KR101677400B1 - 방향 벡터를 이용한 협상 해법 기반의 자원 할당 방법 및 그 방법을 수행하는 자원 할당 장치 - Google Patents

방향 벡터를 이용한 협상 해법 기반의 자원 할당 방법 및 그 방법을 수행하는 자원 할당 장치 Download PDF

Info

Publication number
KR101677400B1
KR101677400B1 KR1020150178441A KR20150178441A KR101677400B1 KR 101677400 B1 KR101677400 B1 KR 101677400B1 KR 1020150178441 A KR1020150178441 A KR 1020150178441A KR 20150178441 A KR20150178441 A KR 20150178441A KR 101677400 B1 KR101677400 B1 KR 101677400B1
Authority
KR
South Korea
Prior art keywords
users
resource
resources
optimal
initial
Prior art date
Application number
KR1020150178441A
Other languages
English (en)
Inventor
박형곤
최지수
Original Assignee
이화여자대학교 산학협력단
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 이화여자대학교 산학협력단 filed Critical 이화여자대학교 산학협력단
Priority to KR1020150178441A priority Critical patent/KR101677400B1/ko
Application granted granted Critical
Publication of KR101677400B1 publication Critical patent/KR101677400B1/ko

Links

Images

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]
    • H04W28/18—Negotiating wireless communication parameters
    • 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]
    • H04W28/18—Negotiating wireless communication parameters
    • H04W28/20—Negotiating bandwidth

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)

Abstract

본 발명은 방향 벡터를 이용한 협상 해법 기반의 자원 할당 방법 및 그 방법을 수행하는 자원 할당 장치에 관한 것으로, 구체적으로는 동일한 네트워크 환경에서 한정된 자원을 공유하는 복수의 사용자의 수가 유동적으로 변화하는 경우를 고려하여 실시간으로 빠르게 자원을 분배하기 위한 전략으로 협력게임이론의 내쉬 협상 해법(Nash Bargaining Solution, NBS)을 이용함으로써, 해법의 연산 복잡도를 낮추기 위한 방안으로 방향 벡터를 이용한 효율적인 알고리즘을 제시한다.

Description

방향 벡터를 이용한 협상 해법 기반의 자원 할당 방법 및 그 방법을 수행하는 자원 할당 장치{RESOURCE ALLOCATION METHOD BASED ON BARGAINING SOLUTIONS USING A DIRECTION VECTOR AND RESOURCE ALLOCATION APPARATUS FOR PERFORMING THE METHOD}
아래의 설명은 협상 해법을 이용한 자원 할당 방법 및 그 방법을 수행하는 자원 할당 장치에 관한 것으로 멀티 유저 네트워크 환경에서 사용자의 효용 및 네트워크 자원을 기반으로 네트워크 자원을 전략적으로 사용자에게 할당하는 자원 할당 방법에 관한 것이다.
최근에는 스마트폰, 태블릿 PC, 웨어러블 기기 등 모바일 기기가 널리 보급됨에 따라 다수의 기기가 하나의 통신 및 네트워크 환경을 공유하는 상황이 자주 발생하고 있다. 이에 따라 자원이 한정된 네트워크 환경에서 사용자 환경 및 미디어 특성에 맞게 네트워크 자원을 효율적으로 활용하는 것이 중요한 이슈가 되었다.
이때, 멀티 유저 네트워크 환경에서의 주요 성능은 크게 자원 할당 방법으로 평가될 수 있다. 이를 위해, 기존 연구에서 효율적인 자원 할당과 동시에 멀티미디어 사용자들의 서비스 품질(Quality of Service)을 보장할 수 있는 방법으로 i) NBS(Nash bargaining solution) 및 ii) KSBS(Kalai-Smorodinsky bargaining solution)와 같은 몇 가지 협상 전략이 고려되어 왔다.
