CN109587641B - 移动智能设备中基于用户匹配的数据流量共享方法 - Google Patents

移动智能设备中基于用户匹配的数据流量共享方法 Download PDF

Info

Publication number
CN109587641B
CN109587641B CN201811459786.8A CN201811459786A CN109587641B CN 109587641 B CN109587641 B CN 109587641B CN 201811459786 A CN201811459786 A CN 201811459786A CN 109587641 B CN109587641 B CN 109587641B
Authority
CN
China
Prior art keywords
data
users
matching
sharer
pair
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.)
Active
Application number
CN201811459786.8A
Other languages
English (en)
Other versions
CN109587641A (zh
Inventor
李鹏
杨昌家
张涛
金瑜
何亨
聂雷
刘芹
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.)
Wuhan University of Science and Engineering WUSE
Original Assignee
Wuhan University of Science and Engineering WUSE
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 Wuhan University of Science and Engineering WUSE filed Critical Wuhan University of Science and Engineering WUSE
Priority to CN201811459786.8A priority Critical patent/CN109587641B/zh
Publication of CN109587641A publication Critical patent/CN109587641A/zh
Application granted granted Critical
Publication of CN109587641B publication Critical patent/CN109587641B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/24—Accounting or billing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/14—Charging, metering or billing arrangements for data wireline or wireless communications
    • H04L12/1432—Metric aspects
    • H04L12/1435—Metric aspects volume-based
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/14—Charging, metering or billing arrangements for data wireline or wireless communications
    • H04L12/1442—Charging, metering or billing arrangements for data wireline or wireless communications at network operator level
    • H04L12/145—Charging, metering or billing arrangements for data wireline or wireless communications at network operator level trading network capacity or selecting route based on tariff
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W28/00—Network traffic management; Network resource management
    • H04W28/02—Traffic management, e.g. flow control or congestion control
    • H04W28/10—Flow control between communication endpoints

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Accounting & Taxation (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明提供一种移动智能设备中基于用户匹配的数据流量共享方法，对数据请求者和数据共享者进行匹配连接，包括根据参与数据共享的用户，划分为数据请求者和数据共享者两种角色，分别构成两个集合R和S，计算数据请求者的集合R中每个元素对数据共享者的集合S中每个元素的偏好因子，计算数据共享者的集合S中每个元素对数据请求者的集合R中每个元素的偏好因子；进行用户匹配选择，包括从数据请求者的集合R中选择一个元素，根据这个元素的偏好集合，从数据共享者的集合S中选择一个元素，判断这对用户是不是最优匹配用户，是则选择这对用户，如果不是选择他们近邻的几对用户进行比较，选择最稳定的一对用户并加入到集合SR中。

