CN109451542A - 一种基于频谱开销的预售系统模型及分层学习算法 - Google Patents

一种基于频谱开销的预售系统模型及分层学习算法 Download PDF

Info

Publication number
CN109451542A
CN109451542A CN201811396568.4A CN201811396568A CN109451542A CN 109451542 A CN109451542 A CN 109451542A CN 201811396568 A CN201811396568 A CN 201811396568A CN 109451542 A CN109451542 A CN 109451542A
Authority
CN
China
Prior art keywords
user
spectrum
alliance
resources
demand
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201811396568.4A
Other languages
English (en)
Other versions
CN109451542B (zh
Inventor
王金龙
陈瑾
徐煜华
白韡
张玉立
江汉
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Army Engineering University of PLA
Original Assignee
Army Engineering University of PLA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Army Engineering University of PLA filed Critical Army Engineering University of PLA
Priority to CN201811396568.4A priority Critical patent/CN109451542B/zh
Publication of CN109451542A publication Critical patent/CN109451542A/zh
Application granted granted Critical
Publication of CN109451542B publication Critical patent/CN109451542B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • H04W28/26—Resource reservation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201—Market modelling; Market analysis; Collecting market data
    • G06Q30/0206—Price or cost determination based on market factors
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/16—Central resource management; Negotiation of resources or communication parameters, e.g. negotiating bandwidth or QoS [Quality of Service]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于频谱开销的预售系统模型及分层学习算法。该模型为：频谱管理者通过向用户出售资源收取报酬而获得收益，通过预售机制，来减小用户需求不确定性造成的影响，提升频谱资源管理者和用户双方的收益。算法为：构建多用户分层博弈，参与者是频谱管理者与各用户；用户随机选择一个邻居联盟加入，计算自身期望效用，比较用户加入联盟前和加入联盟后的效用函数，选择较优解加入，形成稳定联盟结构；联盟向频谱管理者预购频谱资源，频谱管理者更新资源预备量；循环迭代，直至用户间形成稳定联盟。本发明有效提升了频谱管理者与用户的直接收益。