여기서, NBS은 공리적 협상 해법을 기반으로 한 게임 이론적 방법으로 주어진 문제를 접근하며 자원 할당 방법으로 널리 알려진 협상 해법이다. 하지만, NBS은 사용자의 수가 늘어날수록 NBS를 수행하는 데 필요한 계산 복잡도가 기하급수적으로 증가한다는 한계를 가지고 있어 네트워크 환경 변화 (사용자의 수 변화)에 맞추어 실시간으로 자원 할당을 해주지 못하는 것이 가장 큰 문제점으로 꼽혀 왔다. 이에 따라 계산 복잡도를 줄이기 위해 불필요한 연산을 제외함으로써, 빠르게 NBS를 도출할 수 있는 다양한 네트워크 자원 할당 방법이 제시되었으나, 제시된 방법들은 사용자의 수가 동적으로 변화하는 환경에서는 적용하기에 여전히 한계를 가지고 있다.
따라서, 상술한 한계를 해결하기 위해, 네트워크 자원 할당에 대해 협력적인 접근 방법을 이용하여 멀티미디어 서비스 품질 보장과 동시에 전체 네트워크 효용을 높일 수 있는 방법이 필요하다.
본 발명은 네트워크 상에 고정된 자원을 가변적인 사용자에게 할당하기 위해 방향 벡터를 이용한 협상 해법을 활용함으로써, 사용자에게 고정된 자원을 공평하게 할당할 수 있는 자원 할당 방법 및 자원 할당 장치를 제공할 수 있다.
본 발명은 고정된 자원을 가변적인 사용자에게 할당함에 있어, 최소 범위 및 최대 범위를 기반으로 자원에 대한 전역 탐색을 수행함에 따라 탐색 공간을 축소시키고, 이에 따른 연속 복잡도를 감소시킬 수 있는 자원 할당 방법 및 자원 할당 장치를 제공할 수 있다.
일실시예에 따른 자원 할당 장치가 수행하는 자원 할당 방법은 n명 사용자들 각각에 배분된 최적 자원으로부터 n+1명 사용자들 각각에 대한 초기 자원을 설정하는 단계; 및 협상 이론에 기초하여 상기 n+1명 사용자들에 대해 설정된 초기 자원으로부터 n+1명 사용자들 각각에 대한 최적 자원을 재설정하는 단계를 포함하고, 상기 초기 자원을 설정하는 단계와 최적 자원을 재설정하는 단계는, 상기 n명 사용자로부터 a명 만큼 증가된 경우, n+a명 사용자들을 고려하여 단계적으로 반복될 수 있다.
일실시예에 따른 n명 사용자들 각각의 초기 자원은 n명 사용자들별로 배분된 최적 자원에서 상기 일부 자원이 감소된 결과로 설정되며, 상기 n+a명 사용자들 중 n+1번째 사용자의 초기 자원은, 상기 n명 사용자들별로 배분된 최적 자원에서 각각 감소된 일부 자원이 합산된 결과로 설정될 수 있다.
일실시예에 따른 n+1명 사용자들 각각에 대한 최적 자원을 재설정하는 단계는, 상기 n+1명 사용자들 각각의 효용 함수에서 상기 설정된 초기 자원일 때의 기울기가 서로 동일하다는 조건을 고려하여 상기 n+1명 사용자들 중 특정 사용자의 일부 자원이 결정되면 n명의 사용자들 중 특정 사용자를 제외한 나머지 사용자의 일부 자원이 순차적으로 결정될 수 있다.
일실시예에 따른 n+1명 사용자들에 대한 최적 자원을 재설정하는 단계는 (i) 상기 특정 사용자의 효용 함수에서 특정 사용자에 설정된 초기 자원일 때의 제1 기울기 (ii) 상기 n+1명의 사용자들 중 n+1번째 사용자의 효용 함수에서 n+1번째 사용자에 설정된 초기 자원일 때의 제2 기울기가 서로 동일해지도록 반복적으로 도출된 특정 사용자의 일부 자원을 고려하여 상기 n+1명 사용자들 각각에 대한 최적 자원을 재설정할 수 있다.
일실시예에 따른 n+1명 사용자들에 대한 최적 자원을 재설정하는 단계는 상기 제1 기울기와 제2 기울기가 서로 동일해질 때까지 상기 특정 사용자의 일부 자원의 탐색 범위에 대한 최소 범위(LB: Lower Bound) 및 최대 범위(UB: Upper Bound)를 조절함으로써 상기 특정 사용자의 일부 자원을 결정할 수 있다.