Description

移动智能设备中基于用户匹配的数据流量共享方法
技术领域
本发明涉及数据传输领域，具体涉及在数据传输领域中的基于用户匹配的数据流量共享方法。
背景技术
随着近年来，随着智能终端的普及和发展，每个人都有一个或多个智能终端，智能终端都需要联网以获得需要的数据，就会产生流量的使用，每个用户每个月对流量的使用情况都是不确定的，在流量套餐一定的情况下，一个月可能使用的很少，一个月可能完全不够用。因此，把有些用户使用不完的流量共享给需要流量的用户，实现了资源的充分使用，同时，给流量共享者带来一定的回馈，给流量获取者节省了成本。例如：在火车站候车厅，在不考虑公用wifi的情况下，因为有些情况下，公用wifi的使用用户非常多，导致网速降低，用户使用体验感降低。在这种人群密集的情况下，部分用户有充足或多余用不完的流量，那么这部分用户可以把流量共享给流量不够用的用户，以此达到资源的共享，给双方用户也带来了收益和回馈。流量多余的用户不至于浪费流量，可以把流量换算为一定的收益，需要流量的用户以低价获得自己需要的流量，节省了成本。在这种零碎流量共享模式下，如果一个用户从一个省份到另一个省份停留一小段时间，比如候车，由于手机支持的运营商在当地信号或者没有国内流量，那么他就需要开通另一个省份的流量或者全国流量，这很麻烦也很昂贵，但是他可以使用本地省份用户共享的流量，在低花费的情况下，获得自己满意的网速，节省成本的开销。
一个需要流量的用户可以从运营商购买流量套餐获得移动流量，也可以从流量共享者那儿获得共享的流量，但是对于需要流量的用户来说，花费可能是要考虑的一个问题，另外，该用户如果使用运营商不同所在地区的网速也是一个要素，需要流量的用户可能最想要的情况是低花费和满意的网速。在考虑无线网络接入过程中，Ma等人提出了一种独立服务共享协调框架，用于共享频谱和无线接入网络(RAN)。Ferrari等人描述了跨不同运营商和无线平台共享回程网络资源的统一优化框架。在数据共享平台方面，Su等人提出了一种面向移动用户的数据共享平台(TSP)，可以优化网络资源配置。在请求与服务匹配的方面，Wang等人提出了一个基于稳定匹配的VM分配机制。但是上面的研究没有具体分析在数据共享中的一个共享模式，如何实现数据共享、数据共享用户和数据请求用户之间如何匹配以及如何使得数据请求用户的花费最小？对于用户之间的最优匹配方案，可以转化为求怎样的匹配方案使得一次匹配所做的方案，达到数据请求者的平均花费比率最小，数据共享者的平均收益比率最大。以上作者提出的方案没有解决此问题，为此本发明提出了新的解决方案。
参考文献：
[1]Ma,L.Y.,Wei,S.W.,Chang,S.C.,Su,H.C.,Wang,C.N.,Chang,R.Y.:Independent coordination for sharing spectrum and small cells.In:International Conference on Control,Decision and Information Technologies.(2018)959–965.
[2]Ferrari,L.,Karakoc,N.,Scaglione,A.,Reisslein,M.,Thyagaturu,A.:Layered cooperative resource sharing at a wireless sdn backhaul.In:Proc.IEEEInternational Conference on Communications Workshops(ICC Workshops),International Workshop on 5G Architecture(5GARCH).(2018)1–6.
[3]Su,H.,Li,T.,Xu,K.,Zhang,S.,Wang,X.:Tsp:A traffic sharing platformfor mobile networks.In:Quality of Service(IWQoS),2015IEEE 23rd InternationalSymposium on,IEEE(2015)67–68.[4]Wang,J.V.,Fok,K.Y.,Cheng,C.T.,Chi,K.T.:Astable matching-based virtual machine allocation mechanism for cloud datacenters.In:Services.(2016)103–106.
[5]Alhakami H,Chen F,Janicke H.SMP-based service matching[C]//Scienceand Information Conference(SAI),2014.IEEE,2014:620-625.
发明内容
根据现有技术的缺陷，本发明提供一种在数据传输中的数据共享方案，可实现不同模型中的用户匹配。
为达到上述目的，本发明采用的技术方案为一种移动智能设备中基于用户匹配的数据流量共享方法，对数据请求者和数据共享者进行匹配连接，实现如下，