Description

一种基于频谱开销的预售系统模型及分层学习算法
技术领域
本发明属于无线通信技术领域，特别是一种基于频谱开销的预售系统模型及分层学习算法。
背景技术
随着无线技术的发展与业务流量的增加，无线频谱资源短缺已成为新技术发展的瓶颈问题。针对这个问题，目前相关研究主要集中于用户报价的频谱资源收益最大化与用户需求的资源配置最优(参考文献1：P.Si,H.Ji,F.Yu andV.C.MLeung,“OptimalCooperative Internetwork Spectrum Sharing for Cognitive Radio Systems WithSpectrum Pooling,”in IEEE Transactions on Vehicular Technology,vol.59,no.4,pp.1760–1768,2010.)。
在相关的研究中，对频谱资源池机制的关注较少。频谱资源池是实现频谱资源复用和提高频谱利用率的一种频谱资源管理机制(参考文2：T.A.Weiss and F.K.Jondral,“Spectrum Pooling:An Innovative Strategy for the Enhancement of SpectrumEfficiency,”in IEEE Radio on Communications,2004.)，其主要特点是频谱资源管理者，即卖方，对频谱资源进行维护，当用户有通信需求时，通过支付一定的代价获得频谱授权，进而接入信道发送数据，用户需求得到满足，频谱资源实现收益。在传统的资源池模式中，用户在有需求后随时提出频谱资源的需求，卖方立刻为其提供服务。这种“立等即取”的资源使用模式，虽然极大地满足了用户需求的实时性，但却降低了频谱资源利用率，减少了市场的频谱资源收益。
能量团购相关文献(参考文献3：J.Xu,L.Duan and R.Zhang,“Energy GroupBuying With Loading Sharing for Green Cellular Networks,”in IEEE Journal onSelected Areas in Communications,vol.34,no.4,pp.786–799,2015.)提出的方案可以优化能量利用率，但该文献针对的是能量团购问题，并没有转化到频谱问题中。
发明内容
本发明的目的在于提供一种高效的基于频谱开销的预售系统模型及分层学习算法，以提高频谱管理者与用户的直接收益。
实现本发明目的的技术解决方案为：一种基于频谱开销的预售系统模型，对该模型做如下刻画：频谱管理者对频谱资源池进行维护，通过向用户出售资源收取报酬而获得收益；采用预售机制，利用时间维度频谱资源获取代价的差异性。
一种基于频谱开销的预售系统分层学习算法，包括以下步骤：
步骤1，将联盟选择与资源预购问题建模为多用户分层博弈，博弈的参与者是频谱管理者与各用户；
步骤2，定义频谱管理者和用户的效用函数，用户间完成邻居发现过程，建立邻居联盟集合；
步骤3，用户随机选择一个邻居联盟加入，各用户在联盟内资源共享的情况下，计算自身期望效用；
步骤4，基于帕累托准则，比较用户加入联盟前和加入联盟后的效用函数，选择较优解加入，形成稳定联盟结构；
步骤5，联盟向频谱管理者预购频谱资源，频谱管理者更新资源预备量；
步骤6，循环步骤3～步骤5，直到用户间形成稳定联盟。
进一步地，步骤1所述的将联盟选择与资源预购问题建模为多用户分层博弈，博弈模型定义为：