일실시예에 따른 자원 할당 장치가 수행하는 자원 할당 방법은 n명 사용자들 각각에 배분된 최적 자원 중 감소된 사용자들에게 각각 배분된 여유 자원으로부터 b명 사용자들에 대한 초기 자원을 설정하는 단계; 및 협상 이론에 기초하여 b명 사용자들에 대해 설정된 초기 자원으로부터 b명 사용자들 각각에 대한 최적 자원을 재설정하는 단계를 포함하고, 상기 초기 자원을 설정하는 단계와 최적 자원을 재설정하는 단계는, 상기 n명 사용자로부터 n-b명 만큼 감소된 경우, b명 사용자들을 고려하여 1회 수행될 수 있다.
일실시예에 따른 b명 사용자들 각각에 대한 최적 자원을 재설정하는 단계는, 상기 b명 사용자들 각각의 효용 함수에서 상기 설정된 초기 자원일 때의 기울기가 서로 동일하다는 조건을 고려하여 상기 b명 사용자들 중 특정 사용자의 일부 자원이 결정되면 b명의 사용자들 중 특정 사용자를 제외한 나머지 사용자의 일부 자원이 순차적으로 결정될 수 있다.
일실시예에 따른 b명 사용자들에 대한 최적 자원을 재설정하는 단계는 (i) 상기 특정 사용자의 효용 함수에서 특정 사용자에 설정된 초기 자원일 때의 제1 기울기 (ii) 상기 b명 사용자의 효용 함수에서 b명 사용자에 설정된 초기 자원일 때의 제2 기울기가 서로 동일해지도록 반복적으로 도출된 특정 사용자의 일부 자원을 고려하여 상기 b명 사용자들 각각에 대한 최적 자원을 재설정할 수 있다.
일실시예에 따른 b명 사용자들에 대한 최적 자원을 재설정하는 단계는 상기 제1 기울기와 제2 기울기가 서로 동일해질 때까지 상기 특정 사용자의 일부 자원의 탐색 범위에 대한 최소 범위(LB: Lower Bound) 및 최대 범위(UB: Upper Bound)를 조절함으로써 상기 특정 사용자의 일부 자원을 결정할 수 있다.
일실시예에 따른 자원 할당 장치는 n명 사용자들 각각에 배분된 최적 자원으로부터 n+1명 사용자들 각각에 대한 초기 자원을 설정하는 초기 자원 설정부; 및 협상 이론에 기초하여 상기 n+1명 사용자들에 대해 설정된 초기 자원으로부터 n+1명 사용자들 각각에 대한 최적 자원을 재설정하는 최적 자원 재설정부를 포함하고, 상기 최적 자원 재설정부는, 상기 n명 사용자로부터 a명 만큼 증가된 경우, n+a명 사용자들을 고려하여 단계적으로 반복될 수 있다.
일실시예에 따른 자원 할당 장치는 n명 사용자들 각각에 배분된 최적 자원 중 감소된 사용자들에게 각각 배분된 여유 자원으로부터 b명 사용자들에 대한 초기 자원을 설정하는 초기 자원 설정부; 및 협상 이론에 기초하여 b명 사용자들에 대해 설정된 초기 자원으로부터 b명 사용자들 각각에 대한 최적 자원을 재설정하는 최적 자원 재설정부를 포함하고, 상기 최적 자원 재설정부는 상기 n명 사용자로부터 n-b명 만큼 감소된 경우, b명 사용자들을 고려하여 1회 수행될 수 있다.
본 발명의 일실시예에 따른 자원 할당 방법은 네트워크 상에 고정된 자원을 가변적인 사용자에게 할당하기 위해 방향 벡터를 이용한 협상 해법을 활용함으로써, 사용자에게 고정된 자원을 공평하게 할당할 수 있다.
본 발명의 일실시예에 따른 자원 할당 방법은 고정된 자원을 가변적인 사용자에게 할당함에 있어, 최소 범위 및 최대 범위를 기반으로 자원에 대한 전역 탐색을 수행함에 따라 탐색 공간을 축소시키고, 이에 따른 연속 복잡도를 감소시킬 수 있다.
본 발명의 일실시예에 따른 자원 할당 방법은 네트워크 상에 존재하는 자원을 할당받고자 하는 사용자의 수가 실시간으로 변화하는 것을 고려한 최적의 협상 해법에 따른 일정한 연속 복잡도를 나타낼 수 있다.
도 1은 일실시예에 따른 자원 할당 장치를 포함하는 전체 구성도를 도시한 도면이다.