根据参与数据共享的用户，划分为数据请求者和数据共享者两种角色，分别构成两个集合R和S，获得数据请求者信息和数据共享者信息；
计算数据请求者的集合R中每个元素对数据共享者的集合S中每个元素的偏好因子，计算数据共享者的集合S中每个元素对数据请求者的集合R中每个元素的偏好因子；
进行用户匹配选择，包括基于偏好因子，从数据请求者的集合R中选择一个元素，从数据共享者的集合S中选择一个元素，判断这对用户是不是最优匹配用户，是则选择这对用户，如果不是选择他们近邻的几对用户进行比较，选择最稳定的一对用户并加入到集合SR中；
将所选择的这对用户分别从集合S中和集合R中移除，如果集合S中和集合R中没有相互满足条件的用户或者某个集合中的元素匹配完成，输出匹配成功的集合SR，否则继续进行用户匹配选择。
而且，包括一对多匹配和多对多匹配两种情况，
所述一对多匹配，是在只有一个数据共享者和多个数据请求者的情况下，进行用户之间的匹配，达成数据共享；
所述多对多匹配，是在同一个范围内，有多个数据共享者和多个数据请求者的情况下，进行用户之间的匹配，达成数据共享。
而且，所述一对多匹配包括以下步骤，
Step1，初始化，根据参与数据共享的用户，按照角色划分为数据请求者和数据共享者两种角色，分别构成两个集合R和S，其中S集合中只有一个用户s；
Step2，将R中的每个数据请求者i初始化需要数据Fi和容忍时间ti，将S中的数据共享者s初始化智能设备能够提供的网络数据传输速度和能够共享的数据，对集合R按照需要的数据大小对集合中的元素进行排序，转至Step3；
Step3，根据Step2的结果，将集合R中的每个数据请求者i需要的数据Fi和容忍事件ti转化为需要的下载速度vi＝Fi/ti，分别从集合R中依次取出元素，计算数据共享者s能够满足数据请求者的下载速度的用户，并根据数据共享者s自身提供的数据对集合R1中的数据请求者需要的数据做一个偏好程度的排序，当数据请求者需要的数据大小大于等于数据共享者提供的数据大小时停止，构成一个按照需求数据大小的从小到大的有序集合R1，对集合R1中的元素进行逆序排序，转至Step4；
Step4，从R1集合中分别取出第一个元素r1和第二个元素r2，由此，得到可以匹配的2对用户(s，r1)和(s，r2)，分别计算每一对用户的匹配差值ψ，即ψ＝|F-f|，其中，F是数据请求者的需要数据，f是数据共享者的共享数据，选择最小匹配差值的一对用户作为匹配成功的一对用户，转至Step5；
Step5，将匹配的这对用户分别从集合S中和集合R中移除，并将这对用户加入匹配成功的集合SR中，转至Step6；
Step6，返回匹配成功的集合SR，结束。
而且，所述一对多匹配的算法时间复杂度为O(nlogn)，其中n代表数据请求者的数量。
而且，所述多对多匹配方法包括以下步骤，
Step1，根据参与数据共享的用户，按照角色划分为数据请求者和数据共享者两种角色，分别构成两个集合R和S；
Step2，将R中的每个数据请求者初始化i需要数据Fi和容忍时间ti，将S中的每个数据共享者j初始化智能设备能够提供的网络数据传输速度Vj和能够共享的数据fj；对集合R中的元素按照Fi的大小进行从小到大的排序，对集合S中的元素按照fj的大小进行从小到大的排序，转至Step3；
Step3，根据Step2的结果，将集合R中的每个数据请求者i需要的数据Fi和容忍时间ti转化为需要的下载速度vi＝Fi/ti，然后，集合R中的每个元素ri从集合S中寻找能够满足需要的下载速度的数据共享者，当S集合中的元素提供的共享数据的大小大于等于ri需要数据的大小时停止，并构成一个fj从小到大的集合Si，对集合Si中的元素进行逆序排序；同理，集合S中的每个元素sj从集合R中寻找能够满足需要的下载速度的数据请求者，当集合R中的元素需要数据的大小大于等于sj的共享数据的大小时停止，并构成一个Fi从小到大的集合Rj，并对集合Rj中的元素进行逆序排序；就达到了每个R集合中的元素对集合S有一个偏好程度的排序，每个S集合中的每个元素对集合R有一个偏好程度的排序，转至Step4；
Step4，集合S中的每个元素si依次从自己偏好程度的Ri集合取第一个元素r1和第二个元素r2，如果r1没有和其他的集合S中的元素匹配并且r1偏好程度的集合S1的第一个元素也是si，则si和r1进行匹配，否则取出r1偏好程度的第一个元素s1和第二个元素s2，得到能够进行匹配的四队用户(s1，r1)、(s1，r2)、(s2，r1)、(s2，r1)，分别计算每一对用户的匹配差值ψ，即ψ＝|F-f|，其中，F是数据请求者的需要数据，f是数据共享者的共享数据，选择最小匹配差值的一对用户作为匹配成功的一对用户，转至Step5；
Step5，在上面匹配成功的一对用户中，假设为(s，r)，把这对用户加入匹配成功的集合SR，从集合S中删掉已经匹配的元素s，从集合R中删掉已经匹配的元素r；如果集合S中的元素提供的数据传输速度Vi均不能满足Step3所得集合R中每个元素的需要的下载速度vi或者某个集合中的元素匹配完成，转至Step6；否则，转至Step4，查找能够进行匹配的用户进行匹配；
Step6，返回匹配成功集合SR的结果，结束。
而且，所述多对多匹配的算法时间复杂度为O(n2)。