其中，包含七个组成部分，m为频谱管理者，为参与博弈的用户集合，an为用户n的联盟选择，为用户n的预购量，mp为频谱管理者的提前准备量，v为频谱管理者的效用函数，un为用户n的效用函数；
设定提前准备的频谱资源代价为β0，临时调度的频谱资源代价为β1，有β0≤β1；
设定频谱资源的预售定价为α0，最终价格为α1，有α0≤α1；
用户传输单位需求获得的收益为γ，用户的最终真实数据需求为sr n；
博弈优化目标P为：
进一步地，步骤2中所述的定义频谱管理者和用户的效用函数，具体如下：
当联盟成员的总需求量大于联盟的总预购量时，先将部分用户满足完自身需求之后，剩余的需求量根据剩余用户的需求量按照比例分配，此时，用户的效用函数un为：
其中，为用户的最终真实数据需求、α0为频谱资源的预售定价、为用户n的预购量、γ为用户传输单位需求获得的收益、an为用户n的联盟选择；Δpos(an)为联盟中预购量大于需求量时用户剩余频谱资源之和，Δneg(an)为联盟中预购量小于需求量时用户所缺频谱资源之和，为用户n按照比例分得的联盟剩余预购资源，为需要向频谱管理者临时购买的资源；
当联盟成员的总需求量小于联盟成员的总预购量之时，剩余的频谱资源由联盟成员按照各自需求进行等比例分担，此时，用户的效用函数un为：
其中为用户剩余的资源通过联盟内二次消化后带来的回报；
频谱资源管理者的效用函数为：
其中，β0为提前准备的频谱资源代价，β1为临时调度的频谱资源代价，α0为频谱资源的预售定价，α1为频谱资源的最终价格，Δneg(an)为联盟中预购小于需求的用户所缺频谱资源之和，Δpos(an)为联盟中预购大于需求的用户剩余频谱资源之和；
X为满足条件的联盟集合，也即无法通过联盟内部资源二次分配来满足其效用的联盟集合；
为X中的联盟对应的临时频谱资源请求收益，当频谱管理者准备充足时，X中的联盟请求直接进行服务，否则需要通过临时调用资源来进行服务；
为预售收益减去预备量开销的部分；
即为临时调用资源满足额外需求所获得的收益。
进一步地，步骤4所述的基于帕累托准则，比较用户加入联盟前和加入联盟后的效用函数，选择较优解加入，形成稳定联盟结构，具体如下：
对于任一用户n和两个联盟CO,CO'，基于帕累托准则定义如下动作：
当用户遵循帕累托准则时，在从一个联盟转移到另一个联盟的过程中，离开联盟的成员和加入联盟的成员的效用函数都不减小，即
对于任一用户n的两个联盟选择稳定联盟结构定义如下：
即当一个联盟结构(an,a-n)是稳定的，当且仅当在遵循优选准则的情况下，每一个用户n都不能通过加入、离开动作来提升其效用函数。
进一步地，步骤6所述的循环步骤3～步骤5，直到用户间形成稳定联盟，具体如下：
步骤6.1、频谱管理者更新预售价格；
步骤6.2、用户在当前市场价格下，基于单用户模型确定最优预购策略，根据自身需求的分布，计算其预期的实际收益；
步骤6.3、用户随机选择一个邻居联盟加入，联盟内进行信息交互，各用户在联盟内资源共享的情况下，计算自身期望效用；
步骤6.4、基于帕累托准则，比较用户加入联盟前和加入联盟后的效用函数，选择较优解加入；联盟向频谱管理者预购频谱资源，频谱管理者更新资源预备量；
步骤6.5、在业务需求达到后，用户进行信息传输和联盟内均衡。
本发明与现有技术相比，其显著优点在于：(1)采用频谱资源的分级准备机制，减少了用户需求不确定性的影响，避免了频谱资源潜在的浪费；(2)利用Stackerlberg博弈对问题进行建模，通过联盟形成博弈推导了均衡的存在性，为算法的设计提供了理论支持；(3)设计了基于频谱开销的预售系统分层学习算法，提升了频谱管理者与用户的直接收益。