도 2는 일실시예에 따른 자원 할당 장치의 세부 구성을 설명하기 위한 도면이다.
도 3은 일실시예에 따른 네트워크에 포함된 자원을 배분받고자 하는 사용자가 증가한 경우의 알고리즘을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 전체 자원에 대한 최적 자원이 할당된 각 사용자의 로그를 취한 효용 함수에 로그를 취한 그래프를 도시한 도면이다.
도 5는 일실시예에 따른 사용자가 증가한 경우에 탐색 영역을 조정하기 위한 순서도를 도시한 흐름도이다.
도 6은 일실시예에 따른 전역 탐색에 따른 일부 구성을 도시한 도면이다.
도 7은 또 다른 실시예에 따른 자원 할당 장치의 세부 구성을 설명하기 위한 도면이다.
도 8은 일실시예에 따른 사용자가 감소한 경우에 탐색 영역을 조정하기 위한 순서도를 도시한 흐름도이다.
도 9는 일실시예에 따른 자원 할당 방법에 대한 성능을 도시한 도면이다.
이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다.
도 1은 일실시예에 따른 자원 할당 장치를 포함하는 전체 구성도를 도시한 도면이다.
도 1을 참고하면, 자원 할당 장치(101)는 네트워크(102)에 접속하는 복수의 사용자가 공유하는 한정된 전체 자원(103)을 전략적으로 분배할 수 있다. 다시 말해, 자원 할당 장치(101)는 네트워크(102)에서 제공하는 자원에 대한 접속한 n명 사용자들(104) 각각의 효용성을 고려하여 전체 자원(103) 중 최적 자원을 각각 배분할 수 있다. 여기서, 전체 자원(103)은 네트워크(102)에서 지원 가능한 자원으로써, 고정된 개수로 존재할 수 있다. 반면, 네트워크(102)의 접속 가능한 사용자는 사용자의 이동성에 따라 추가되거나 또는 감소될 수 있다. 다시 말해, 사용자는 기존에 최적 자원이 배분된 n명 사용자로부터 a명 만큼 증가 또는 n-b명 만큼 감소될 수 있다. 즉, 사용자는 동일한 네트워크(102) 환경에서 한정된 자원을 공유하는 복수의 사용자의 수가 유동적으로 변화할 수 있다.
그리고, 자원 할당 장치(101)는 기존에 최적 자원이 배분된 n명 사용자로부터 증가 또는 감소된 사용자(105)를 고려하여 사용자들(104), (105) 각각에 대한 최적 자원을 재설정할 수 있다. 다시 말해, 자원 할당 장치(101)는 n명 사용자들(104) 각각에 배분된 최적 자원으로부터 증가된 n+a명 사용자들 또는 n-b명 감소된 나머지에 해당하는 b명 사용자들 각각에 대한 최적 자원을 재설정할 수 있다.
이를 위해, 자원 할당 장치(101)는 네트워크(102)에서 유동적으로 변화하는 사용자에 대해 실시간으로 빠르게 자원을 분배하기 위한 전략으로 협력 게임 이론의 내쉬 협상 해법(Nash Bargaining Solution, NBS)을 이용할 수 있다. 여기서, 게임 이론의 한 분야인 협력 게임 이론은 게임에 참여한 사용자들이 효율적이며 공평한 자원 분할에 초점을 맞추기 위한 이론으로써, 공리적 협상 해법을 포함한다. 또한, 협력 게임 이론은 협상 문제를 통하여 참여한 사용자들이 공평하고 최적화된 합의점(agreement point)에 도달했을 때, 이에 대하여 협상 문제의 해법이라고 하며 이러한 합의점을 공리적인 접근 방법으로 제시한 해법을 공리적 협상 해법이라 할 수 있다.
이 때, 자원 할당 장치(101)는 이러한 협력 게임 이론에 기초하여 네트워크(102)에 접속한 n명 사용자들 각각에 자원을 할당하는 과정을 협상 문제로 파악하고, 이에 대한 해법으로써 내쉬 협상 해법(NBS: Nash Bargaining Solution)을 이용할 수 있다.