本发明采用的用于解决多用户在动态环境中实现数据共享的技术方案具有以下特点：
1)一轮匹配完成的时间复杂度为O(n2)，其中n代表的是数据共享者的数量和数据请求者的数量。
2)一轮匹配中，当数据请求者和数据共享者数量越多时，得到的结果越稳定，最终数据请求者和数据共享者的数据落差越小，即数据请求者期望数据越容易被满足或接近被满足，数据共享者的数据收益期望越接近。
可以看到被匹配的数据请求者和数据共享者的数据落差越小，数据请求者需要付出的额外花费就越小，数据共享者没有被使用的数据就越小。
实验结果表明，本发明提出的方法优于其他现有技术的效果，能够提高流量共享效率，节约资源，降低成本，是适于推广的新型共享技术，具有重要的市场价值。
附图说明
图1为本发明实施例的一对多数据共享流程示意图。
图2为本发明对比实验中的一对多请求者额外花费率示意图。
图3为本发明对比实验中的一对多共享者收益率示意图。
图4为本发明对比实验中的一对多用户收益率示意图。
图5为本发明对比实验中的一对多用户匹配度示意图。
图6为本发明对比实验中的多对多请求者额外花费率示意图。
图7为本发明对比实验中的多对多共享者收益率示意图。
图8为本发明对比实验中的多对多用户收益率示意图。
图9为本发明对比实验中的多对多用户匹配度示意图。
具体实施方式
以下结合实施例和附图具体说明本发明的技术方案。
随着互联网和智能手机的发展，移动数据共享已经引起了众多研究者的关注。本发明研究了移动群体感知中的移动数据共享问题。假定用户数量庞大，每个用户都可以进行移动数据采集，也可以进行移动数据共享，问题在于如何最优地选择用户来协作共享自己闲置的移动数据给其他人。当用户共享他们的移动数据，本发明考虑两个数据共享模型，一对多和多对多的数据共享模型。对于一对多模型，提出了改进的贪婪方法来匹配数据请求者和数据共享者，使得用户之间完成数据的共享。对于多对多模型，将此问题转化为稳定匹配问题(SMP)，并提出基于SMP算法的改进方法MTM来解决此问题。实验结果表明，针对不同的模型，本发明中的方法优于其他方法。
本发明采用的技术方案提供的在数据共享过程中，模拟了一对多和多对多的数据共享模型，根据用户所在范围不同，构成的集合不同，动态的划分为不同的模型，在一对多模型中和多对多模型中分别使用OTM算法和MTM算法，以达到对不同场景下的数据请求用户和数据共享用户进行匹配，达到减少数据请求用户花费，同时保证匹配的稳定性，即最大限度的平衡数据请求用户的额外开销和数据共享用户的收益，使得他们的期望值最大限度的被满足。
本发明提出，移动智能设备中基于用户匹配的数据流量共享方法研究的问题可以看做一个NP-hard问题，通过一个特殊的假设，即假设数据请求用户的数量和数据共享用户的数量相等，将这个问题转换为用户配对问题，也就是稳定匹配问题，即这个问题是NP-hard。
本发明提出的一种在移动智能设备中基于用户匹配的数据流量共享方法，对数据请求者和数据共享者进行匹配连接，实现如下，
根据参与数据共享的用户，划分为数据请求者和数据共享者两种角色，分别构成两个集合R和S，获得数据请求者信息和数据共享者信息；
计算数据请求者的集合R中每个元素对数据共享者的集合S中每个元素的偏好因子，计算数据共享者的集合S中每个元素对数据请求者的集合R中每个元素的偏好因子；
进行用户匹配选择，包括基于偏好因子，从数据请求者的集合R中选择一个元素，从数据共享者的集合S中选择一个元素，判断这对用户是不是最优匹配用户，是则选择这对用户，如果不是选择他们近邻的几对用户进行比较，选择最稳定的一对用户并加入到集合SR中；
将所选择的这对用户分别从集合S中和集合R中移除，如果集合S中和集合R中没有相互满足条件的用户或者某个集合中的元素匹配完成，输出匹配成功的集合SR，否则继续进行用户匹配选择。
实施例中，包括一对多匹配和多对多匹配两种情况，
所述一对多匹配，是在只有一个数据共享者和多个数据请求者的情况下，进行用户之间的匹配，达成数据共享；
所述多对多匹配，是在同一个范围内，有多个数据共享者和多个数据请求者的情况下，进行用户之间的匹配，达成数据共享。
实施例中。多对多匹配具体步骤如下：
Step1，根据参与数据共享的用户，按照角色划分为数据请求者和数据共享者两种角色，分别构成两个集合R和S；
Step2，将R中的每个数据请求者初始化需要数据Fi和容忍时间ti，将S中的每个数据共享者初始化智能设备能够提供的网络数据传输速度Vj和能够共享的数据fj；对集合R中的元素按照Fi的大小进行从小到大的排序，对集合S中的元素按照fj的大小进行从小到大的排序，转至Step3；
Step3，根据Step2的结果，将集合R中的需要的数据Fi和容忍时间ti转化为需要的下载速度vi＝Fi/ti，然后，集合R中的每个元素ri从集合S中寻找能够满足需要的下载速度的数据共享者，当S集合中的元素提供的共享数据的大小大于等于ri需要数据的大小时停止，并构成一个fj从小到大的集合Si，对集合Si中的元素进行逆序排序；同理，集合S中的每个元素sj从集合R中寻找能够满足需要的下载速度的数据请求者，当集合R中的元素需要数据的大小大于等于sj的共享数据的大小时停止，并构成一个Fi从小到大的集合Rj，并对集合Rj中的元素进行逆序排序；就达到了每个R集合中的元素对集合S有一个偏好程度的排序，每个S集合中的每个元素对集合R有一个偏好程度的排序，转至Step4；