附图说明
图1是本发明基于频谱开销的预售系统模型中的频谱预售机制示意图。
图2是本发明中联盟内用户间合作方式示意图。
图3是本发明实施例中不同场景下用户数目递增时的平均收益对比图。
图4是本发明实施例中不同场景下最终价格递增时的平均收益对比图。
图5是本发明实施例中不同场景下用户需求范围递增时的平均收益对比图。
具体实施方式
下面参考附图并结合具体实施例来对本发明进行详细说明。
结合图1，本发明基于频谱开销的预售系统模型，包括一个频谱资源管理者和N个用户；频谱管理者对资源池进行维护，通过向用户出售资源收取报酬，获得收益；结合图2，频谱管理者通过采用预售机制，利用时间维度频谱资源获取代价的差异性，来减小用户需求不确定性造成的影响，提升频谱资源管理者和用户双方的收益。
一种基于频谱开销的预售系统分层学习算法，包括以下步骤：
步骤1，将联盟选择与资源预购问题建模为多用户分层博弈，博弈的参与者是频谱管理者与各用户；
步骤2，定义频谱管理者和用户的效用函数，用户间完成邻居发现过程，建立邻居联盟集合；
步骤3，用户随机选择一个邻居联盟加入，各用户在联盟内资源共享的情况下，计算自身期望效用；
步骤4，基于帕累托准则，比较用户加入联盟前和加入联盟后的效用函数，选择较优解加入，形成稳定联盟结构；
步骤5，联盟向频谱管理者预购频谱资源，频谱管理者更新资源预备量；
步骤6，循环步骤3～步骤5，直到用户间形成稳定联盟。
本发明的具体实施如下：
进一步地，步骤1所述的将联盟选择与资源预购问题建模为多用户分层博弈，博弈模型定义为：
其中，包含七个组成部分，m为频谱管理者，为参与博弈的用户集合，an为用户n的联盟选择，为用户n的预购量，mp为频谱管理者的提前准备量，v为频谱管理者的效用函数，un为用户n的效用函数；
设定提前准备的频谱资源代价为β0，临时调度的频谱资源代价为β1，有β0≤β1；
设定频谱资源的预售定价为α0，最终价格为α1，有α0≤α1；
用户传输单位需求获得的收益为γ，用户的最终真实数据需求为sr n；
博弈优化目标P为：
进一步地，步骤2中所述的定义频谱管理者和用户的效用函数，具体如下：
当联盟成员的总需求量大于联盟的总预购量时，先将部分用户满足完自身需求之后，剩余的需求量根据剩余用户的需求量按照比例分配，此时，用户的效用函数un为：
其中，为用户的最终真实数据需求、α0为频谱资源的预售定价、为用户n的预购量、γ为用户传输单位需求获得的收益、an为用户n的联盟选择；Δpos(an)为联盟中预购量大于需求量时用户剩余频谱资源之和，Δneg(an)为联盟中预购量小于需求量时用户所缺频谱资源之和，为用户n按照比例分得的联盟剩余预购资源，为需要向频谱管理者临时购买的资源；
当联盟成员的总需求量小于联盟成员的总预购量之时，剩余的频谱资源由联盟成员按照各自需求进行等比例分担，此时，用户的效用函数un为：
其中为用户剩余的资源通过联盟内二次消化后带来的回报；
频谱资源管理者的效用函数为：
其中，β0为提前准备的频谱资源代价，β1为临时调度的频谱资源代价，α0为频谱资源的预售定价，α1为频谱资源的最终价格，Δneg(an)为联盟中预购小于需求的用户所缺频谱资源之和，Δpos(an)为联盟中预购大于需求的用户剩余频谱资源之和；
X为满足条件的联盟集合，也即无法通过联盟内部资源二次分配来满足其效用的联盟集合；