또한, 자원 할당 장치(101)는 네트워크(102)에 미리 접속된 n명 사용자들(104) 각각에 대하여 내쉬 협상 해법을 통해 전체 자원(103)에 대한 최적 자원을 배분할 수 있다. 그리고, 자원 할당 장치(101)는 최적 자원이 배분된 n명 사용자로부터 증가 또는 감소된 사용자(105)에 대하여 내쉬 협상 해법을 재 적용함으로써, n+a명 사용자들 또는 n-b명 감소된 나머지에 해당하는 b명 사용자들 각각에 대한 최적 자원을 재설정할 수 있다.
보다 상세하게, 자원 할당 장치(101)는 네트워크(102)에 접속된 n명 사용자들 각각에 대한 최적 자원을 배분할 수 있다. 다시 말해, 자원 할당 장치(101)는 네트워크(102)에 접속된 n명 사용자들에 대한 각각의 효용 함수(utility function)를 생성할 수 있다. 이 때, 효용 함수는 HARA(hyperbolic absolute risk aversion) 함수에 맞춰진 효용 함수를 나타낼 수 있으며, 이에 대한 HARA 효용 함수는 수학식 1과 같이 나타낼 수 있다.γ
Figure 112015122373503-pat00001
여기서, U(x)는 효용함수를 나타내며, HARA 효용 함수에서 사용되는 파라미터 α,β,γ는 HARA 효용 함수의 모양을 특징 짓는 값이다. β=0 인 경우의 효용 함수는 iso-elastic 함수로서 오목 함수(concave function)이며, non-decreasing을 만족할 수 있다. 이는 수학식 2와 같이 나타낼 수 있다.
Figure 112015122373503-pat00002
자원 할당 장치(101)는 n명 사용자들에 대한 각각의 효용 함수를 기반으로 특정한 공리들에 의해 결정되는 내쉬 협상 해법은 Nash Product를 최대화할 수 있다. 그리고, n명 사용자들이 존재한다고 가정 했을 때의
Figure 112015122373503-pat00003
는 수학식 3과 같이 정의될 수 있다.
Figure 112015122373503-pat00004
여기서,
Figure 112015122373503-pat00005
는 n명 사용자들에 대한 각각의 사용자 i의 효용을 나타내고,
Figure 112015122373503-pat00006
는 n명 사용자들에 대한 각각의 사용자 i에 대한 합의 실패 점에서의 효용을 나타낼 수 있다.
그리고, 자원 할당 장치(101)는 위에서 언급한 과정을 거쳐 n명 사용자들에 대한 각각 효용 함수의 곱이 최대값을 나타낼 때를 결정하고, 결정된 결과에 따라 네트워크(102)에 접속된 n명 사용자들 각각에 대한 최적 자원을 배분할 수 있다.
이후, 자원 할당 장치(101)는 n명 사용자들별로 전체 자원에 대한 최적 자원이 배분된 상황에서 증가하거나 또는 감소하는 사용자의 수를 식별할 수 있다. 이 때, 자원 할당 장치(101)는 사용자가 감소하는지 또는 증가하는지에 따라 상이한 방법을 통해 최적 자원을 재설정할 수 있다.
(1) 사용자가 증가하는 경우
자원 할당 장치(101)는 n명 사용자들별로 전체 자원에 대한 최적 자원이 배분된 상황에서 n+a명으로 증가된 사용자의 수(a)를 식별할 수 있다. 자원 할당 장치(101)는 n명 사용자들 각각에 배분된 최적 자원으로부터 n+1명 사용자들 각각에 대한 초기 자원을 설정할 수 있다. 그리고, 자원 할당 장치(101)는 협상 이론에 기초하여 상기 n+1명 사용자들에 대해 설정된 초기 자원으로부터 n+1명 사용자들 각각에 대한 최적 자원을 재설정할 수 있다.
여기서, 자원 할당 장치(101)는 사용자의 수를 식별함에 있어, 증가된 수가 2명 이상인 경우, n명 사용자로부터 증가된 a명 만큼 n+a명 사용자들을 고려하여 단계적으로 반복 수행할 수 있다. 다시 말해, 자원 할당 장치는 증가된 a명에 대응하여 내쉬 협상 해법을 위한 방향 벡터 기반 순차적 알고리즘을 a회 반복함으로써, 단계적으로 n+a명 사용자들에 대한 최적 자원을 재설정할 수 있다.