Step4，集合S中的每个元素si依次从自己偏好程度的Ri集合取第一个元素r1和第二个元素r2，如果r1没有和其他的集合S中的元素匹配并且r1偏好程度的集合S1的第一个元素也是si，则si和r1进行匹配，否则取出r1偏好程度的第一个元素s1和第二个元素s2，得到能够进行匹配的四队用户(s1，r1)、(s1，r2)、(s2，r1)、(s2，r1)，分别计算每一对用户的匹配差值ψ，即ψ＝|F-f|，其中，F是数据请求者的需要数据，f是数据共享者的共享数据，此处F是数据请求者r1或r2的需要数据，f是数据共享者s1或s2的共享数据，选择最小匹配差值的一对用户作为匹配成功的一对用户，转至Step5；
Step5，在上面匹配成功的一对用户中，假设为(s，r)，把这对用户加入匹配成功的集合SR，从集合S中删掉已经匹配的元素s，从集合R中删掉已经匹配的元素r；如果集合S中的元素提供的数据传输速度Vi均不能满足Step3所得集合R中每个元素的需要的下载速度vi或者某个集合中的元素匹配完成，转至Step6；否则，转至Step4，查找能够进行匹配的用户进行匹配；
Step6，返回匹配成功集合SR的结果，结束。
依次对流量共享者集合中的每个元素进行操作，直到匹配完成或者流量共享者集合中的元素不再满足任何一个流量请求者的平均下载速度。由此，本发明可以在保证很低的失败率的情况下，得到最小的流量共享差值，使得流量共享者的的整体收益最大，流量请求者整体花费最小，从而提高整个社会福利。
参见图1，实施例中一对多匹配流程包括以下步骤：
Step1，初始化，根据参与数据共享的用户，按照角色划分为数据请求者和数据共享者两种角色，分别构成两个集合R和S，其中S集合中只有一个用户s；
Step2，将R中的每个数据请求者i初始化需要数据Fi和容忍时间ti，将S中的数据共享者s初始化智能设备能够提供的网络数据传输速度和能够共享的数据，对集合R按照需要的数据大小对集合中的元素进行排序，转至Step3；
Step3，根据Step2的结果，将集合R中的需要的数据Fi和容忍事件ti转化为需要的下载速度vi＝Fi/ti，分别从集合R中依次取出元素，计算数据共享者s能够满足数据请求者的下载速度的用户，并根据数据共享者s自身提供的数据对集合R1中的数据请求者需要的数据做一个偏好程度的排序，当数据请求者需要的数据大小大于等于数据共享者提供的数据大小时停止，构成一个按照需求数据大小的从小到大的有序集合R1，对集合R1中的元素进行逆序排序，转至Step4；
Step4，从R1集合中分别取出第一个元素r1和第二个元素r2，由此，得到可以匹配的2对用户(s，r1)和(s，r2)，分别计算每一对用户的匹配差值ψ，即ψ＝|F-f|，其中，F是数据请求者的需要数据，f是数据共享者的共享数据，此处，F是数据请求者r1或r2的需要数据，f是数据共享者s的共享数据，选择最小匹配差值的一对用户作为匹配成功的一对用户，转至Step5；
Step5，将匹配的这对用户分别从集合S中和集合R中移除，并将这对用户加入匹配成功的集合SR中，转至Step6；
Step6，返回匹配成功的集合SR，结束。
具体实施时，可采用软件技术实现以上流程的自动运行。
例如R＝{r1,r2,r3,……,rn}为数据请求者的集合，S＝{s1,s2,s3,……,sm}为数据共享者的集合，rn表示第n个数据请求者，他需要的数据为Fn，容忍时间为tn，sn表示第n个数据共享者，他共享的数据为fn，数据下载速度为Vn，所以可以得到第i个数据请求者ri的期望下载速度为：vi＝Fi/ti。
用xi表示是否选中ri用户，如果选中了ri用户，xi＝1，否则xi＝0；类似的，用yj表示是否选中sj用户，如果选中了sj用户，yj＝1，否则yj＝0；用Q(x)表示用户的匹配度：
在一对多模型中，集合S只有一个数据共享者，设他共享的数据为f1，数据下载速度为V，问题最终可以表示为
Figure BDA0001888422920000081
限制条件为V≥xi×Fi/ti和xi∈{0,1},1≤i≤n。
其中，V代表数据共享者的数据传输速度。
在多对多模型中，问题最终可以表示为
Figure BDA0001888422920000082
限制条件为Vjyj≥xi×Fi/ti和xi,yj∈{0,1},1≤i≤n,1≤j≤m。
其中，|R|代表数据请求者的数量，|SR|代表匹配成功的用户数量。
为了求出S集合中元素i对集合R中元素的偏好程度因子，本发明定义了一个共享者对请求者的匹配率
Figure BDA0001888422920000091
用
Figure BDA0001888422920000092
的大小来表明i对集合R中元素的偏好程度，首先定义匹配率最大值为1，因此可以得到，
Figure BDA0001888422920000093
为了求出R集合中元素j对集合S中元素的偏好程度因子，本发明定义了一个请求者对共享者的匹配率θ，用θj的大小来表明j对集合S中元素的偏好程度，首先定义匹配率最大值为1，因此可以得到，