为X中的联盟对应的临时频谱资源请求收益，当频谱管理者准备充足时，X中的联盟请求直接进行服务，否则需要通过临时调用资源来进行服务；
为预售收益减去预备量开销的部分；
即为临时调用资源满足额外需求所获得的收益。
进一步地，步骤4所述的基于帕累托准则，比较用户加入联盟前和加入联盟后的效用函数，选择较优解加入，形成稳定联盟结构，具体如下：
对于任一用户n和两个联盟CO,CO'，基于帕累托准则定义如下动作：
当用户遵循帕累托准则时，在从一个联盟转移到另一个联盟的过程中，离开联盟的成员和加入联盟的成员的效用函数都不减小，即
对于任一用户n的两个联盟选择稳定联盟结构定义如下：
即当一个联盟结构(an,a-n)是稳定的，当且仅当在遵循优选准则的情况下，每一个用户n都不能通过加入、离开动作来提升其效用函数。
进一步地，步骤6所述的循环步骤3～步骤5，直到用户间形成稳定联盟，具体如下：
步骤6.1、频谱管理者更新预售价格；
步骤6.2、用户在当前市场价格下，基于单用户模型确定最优预购策略，根据自身需求的分布，计算其预期的实际收益；
步骤6.3、用户随机选择一个邻居联盟加入，联盟内进行信息交互，各用户在联盟内资源共享的情况下，计算自身期望效用；
步骤6.4、基于帕累托准则，比较用户加入联盟前和加入联盟后的效用函数，选择较优解加入；联盟向频谱管理者预购频谱资源，频谱管理者更新资源预备量；
步骤6.5、在业务需求达到后，用户进行信息传输和联盟内均衡。
实施例
本发明的一个具体实施例如下描述：系统仿真采用Matlab软件，参数设定不影响一般性；用户数目为8，频谱资源预售准备开销为8，实时调用开销为12，最终价格为16，用户单位数据收益为25。用户需求分布模型为均分分布，范围是[0-10]。
仿真中共比较了3种场景，分别如下：
1)均值：即假设频谱管理者知晓用户的需求分布，频谱资源准备为需求的期望值。但不采用预售机制，只享受频谱预备资源的低价开销。
2)单用户策略：基于预售机制，用户通过自身需求分布求出最优预购量，频谱管理者在用户最优策略的反应下，给出最优的预售价格和频谱资源准备量。
3)多用户合作策略：用户基于拓扑分布，形成联盟，通过联盟平稳需求不确定性带来的影响。
图3是三种场景随着用户数目增加时的平均效用对比图。由图可知，(i)无论是用户还是频谱管理者，均值场景对应的效用最低，验证了预售机制和所提单用户场景和多用户合作等机制的有效性，表明了所提机制和模型具有双赢特性。(ii)对于频谱管理者，单用户场景的效用最高；而对于用户，单用户场景性能弱于多用户合作。这是因为多用户场景中，用户可以通过合作等方式，将多余的频谱资源与无法满足的业务需求进行匹配，从而以较低的预售价格实现业务的传输，而这部分二次匹配的需求在单用户场景下是需要支付更高的代价才能获得收益。所以，用户通过合作减小了开销，频谱管理者在用户合作的场景下性能有所下降。此时，用户和频谱管理者之间的关系呈现出了对抗性。
图4是最终价格变化条件下集中场景的性能对比图。随着最终价格递增，频谱管理者效用函数呈现出递增趋势，而用户的效用则呈现出递减趋势。
图5是随用户需求变化的性能对比图。随着需求的增加，用户和频谱管理者的效用都在增加。显然，需求越大，用户直接收益越多，频谱管理者的收益也越多。
综上所述，本发明提出的基于频谱开销的预售系统模型，通过消除用户需求不确定性，实现了用户间资源与需求的高效匹配；提出的基于频谱开销的预售系统分层学习算法，能够有效提升频谱管理者与用户的直接收益。