(2) 사용자가 감소하는 경우
자원 할당 장치(101)는 n명 사용자들별로 전체 자원에 대한 최적 자원이 배분된 상황에서 n-b명 감소된 나머지 사용자의 수(b)를 식별할 수 있다. 자원 할당 장치(101)는 n명 사용자들 각각에 배분된 최적 자원 중 감소된 사용자들에게 각각 배분된 여유 자원으로부터 b명 사용자들에 대한 초기 자원을 설정할 수 있다. 그리고, 자원 할당 장치(101)는 협상 해법에 기초하여 b명 사용자들에 대한 초기 자원으로부터 b명 사용자들에 대한 최적 자원을 재설정할 수 있다.
이하에서는 도 2 내지 도 8을 통해 사용자가 증가하는 경우 및 사용자가 감소하는 경우 각각에 대하여 보다 자세하게 설명하도록 한다.
도 2는 일실시예에 따른 자원 할당 장치의 세부 구성을 설명하기 위한 도면이다.
도 2를 참고하면, 자원 할당 장치(201)는 n명 사용자들별로 전체 자원에 대한 최적 자원이 배분된 상황에서 n+a명으로 사용자가 증가되는 경우에 대한 동작을 설명할 수 있다. 이를 위해, 자원 할당 장치(201)는 초기 자원 설정부(202) 및 최적 자원 재설정부(203)를 포함할 수 있다.
초기 자원 설정부(202)는 n명 사용자들(205) 각각에 배분된 최적 자원으로부터 n+1명 사용자들 각각에 대한 초기 자원을 설정할 수 있다. 구체적으로, 초기 자원 설정부(202)는 n명 사용자들별로 전체 자원(204))에 대한 최적 자원이 배분된 상황에서 n+a명으로 증가된 사용자들을 식별할 수 있다. 일례로, n명 사용자들(205) 각각은 도 1을 통해 설명한 효용 함수에 기초하여 전체 자원(204)에 대한 최적 자원이 배분될 수 있으며, 이는 수학식 4와 같이 나타낼 수 있다.
Figure 112015122373503-pat00007
다시 말해, 수학식 4는 사용자가 n명(205)이고, 배분 가능한 전체 자원(204)이 R일 때, 이미 알려진 NBS에 대한 성립 결과를 나타낼 수 있다. 다시 말해, n명 사용자들(205) 각각에 배분된 최적 자원
Figure 112015122373503-pat00008
은
Figure 112015122373503-pat00009
로 나타낼 수 있으며, 최적 자원의 총합은 전체 자원(204, R)과 동일할 수 있다.
초기 자원 설정부(202)는 식별된 사용자에 대하여 a명 만큼 증가된 사용자들이 각각 1명씩 증가한 경우라 가정하고, 증가된 1명의 사용자에 대하여 내쉬 협상 해법을 위한 방향 벡터 기반 순차적 알고리즘을 적용할 수 있다. 다시 말해, 초기 자원 설정부(202)는 사용자가 n에서 n+a명으로 증가한 경우, 증가한 a명에 대한 초기 자원을 설정하는 것이 아니라, n+1명에 대한 초기 자원을 설정할 수 있다.
이 때, 초기 자원 설정부(202)는 기존에 n명 사용자들(205) 각각에 기존에 배분된 최적 자원(
Figure 112015122373503-pat00010
)으로부터 일부 자원(
Figure 112015122373503-pat00011
)을 감소시키고, n명 사용자들(205) 각각에서 감소된 일부 자원(
Figure 112015122373503-pat00012
)을 증가된, 즉 새롭게 추가된 n+1명 사용자에게 할당할 수 있다. 다시 말해, 초기 자원 설정부(202)는 n명의 사용자들 각각에 기 배분된 최적 자원에서 일부 자원을 차감한 후, n명의 사용자들로부터 차감된 일부 자원을 추가된 사용자에게 할당시킴으로써, n+1명 사용자들 각각에 대한 초기 자원을 설정할 수 있습니다.
이때, 초기 자원은 네트워크에 증가된 n+1명 사용자들에 대응하여 전체 자원을 공평하게 배분시켜주기 위한 자원을 의미할 수 있다. 단, 초기 자원은 n+1명 사용자들 각각에게 배분된 상태가 아니라, 임시적으로 배분 가능한 정도를 나타낸 자원일 수 있다.