Figure BDA0001888422920000094
为了分析一对多匹配方法和多对多匹配方法的性能，为此参照现有方法进行比较，将一对多匹配方法记作OTM，将多对多匹配方法记作MTM，6个参照算法以不同的思路被提出：
普通的算法Common(COM for short)：DR用户优先原则，从DR集合中依次选择一个DR用户，当DR用户遇到一个满足容忍时间DS用户，则与这个DS用户进行匹配；DS用户优先原则，从DS集合中依次选择一个DS用户，当DS用户遇到一个可以满足容忍时间的DR用户，则与这个DR用户进行匹配。
半排序的算法Semi Sort(SS for short)：DR用户优先原则，先对DS用户按照共享的流量大小进行排序，然后当一个DR用户遇到一个满足容忍时间DS用户，则与这个DS用户进行匹配；DS用户优先原则，先对DR用户按照需要的流量大小进行排序，然后当一个DS用户遇到一个可以满足容忍时间的DR用户，则与这个DR用户进行匹配。
全排序的算法All Sort(AS for short)：分别对DR用户按照需要的流量大小进行排序，对DS用户按照共享的流量大小进行排序；DR用户优先原则，当一个DR用户遇到一个满足容忍时间DS用户，则与这个DS用户进行匹配；DS用户优先原则，当一个DS用户遇到一个可以满足容忍时间的DR用户，则与这个DR用户进行匹配。
稳定搭配算法Stable Matching Proglem(SMP for short)：DR用户优先原则，分别计算出每个DR用户对DS用户集合的一个偏好程度的排序集合RS，每个DR用户从它偏好的RS集合中选取第一个且没有匹配的DS用户进行匹配；DS用户优先原则，分别计算出每个DS用户对DR用户集合的一个偏好程度的排序集合SR，每个DS用户从它偏好的SR集合中选取第一个且没有匹配的DR用户进行匹配。
随机匹配算法Random Matching(RM for short)：DR用户优先原则，一个DR用户随机的从DS集合中选择一个满足容忍时间的DS用户，与这个DS用户进行匹配；DS用户优先原则，一个DS用户随机的从DR集合中选择一个满足容忍时间的DR用户，与这个DR用户进行匹配。
两端匹配算法Two Ends Matching(TEM for short)：分别对DR用户按照需要的流量大小进行排序，对DS用户按照共享的流量大小进行排序；DR用户优先原则，首先从DR集合中选择第一个DR用户，在DS集合中从头依次找到一个满足容忍时间的DS用户进行匹配，再次用从DR集合中选取最后一个DR用户，在DS集合中从尾依次找一个满足容忍时间的DS用户进行匹配，重复上面的步骤，直到匹配完成；DS用户优先原则，首先从DS集合中选择第一个DS用户，在DR集合中从头依次找到一个满足容忍时间的DR用户进行匹配，再次用从DS集合中选取最后一个DS用户，在DR集合中从尾依次找一个满足容忍时间的DR用户进行匹配，重复上面的步骤，直到匹配完成。
模拟实验研究不同的用户场景，和，设置不同的用户数量进行验证，根据取得的结果进行分析。
在2种不同的情景下分别进行实验，并分别进行评估。第一种情景是一对多场景(One-to-Many)，使得数据共享者s选择满足条件的数据请求者，通过被选择的数据请求者反向验证匹配率是不是最低，以达到匹配最稳定的状态。第二种情景是多对多场景，设置不同的用户数量，数据共享者和数据请求者设置相同的数量，分别设置20、50、100个不同的用户数量，进行匹配，采用基于SMP算法的改进算法MTM算法进行匹配，使得整体匹配结果达到稳定。
图2，3，4,5显示了情景1下的实验结果，即在1个数据共享者和5-15个数据请求者的场景中的情况，图2展示了数据请求者的额外花费率，图3展示了数据共享者的收益率，图4展示了数据请求者和数据共享者的总体收益率，图5展示了数据请求者和数据共享者的匹配度，匹配度越小表明匹配结果越稳定，其数据请求者和数据共享者之间的数据需求和数据提供越接近。
图6，7，8,9显示了情景2下的实验结果，即在多个数据请求者和多个数据共享者的场景中的情况，实验以20个数据共享者，10-100个数据获取者为例，分别涵盖了数据共享者数量大于数据请求者数量、数据共享者数量等于数据请求者数量、数据共享者数量小于数据请求者数量三种情况。图6展示了数据请求者的额外花费率，图7展示了数据共享者的收益率，图8展示了数据请求者和数据共享者的总体收益率，图9展示了数据请求者和数据共享者的匹配度，匹配度越小表明匹配结果越稳定，其数据请求者和数据共享者之间的数据需求和数据提供越接近。
根据2种不同情景的结果分析可以看出，分别采用本发明提出的OTM算法和MTM算法，在数据请求者的花费率会达到接近最优，在数据花费者会达到接近最优，但是在整个系统中所有用户的整体收益会达到最优，整体匹配用户之间的匹配度最小，即数据请求者和数据共享者之间的数据需求和数据提供最接近。因此，采用本发明提出的算法会取得整体最优的结果。
本文中所描述的具体实施例仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。