Claims (6)

1.一种基于频谱开销的预售系统模型，其特征在于，对该模型做如下刻画：频谱管理者对频谱资源池进行维护，通过向用户出售资源收取报酬而获得收益；采用预售机制，利用时间维度频谱资源获取代价的差异性。
2.一种基于频谱开销的预售系统分层学习算法，其特征在于，包括以下步骤：
步骤1，将联盟选择与资源预购问题建模为多用户分层博弈，博弈的参与者是频谱管理者与各用户；
步骤2，定义频谱管理者和用户的效用函数，用户间完成邻居发现过程，建立邻居联盟集合；
步骤3，用户随机选择一个邻居联盟加入，各用户在联盟内资源共享的情况下，计算自身期望效用；
步骤4，基于帕累托准则，比较用户加入联盟前和加入联盟后的效用函数，选择较优解加入，形成稳定联盟结构；
步骤5，联盟向频谱管理者预购频谱资源，频谱管理者更新资源预备量；
步骤6，循环步骤3～步骤5，直到用户间形成稳定联盟。
3.根据权利要求2所述的基于频谱开销的预售系统分层学习算法，其特征在于，步骤1所述的将联盟选择与资源预购问题建模为多用户分层博弈，博弈模型定义为：
其中，包含七个组成部分，m为频谱管理者，为参与博弈的用户集合，an为用户n的联盟选择，为用户n的预购量，mp为频谱管理者的提前准备量，v为频谱管理者的效用函数，un为用户n的效用函数；
设定提前准备的频谱资源代价为β0，临时调度的频谱资源代价为β1，有β0≤β1；
设定频谱资源的预售定价为α0，最终价格为α1，有α0≤α1；
用户传输单位需求获得的收益为γ，用户的最终真实数据需求为
博弈优化目标P为：
4.根据权利要求2所述的基于频谱开销的预售系统分层学习算法，其特征在于，步骤2中所述的定义频谱管理者和用户的效用函数，具体如下：
当联盟成员的总需求量大于联盟的总预购量时，先将部分用户满足完自身需求之后，剩余的需求量根据剩余用户的需求量按照比例分配，此时，用户的效用函数un为：
其中，为用户的最终真实数据需求、α0为频谱资源的预售定价、为用户n的预购量、γ为用户传输单位需求获得的收益、an为用户n的联盟选择；Δpos(an)为联盟中预购量大于需求量时用户剩余频谱资源之和，Δneg(an)为联盟中预购量小于需求量时用户所缺频谱资源之和，为用户n按照比例分得的联盟剩余预购资源，为需要向频谱管理者临时购买的资源；
当联盟成员的总需求量小于联盟成员的总预购量之时，剩余的频谱资源由联盟成员按照各自需求进行等比例分担，此时，用户的效用函数un为：
其中为用户剩余的资源通过联盟内二次消化后带来的回报；
频谱资源管理者的效用函数为：
其中，β0为提前准备的频谱资源代价，β1为临时调度的频谱资源代价，α0为频谱资源的预售定价，α1为频谱资源的最终价格，Δneg(an)为联盟中预购小于需求的用户所缺频谱资源之和，Δpos(an)为联盟中预购大于需求的用户剩余频谱资源之和；
X为满足条件的联盟集合，也即无法通过联盟内部资源二次分配来满足其效用的联盟集合；
为X中的联盟对应的临时频谱资源请求收益，当频谱管理者准备充足时，X中的联盟请求直接进行服务，否则需要通过临时调用资源来进行服务；
为预售收益减去预备量开销的部分；
即为临时调用资源满足额外需求所获得的收益。
5.根据权利要求2所述的基于频谱开销的预售系统分层学习算法，其特征在于，步骤4所述的基于帕累托准则，比较用户加入联盟前和加入联盟后的效用函数，选择较优解加入，形成稳定联盟结构，具体如下：
对于任一用户n和两个联盟CO,CO'，基于帕累托准则定义如下动作：
当用户遵循帕累托准则时，在从一个联盟转移到另一个联盟的过程中，离开联盟的成员和加入联盟的成员的效用函数都不减小，即
对于任一用户n的两个联盟选择an,稳定联盟结构定义如下：
即当一个联盟结构(an,a-n)是稳定的，当且仅当在遵循优选准则的情况下，每一个用户n都不能通过加入、离开动作来提升其效用函数。
6.根据权利要求2所述的基于频谱开销的预售系统分层学习算法，其特征在于，步骤6所述的循环步骤3～步骤5，直到用户间形成稳定联盟，具体如下：
步骤6.1、频谱管理者更新预售价格；
步骤6.2、用户在当前市场价格下，基于单用户模型确定最优预购策略，根据自身需求的分布，计算其预期的实际收益；
步骤6.3、用户随机选择一个邻居联盟加入，联盟内进行信息交互，各用户在联盟内资源共享的情况下，计算自身期望效用；
步骤6.4、基于帕累托准则，比较用户加入联盟前和加入联盟后的效用函数，选择较优解加入；联盟向频谱管理者预购频谱资源，频谱管理者更新资源预备量；
步骤6.5、在业务需求达到后，用户进行信息传输和联盟内均衡。
CN201811396568.4A 2018-11-22 2018-11-22 一种基于频谱开销的预售系统模型及分层学习方法 Active CN109451542B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811396568.4A CN109451542B (zh) 2018-11-22 2018-11-22 一种基于频谱开销的预售系统模型及分层学习方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811396568.4A CN109451542B (zh) 2018-11-22 2018-11-22 一种基于频谱开销的预售系统模型及分层学习方法