그리고, 초기 자원 설정부(202)는 n+1명 사용자들 각각에 대한 초기 자원에 대응하는 새로운 효용 함수를 결정할 수 있다. 여기서, 초기 자원 설정부(202)는 기존의 n명 사용자들 각각에 대하여 생성된 효용 함수를 기반으로 새로운 효용 함수를 결정할 수 있다. 이는 수학식 5과 같이 나타낼 수 있다.
Figure 112015122373503-pat00013
그리고, n+1 사용자에 대한 Nash Product (NP)는 다음의 수학식 6과 같이 나타낼 수 있다.
Figure 112015122373503-pat00014
수학식 6은 간단하게 표현하기 위해 치환될 수 있으며, 수학식 7과 같이 정리될 수 있다.
Figure 112015122373503-pat00015
다시 말해, 본 발명은 n+1명 사용자 각각에 대하여 최적 자원에서 일부 자원을 차감한 초기 자원(
Figure 112015122373503-pat00016
-
Figure 112015122373503-pat00017
)에 대하여
Figure 112015122373503-pat00018
로 치환할 수 있으며, 치환된 결과로 수학식 7과 같이 표현될 수 있다. 여기서,
Figure 112015122373503-pat00019
는 위에서 언급한 바와 같이 정확하게 결정된 값이 아닌 임의의 값을 나타낼 수 있다.
그리고, 모든
Figure 112015122373503-pat00020
는
Figure 112015122373503-pat00021
를 만족함에 따라 NP에 로그를 취해도 효용 함수의 형태가 그래도 유지될 수 있다. 다시 말해, 효용 함수는 NP에 로그를 취하더라도 concavity가 보존될 수 있으며, logarithmically concave 또는 log-concave 일 수 있다. 로그를 취한 NP는 수학식 8과 같이 나타낼 수 있다.
Figure 112015122373503-pat00022
이후, 최적 자원 재설정부(203)는 n+1명 사용자들에 대해 각각에 설정된 초기 자원으로부터 n+1명 사용자들 각각에 대한 최적 자원을 재설정할 수 있다. 이를 위해, 최적 자원 재설정부(203)는 수학식 8을 통해 로그화된 NP에 따른 n+1 사용자들 각각에 대한 최대값을 구하기 위하여 편미분(partial differential)을 이용할 수 있다. 다시 말해, 최적 자원 재설정부(203)는 n+1명 사용자들 각각에 설정된 초기 자원 따른 최대의 효용성을 나타내기 위하여 편미분을 이용하여 방향 벡터를 구해
Figure 112015122373503-pat00023
를 결정할 수 있다.
여기서, 최적 자원 재설정부(203)는
Figure 112015122373503-pat00024
를 계산함에 있어, 보다 용이하게 하기 위해
Figure 112015122373503-pat00025
를 함수 f로 치환할 수 있으며, 이는 수학식 9와 같이 나타낼 수 있다.
Figure 112015122373503-pat00026
그리고, 수학식 9에 기초하여 f를 각각
Figure 112015122373503-pat00027
에 대하여 미분하여 구한 벡터는 f와 수학식 8의 ①이 접한 점에서 수직인 벡터일 수 있으며, 벡터는 수학식 10과 같이 나타낼 수 있다.
Figure 112015122373503-pat00028
다시 말해, 수학식 8을
Figure 112015122373503-pat00029
에 대해 미분하여 얻은 벡터는 수학식 10과 같이 나타내며, 결과적으로 수학식 11과 같은 수식이 성립될 수 있다.
Figure 112015122373503-pat00030
따라서, 최적 자원 재설정부(203)는 n+1명 사용자들 각각의 로그를 취한 효용 함수에서 상기 설정된 초기 자원일 때의 기울기가 서로 동일하다는 조건을 고려하여 n+1명 사용자들 각각에 대한 최적 자원을 재설정할 수 있다. 이때, 재설정된 n+1명 사용자들에 대한 최적 자원의 총합은, 전체 자원과 동일할 수 있다. 여기서, 기울기가 서로 동일하다는 조건을 만족하기 위한 방법에 대하여 도 4를 통해 자세히 설명하도록 한다.