Claims (6)

1.一种移动智能设备中基于用户匹配的数据流量共享方法，其特征在于：对数据请求者和数据共享者进行匹配连接，实现如下，
根据参与数据共享的用户，划分为数据请求者和数据共享者两种角色，分别构成两个集合R和S，获得数据请求者信息和数据共享者信息；
计算数据请求者的集合R中每个元素对数据共享者的集合S中每个元素的偏好因子，计算数据共享者的集合S中每个元素对数据请求者的集合R中每个元素的偏好因子；
进行用户匹配选择，包括基于偏好因子，从数据请求者的集合R中选择一个元素，从数据共享者的集合S中选择一个元素，判断这对用户是不是最优匹配用户，是则选择这对用户，如果不是选择这对用户近邻的几对用户进行比较，选择最稳定的一对用户并加入到集合SR中，所述最稳定的一对用户就是匹配差值最小的一对用户；
将所选择的这对用户分别从集合S中和集合R中移除，如果集合S中和集合R中没有相互满足条件的用户或者某个集合中的元素匹配完成，输出匹配成功的集合SR，否则继续进行用户匹配选择。
2.根据权利要求1所述移动智能设备中基于用户匹配的数据流量共享方法，其特征在于：包括一对多匹配和多对多匹配两种情况，
所述一对多匹配，是在只有一个数据共享者和多个数据请求者的情况下，进行用户之间的匹配，达成数据共享；
所述多对多匹配，是在同一个范围内，有多个数据共享者和多个数据请求者的情况下，进行用户之间的匹配，达成数据共享。
3.根据权利要求2所述移动智能设备中基于用户匹配的数据流量共享方法，其特征在于：所述一对多匹配包括以下步骤，
Step1，初始化，根据参与数据共享的用户，按照角色划分为数据请求者和数据共享者两种角色，分别构成两个集合R和S，其中S集合中只有一个用户s；
Step2，将R中的每个数据请求者i初始化需要数据Fi和容忍时间ti，将S中的数据共享者s初始化智能设备能够提供的网络数据传输速度和能够共享的数据，对集合R按照需要的数据大小对集合中的元素进行排序，转至Step3；
Step3，根据Step2的结果，将集合R中的每个数据请求者i需要的数据Fi和容忍时间ti转化为需要的下载速度vi＝Fi/ti，分别从集合R中依次取出元素，计算数据共享者s能够满足数据请求者的下载速度的用户，并根据数据共享者s自身提供的数据对集合R1中的数据请求者需要的数据做一个偏好程度的排序，当数据请求者需要的数据大小大于等于数据共享者提供的数据大小时停止，构成一个按照需求数据大小的从小到大的有序集合R1，对集合R1中的元素进行逆序排序，转至Step4；
Step4，从R1集合中分别取出第一个元素r1和第二个元素r2，由此，得到可以匹配的2对用户(s，r1)和(s，r2)，分别计算每一对用户的匹配差值ψ，即ψ＝|F-f|，其中，F是数据请求者的需要数据，f是数据共享者的共享数据，选择最小匹配差值的一对用户作为匹配成功的一对用户，转至Step5；
Step5，将匹配的这对用户分别从集合S中和集合R中移除，并将这对用户加入匹配成功的集合SR中，转至Step6；
Step6，返回匹配成功的集合SR，结束。
4.根据权利要求3所述移动智能设备中基于用户匹配的数据流量共享方法，其特征在于：所述一对多匹配的算法时间复杂度为O(nlogn)，其中n代表数据请求者的数量。
5.根据权利要求2所述移动智能设备中基于用户匹配的数据流量共享方法，其特征在于：所述多对多匹配方法包括以下步骤，
Step1，根据参与数据共享的用户，按照角色划分为数据请求者和数据共享者两种角色，分别构成两个集合R和S；
Step2，将R中的每个数据请求者初始化i需要数据Fi和容忍时间ti，将S中的每个数据共享者j初始化智能设备能够提供的网络数据传输速度Vj和能够共享的数据fj；对集合R中的元素按照Fi的大小进行从小到大的排序，对集合S中的元素按照fj的大小进行从小到大的排序，转至Step3；
Step3，根据Step2的结果，将集合R中的每个数据请求者i需要的数据Fi和容忍时间ti转化为需要的下载速度vi＝Fi/ti，然后，集合R中的每个元素ri从集合S中寻找能够满足需要的下载速度的数据共享者，当S集合中的元素提供的共享数据的大小大于等于ri需要数据的大小时停止，并构成一个fj从小到大的集合Si，对集合Si中的元素进行逆序排序；同理，集合S中的每个元素sj从集合R中寻找能够满足需要的下载速度的数据请求者，当集合R中的元素需要数据的大小大于等于sj的共享数据的大小时停止，并构成一个Fi从小到大的集合Rj，并对集合Rj中的元素进行逆序排序；就达到了每个R集合中的元素对集合S有一个偏好程度的排序，每个S集合中的每个元素对集合R有一个偏好程度的排序，转至Step4；
Step4，集合S中的每个元素si依次从自己偏好程度的Ri集合取第一个元素r1和第二个元素r2，如果r1没有和其他的集合S中的元素匹配并且r1偏好程度的集合S1的第一个元素也是si，则si和r1进行匹配，否则取出r1偏好程度的第一个元素s1和第二个元素s2，得到能够进行匹配的四队用户(s1，r1)、(s1，r2)、(s2，r1)、(s2，r1)，分别计算每一对用户的匹配差值ψ，即ψ＝|F-f|，其中，F是数据请求者的需要数据，f是数据共享者的共享数据，选择最小匹配差值的一对用户作为匹配成功的一对用户，转至Step5；
Step5，在上面匹配成功的一对用户中，假设为(s，r)，把这对用户加入匹配成功的集合SR，从集合S中删掉已经匹配的元素s，从集合R中删掉已经匹配的元素r；如果集合S中的元素提供的数据传输速度Vi均不能满足Step3所得集合R中每个元素的需要的下载速度vi或者某个集合中的元素匹配完成，转至Step6；否则，转至Step4，查找能够进行匹配的用户进行匹配；
Step6，返回匹配成功集合SR的结果，结束。
6.根据权利要求4所述移动智能设备中基于用户匹配的数据流量共享方法，其特征在于：所述多对多匹配的算法时间复杂度为O(n2)。
CN201811459786.8A 2018-11-30 2018-11-30 移动智能设备中基于用户匹配的数据流量共享方法 Active CN109587641B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811459786.8A CN109587641B (zh) 2018-11-30 2018-11-30 移动智能设备中基于用户匹配的数据流量共享方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811459786.8A CN109587641B (zh) 2018-11-30 2018-11-30 移动智能设备中基于用户匹配的数据流量共享方法