Publications (2)

Publication Number Publication Date
CN109451542A true CN109451542A (zh) 2019-03-08
CN109451542B CN109451542B (zh) 2023-05-30

Family

ID=65554139

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811396568.4A Active CN109451542B (zh) 2018-11-22 2018-11-22 一种基于频谱开销的预售系统模型及分层学习方法

Country Status (1)

Country Link
CN (1) CN109451542B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112449344A (zh) * 2019-09-04 2021-03-05 国网山东省电力公司青岛供电公司 一种基于联盟博弈理论的wifi安全共享资源方法
CN117372166A (zh) * 2023-10-26 2024-01-09 北京开科唯识技术股份有限公司 一种高效的尾差分配处理方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102946641A (zh) * 2012-11-27 2013-02-27 重庆邮电大学 异构融合网络带宽资源优化分配方法
CN104660394A (zh) * 2015-03-23 2015-05-27 中国矿业大学 一种基于效用函数和价格机制的频谱资源分配方法
CN107864512A (zh) * 2017-11-01 2018-03-30 南京邮电大学 一种基于博弈论的蜂窝异构网络资源分配方法
CN107979846A (zh) * 2017-12-29 2018-05-01 中国人民解放军陆军工程大学 一种情景知觉下的重叠联盟博弈模型及空间自适应算法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102946641A (zh) * 2012-11-27 2013-02-27 重庆邮电大学 异构融合网络带宽资源优化分配方法
CN104660394A (zh) * 2015-03-23 2015-05-27 中国矿业大学 一种基于效用函数和价格机制的频谱资源分配方法
CN107864512A (zh) * 2017-11-01 2018-03-30 南京邮电大学 一种基于博弈论的蜂窝异构网络资源分配方法
CN107979846A (zh) * 2017-12-29 2018-05-01 中国人民解放军陆军工程大学 一种情景知觉下的重叠联盟博弈模型及空间自适应算法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
刘觉夫等: "基于预售机制的动态频谱分配算法研究", 《计算机工程与设计》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112449344A (zh) * 2019-09-04 2021-03-05 国网山东省电力公司青岛供电公司 一种基于联盟博弈理论的wifi安全共享资源方法
CN117372166A (zh) * 2023-10-26 2024-01-09 北京开科唯识技术股份有限公司 一种高效的尾差分配处理方法、装置及存储介质
CN117372166B (zh) * 2023-10-26 2024-03-08 北京开科唯识技术股份有限公司 一种高效的尾差分配处理方法、装置及存储介质

Also Published As

Publication number Publication date
CN109451542B (zh) 2023-05-30

Similar Documents

Publication Publication Date Title
Bae et al. Sequential bandwidth and power auctions for distributed spectrum sharing
CN102026201B (zh) 基于博弈类型选择的动态频谱分配的实现方法
Sodagari et al. On a truthful mechanism for expiring spectrum sharing in cognitive radio networks
CN108876567B (zh) 一种基于感知效用最大化的群智感知激励方法
Abozariba et al. NOMA-based resource allocation and mobility enhancement framework for IoT in next generation cellular networks
CN111757354A (zh) 一种基于竞争博弈的多用户切片资源分配方法
CN107864512A (zh) 一种基于博弈论的蜂窝异构网络资源分配方法
Qian et al. Spectrum trading in cognitive radio networks: An agent-based model under demand uncertainty
CN107249217A (zh) 自组织移动云网络的联合任务卸载和资源分配方法
Kim Asymptotic shapley value based resource allocation scheme for IoT services
CN109451542B (zh) 一种基于频谱开销的预售系统模型及分层学习方法
CN103412795A (zh) 一种面向移动智能终端的协同下载任务调度方法及系统
CN107302801A (zh) 一种5G混合场景下面向QoE的双层匹配博弈方法
Oikonomakou et al. Energy sharing and trading in multi-operator heterogeneous network deployments
Lin et al. Enabling the femtocells: A cooperation framework for mobile and fixed-line operators
CN108990067A (zh) 一种应用于超密集异构网络的能效控制方法
CN107820295B (zh) 一种基于用户需求的分布式中继资源分配方法
CN102752805B (zh) 一种基于业务满意度的无线资源分配方法与系统
CN104735677A (zh) 一种基于不完全网络环境信息的分布式频谱共享方法
Hoang et al. Dynamic spectrum allocation with second-price auctions: When time is money
CN109219069B (zh) 基于多运营商合作的绿色回程网络的能源分配和定价方法
Zhang et al. A joint offloading and energy cooperation scheme for edge computing networks
Raoof et al. Auction and game-based spectrum sharing in cognitive radio networks
Wang et al. Two-stage Stackelberg game based dynamic spectrum sharing in UAV-assisted communications
Zheng et al. Contract-based cooperative computation and communication resources sharing in mobile edge computing

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant