必会造成服务性用户的带宽资源分配不均衡，无法获得最大的效用；同时，考虑到用户的自私性，大量的非服务性用户选择从网络带宽较好的服务性用户处获取服务，势必造成网络带宽较好的服务性用户网络负载过大，而网络带宽较弱的服务性用户网络空闲，导致带宽分配不均衡，用户无法获得最大的效用。本实施例中使用参数的定义如下：

表示组g内的非服务性用户选择连接到服务性用户i的效用值；

k_w表示各种多媒体资源的预定义参数；

w_w表示单位价格的等效满意度；

μ(k_wb_i(n_i))表示非服务性用户对当前分配带宽的满意度；

μ表示b_i(n_i)的一个凸函数；

X^g表示种群状态的向量；

表示种群中策略i的份额；

表示考虑时延因素下种群i在t时刻的策略份额；

本发明提出的带宽分配优化方法是将博弈论的思想加入到了多媒体云中非服务性用户对服务性用户的选择中，即博弈中的参与者在不了解全部信息时采用主观决定和跟从个体效用更高的策略的方式来决定自己的选择，与生物演化中表现出的过程相似。生物在演化过程中根据生理性状和行为特征的动态改变过程，正是一种在有限理性博弈中通过模仿博弈参与者进行博弈和动态调整自身策略的重要机制，即“动态复制”的特性。在演化过程中，采用具有较高效用策略的群体所占的比例会逐渐增大，而采用较低效用策略的群体会被逐渐淘汰，直到所有的博弈参与者获得相同的效用，则达到演化均衡。

对于多媒体云中非服务性用户之间的博弈，本发明定义演化博弈论的基本组成部分为：1)博弈者，网络中的每个非服务性用户是一个自私的和有限理性的博弈者。2)种群，指的是基于多媒体云的社交网络中的用户群，并且每个用户群形成独立的种群。3)策略，该策略指每个非服务性用户选择连接的服务性用户。4)效用，每个博弈者的效用被定义为对分配的带宽的满意度。

因此，通过博弈达到演化均衡的过程包括了3部分：1)多媒体云环境下带宽分配的稳定策略；2)多媒体云环境下带宽分配中用户策略的效用评价；3)多媒体云环境下带宽分配中用户选择机制的复制子动态。下面分别从这三个方面进行分析：

在基于多媒体云的社交网络中，如果多个非服务性用户连接到同一个服务性用户，会导致该服务性用户网络带宽拥塞，从而降低了非服务性用户的效用，因此，这些非服务性用户可能会改变策略连接到其他的服务性用户以获取更高的效用，这个过程可以重复多次，直到所有的非服务性用户达到相同的效用。然而，由于非服务性用户的自私性，每一个非服务性用户都倾向于选择连接到网络带宽最佳的服务性用户；同时，由于多媒体云的社交网络中的非服务性用户很难获取到的所有其他非服务性用户的选择，在这种情况下，非服务性用户很难做出最佳的决策。因此，非服务性用户是在有限理性的情况下做出决策，演化博弈论正是一个分析有限理性的决策者之间相互作用的强大工具。

在参与博弈的种群中，非服务性用户通过跟从效用更高的策略来改变自己的选择，具有较高效用策略的群体所占的比例会逐渐增大，而采用较低效用策略的群体会被逐渐淘汰，直到所有的非服务性用户获得相同的效用，那么该群体就进入了稳定状态，该群体所采用的策略就是演化稳定策略，带宽分配达到平衡，即：

1)存在效用关系π(x/x)>π(y/x)，那么策略x是演化稳定的策略；

2)存在效用关系π(x/x)＝π(y/x)且π(x/y)>π(y/y)，那么策略x也是演化稳定的策略。

在演化博弈模型中，非服务性用户愿意通过连接到服务性用户获得较高的满意度。组内的非服务性用户间可以互相交流信息，获取其他非服务性用户的策略。如果一个非服务性用户观察到其它非服务性用户通过选择其它服务性用户获取到更高的效用，它可以学习其它非服务性用户的策略，逐步改变自己的策略以实现更高的效用，获得更大的带宽。那么本发明可以定义，在组g内的非服务性用户连接到服务性用户i的效用值为

${\mathrm{\π}}_i^g=\mathrm{\μ}\left(k_w{b}_i\right(n_i\left)\right)-w_w{p}_i---\left(1\right)$

在本发明中，效用函数μ(·)是经常采用的对数函数，被称为按比例公平。因此，效用函数可以改写为

${\mathrm{\π}}_i^g=log\frac{k_w{b}_i}{{\mathrm{\Σ}}_{g\∈G}{n}_i^g}-w_w{p}_i---\left(2\right)$

同一组中的非服务性用户可以互相学习策略，一个群体中的非服务性用户的策略可以被同一组中的其他非服务性用户复制，这种复制形成了种群的进化。在这里，本发明介绍复制动态模型中种群的演变。在复制动态中，种群策略的增长率等于该策略的效用和种群平均效用之差。对于种群(即组)g，让X^g表示种群状态的向量，其中第i个元素表示种群中策略i的份额。因此，X^g可以表示为

$X^g={\[x_1^g,x_2^g,\mathrm{...},x_M^g\]}^T---\left(3\right)$

其中，

在基于多媒体云的社交网络中，由于网络延迟等因素，非服务性用户可能无法获取到最新的种群状态信息。因此，它们必须根据其它非服务性用户的历史信息做出决策。在这个复制动力学中考虑这个时间延迟，即任意t时刻非服务性用户的效用值为种群在(t-τ)的状态函数，其中τ表示时间延迟。该复制动态方程如下

${\stackrel{\·}{x}}_i^g\left(t\right)=x_i^g\left(t\right)\left({\mathrm{\π}}_i^g\right(t-\mathrm{\τ})-{\stackrel{\‾}{\mathrm{\π}}}_i^g(t-\mathrm{\τ}\left)\right)---\left(4\right)$

该方程表明，提供更高效用的策略的种群比例将随着时间增加，当所有策略的比例不再改变时，演化结束，这表明收敛到一个稳定的种群状态。通过求解由于策略的选择率是零，没有任何用户有动力去改变其选择的策略，进而得到演化均衡，即带宽分配达到平衡。

如图1所示，本发明多媒体云环境下基于演化博弈论的带宽分配优化方法的实现方法步骤为：

1)首先，每个非服务性用户随机连接服务性用户。

2)每个非服务性用户根据所连接的服务性用户的带宽状况按照公式(2)计算其效用值。由于每个服务性用户连接的非服务性用户数量是不可预知的，因此需要每个非服务性用户自己检测所连接服务性用户的带宽。

3)在与同一组的其他非服务性用户通信之后，用户组中的每个非服务性用户都获取到其他非服务性用户的选择及效用值，然后根据计算组内的平均效用

${\stackrel{\‾}{\mathrm{\π}}}_i^g\left(t\right)=\frac{{\mathrm{\Σ}}_i{n}_i^g(t-\mathrm{\τ})\·{\mathrm{\π}}_i^g(t-\mathrm{\τ})}{n^g(t-\mathrm{\τ})}---\left(5\right)$

4)如果平均效用大于自己的效用值，则非服务性用户改变连接策略，选择连接到提供更高更高效用值的服务性用户，即

$\mathrm{\θ}\left(t\right)=\frac{{\stackrel{\‾}{\mathrm{\π}}}^g\left(t\right)-{\mathrm{\π}}_i^g\left(t\right)}{{\stackrel{\‾}{\mathrm{\π}}}^g\left(t\right)}---\left(6\right)$

否则，非服务性用户保持当前选择。

5)重复步骤2)至4)，直到组内所有非服务性用户获得相同的效用值。

本发明将具有相同多媒体资源需求的用户连接起来，形成基于多媒体云的社交网络，选择部分用户成为服务性用户，这部分服务性用户从多媒体云服务提供商获取多媒体资源，再由它们为其它用户提供多媒体资源，从而无需所有的用户都从多媒体云服务提供商获取同一多媒体资源。在服务性用户与非服务性用户之间使用网络基础设施(如Wi-Fi、3G和蓝牙等)进行内容的传输与分发，使得具有相同多媒体资源需求的用户可以以较小的代价获得高质量的服务，提高资源的利用率，降低多媒体云服务提供商的服务器压力和网络负载，同时降低用户获取多媒体资源的成本。然而，由于非服务性用户从服务性用户处获取多媒体资源时，非服务性用户对服务性用户的选择是一个多对多的过程，如果不能平衡服务性用户与非服务性用户间的带宽分配，不仅会造成网络资源的浪费，增加用户的时间成本，而且不能发挥多媒体云的社交网络中资源的协作分发策略的优越性。而本发明提出基于演化博弈论的带宽分配优化方法正好解决这些问题。

Claims (2)

1.一种多媒体云环境下基于演化博弈论的带宽分配优化方法，其特征在于，包括：

1)每个非服务性用户随机连接服务性用户；

2)每个非服务性用户根据所连接的服务性用户的带宽状况计算其效用值；

3)在与同一组的其他非服务性用户通信之后，用户组中的每个非服务性用户都获取到其他非服务性用户的选择及效用值，然后根据计算组内的平均效用

${\stackrel{\‾}{\mathrm{\π}}}_i^g\left(t\right)=\frac{{\mathrm{\Σ}}_i{n}_i^g(t-\mathrm{\τ})\·{\mathrm{\π}}_i^g(t-\mathrm{\τ})}{n^g(t-\mathrm{\τ})}$

4)如果平均效用大于自己的效用值，则非服务性用户改变连接策略，选择连接到提供更高更高效用值的服务性用户，即

$\mathrm{\θ}\left(t\right)=\frac{{\stackrel{\‾}{\mathrm{\π}}}^g\left(t\right)-{\mathrm{\π}}_i^g\left(t\right)}{{\stackrel{\‾}{\mathrm{\π}}}^g\left(t\right)}$

否则，非服务性用户保持当前选择。

5)重复步骤2)至4)，直到组内所有非服务性用户获得相同的效用值。

2.根据权利要求1所述多媒体云环境下基于演化博弈论的带宽分配优化方法，其特征在于，步骤2)中，按照下式计算效用值：

${\mathrm{\π}}_i^g=log\frac{k_w{b}_i}{{\mathrm{\Σ}}_{g\∈G}{n}_i^g}-w_w{p}_i$

式中，表示组g内的非服务性用户选择连接到服务性用户i的效用值；k_w表示各种多媒体资源的预定义参数；w_w表示单位价格的等效满意度。