Publications (2)

Publication Number Publication Date
CN109587641A CN109587641A (zh) 2019-04-05
CN109587641B true CN109587641B (zh) 2020-11-03

Family

ID=65925770

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811459786.8A Active CN109587641B (zh) 2018-11-30 2018-11-30 移动智能设备中基于用户匹配的数据流量共享方法

Country Status (1)

Country Link
CN (1) CN109587641B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609468A (zh) * 2012-01-17 2012-07-25 电子科技大学 一种基于上下文感知和用户偏好的空间信息服务匹配方法
CN104657133A (zh) * 2015-01-28 2015-05-27 南京邮电大学 移动群智感知中一种用于单时间窗口任务的激励方法
CN104850935A (zh) * 2015-04-15 2015-08-19 南京邮电大学 一种以最小化支付为目标的移动群智感知激励方法
CN106797543A (zh) * 2014-08-20 2017-05-31 三星电子株式会社 数据共享方法和用于其的电子设备
CN107302747A (zh) * 2017-07-14 2017-10-27 重庆邮电大学 一种基于稳定匹配的协作视频传输方法
CN108776863A (zh) * 2018-05-25 2018-11-09 华南理工大学 一种基于用户基数最大化的群智感知激励方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8681966B1 (en) * 2012-11-27 2014-03-25 Genesys Telecommunications Laboratories, Inc. Location-based call initiation

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102609468A (zh) * 2012-01-17 2012-07-25 电子科技大学 一种基于上下文感知和用户偏好的空间信息服务匹配方法
CN106797543A (zh) * 2014-08-20 2017-05-31 三星电子株式会社 数据共享方法和用于其的电子设备
CN104657133A (zh) * 2015-01-28 2015-05-27 南京邮电大学 移动群智感知中一种用于单时间窗口任务的激励方法
CN104850935A (zh) * 2015-04-15 2015-08-19 南京邮电大学 一种以最小化支付为目标的移动群智感知激励方法
CN107302747A (zh) * 2017-07-14 2017-10-27 重庆邮电大学 一种基于稳定匹配的协作视频传输方法
CN108776863A (zh) * 2018-05-25 2018-11-09 华南理工大学 一种基于用户基数最大化的群智感知激励方法

Also Published As

Publication number Publication date
CN109587641A (zh) 2019-04-05

Similar Documents

Publication Publication Date Title
Ning et al. Deep reinforcement learning for intelligent internet of vehicles: An energy-efficient computational offloading scheme
Jiang et al. A joint multi-criteria utility-based network selection approach for vehicle-to-infrastructure networking
Lv et al. Interaction of edge-cloud computing based on SDN and NFV for next generation IoT
CN113435472A (zh) 车载算力网络用户需求预测方法、系统、设备、介质
CN111372314A (zh) 基于移动边缘计算场景下的任务卸载方法及任务卸载装置
WO2021208915A1 (zh) 算力共享方法及相关设备
WO2023024219A1 (zh) 云边协同网络中时延和频谱占用联合优化方法及系统
Liu et al. ERP: Edge resource pooling for data stream mobile computing
Ko et al. Joint client selection and bandwidth allocation algorithm for federated learning
CN112650581A (zh) 一种面向智能楼宇的云边协同任务调度方法
Zhang et al. IoV scenario: Implementation of a bandwidth aware algorithm in wireless network communication mode
Guo et al. Dynamic scheduling for heterogeneous federated learning in private 5g edge networks
Guo et al. NOMA-assisted multi-MEC offloading for IoVT networks
Li et al. Load balancing edge server placement method with QoS requirements in wireless metropolitan area networks
CN113094180B (zh) 无线联邦学习调度优化方法及装置
CN113242553B (zh) 一种基于区块链分片的恶意节点检测方法
CN109495565B (zh) 基于分布式泛在计算的高并发服务请求处理方法和设备
Deng et al. Task offloading based on edge collaboration in MEC-enabled IoV networks
CN104980685B (zh) 视频服务提供方法及视频服务提供系统
CN109348486A (zh) 一种异构无线网络资源分配方法
CN109587641B (zh) 移动智能设备中基于用户匹配的数据流量共享方法
Zhong et al. Slice allocation of 5G network for smart grid with deep reinforcement learning ACKTR
Chen et al. Joint optimization of task caching, computation offloading and resource allocation for mobile edge computing
CN104410976B (zh) 一种分布式端到端用户和蜂窝网络用户关联及时间分配方法
CN114615705B (zh) 一种基于5g网络下单用户资源分配策略方法

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