그리고 자원 할당 장치(201)는 사용자의 수를 식별함에 있어, 증가된 수가 2명 이상인 경우, n명 사용자로부터 증가된 a명 만큼 n+a명 사용자들을 고려하여 단계적으로 반복 수행할 수 있다. 그리고, 증가된 a명 만큼 단계적으로 반복 수행된 n+a명 사용자들에 대한 최적 자원의 총합은 위와 마찬가지로 전체 자원과 동일할 수 있다.
도 3은 일실시예에 따른 네트워크에 포함된 자원을 배분받고자 하는 사용자가 증가한 경우의 알고리즘을 설명하기 위한 도면이다.
도 3을 참고하면, 자원 할당 장치는 식별된 사용자에 대하여 a명 만큼 증가된 사용자들이 각각 1명씩 증가한 경우라 가정하고, 증가된 1명의 사용자에 대하여 내쉬 협상 해법을 위한 방향 벡터 기반 순차적 알고리즘을 적용할 수 있다. 다시 말해, 자원 할당 장치는 사용자가 n에서 n+a명으로 증가한 경우, 증가한 a명에 대한 초기 자원을 설정하는 것이 아니라, n+1명에 대한 초기 자원을 설정할 수 있다.
구체적으로, 자원 할당 장치는 자원을 배분해야 하는 사용자가 n명에서 n+a명으로 증가한 경우 기존의 n명에서 n+1명으로 증가한 경우에 대해 알고리즘을 적용하고, 이에 대한 NBS를 도출할 수 있다. 그리고, 자원 할당 장치는 n+1 사용자에 대해 도출된 NBS를 기반으로 n+1명 사용자에서 n+2 사용자로 증가한 경우에 대해 알고리즘을 다시 적용함으로써, 새로운 NBS를 도출할 수 있다.
단계(301)에서 자원 할당 장치는 기존에 네트워크에서 최적 자원이 할당된 n명 사용자의 수를 일정 변수에 할당시킬 수 있다. 이는 방향 벡터 기반의 순차적 알고리즘을 a회 반복 적용함에 있어, 반복 횟수를 확인하기 위한 동작일 수 있다.
단계(302)에서 자원 할당 장치는 내쉬 협상 해법을 위한 방향 벡터 기반의 순차적 알고리즘을 수행할 수 있다. 방향 벡터 기반의 순차적 알고리즘은 도 2에서 설명한 각각의 동작에 대응할 수 있다.
단계(303)에서 자원 할당 장치는 단계(301)에서 할당된 일정 변수가 기존의 n+a 사용자의 수와 동일한지 여부를 판단할 수 있다.
일정 변수와 n+a 사용자의 수가 동일하지 않은 경우, 단계(304)에서 자원 할당 장치는 일정 변수의 값을 1 증가시키고, 단계(302)에 대한 방향 벡터 기반의 순차적 알고리즘을 수행할 수 있다.
결국, 자원 할당 장치는 순차적으로 알고리즘을 a회 반복 적용하여 최종적으로 n+a 사용자들에 대한 각각의 NBS를 도출할 수 있다.
도 4는 일실시예에 따른 전체 자원에 대한 최적 자원이 할당된 각 사용자의 호용 함수에 로그를 취한 그래프를 도시한 도면이다.
도 4를 참고하면, 각각의 그래프는 n+1 명 사용자들에 대한 각각의 로그를 취한 효용 함수를 나타낸 그래프이다.
도 4를 참고하면, 자원 할당 장치는 n+1명 사용자들 각각의 로그를 취한 효용 함수에서 상기 설정된 초기 자원일 때의 기울기가 서로 동일하지는 지점에서 n+1명 사용자들 일 때의 NBS를 도출할 수 있다. 다시 말해, 자원 할당 장치는 n+1명 사용자들 각각에 대한 효용 함수에 대하여 로그를 취했을 때의 결과에 따른 기울기를 고려하여 n+1명 사용자들 각각에 대한 일부 자원을 결정할 수 있다.
구체적으로, 도 4의 (a), (b), (c), (d)는 n+1명 사용자들 각각의 로그를 취한 효용 함수에서 각각의 n+1명 사용자들에 설정된 초기 자원일 때의 기울기를 나타낼 수 있다. 다시 말해, 도 4의 (a), (b), (c), (d)는 n명 사용자들 각각에 대하여 기 설정된 로그를 취한 효용 함수를 기반으로 n+1 증가된 사용자에 따라 임의로 설정된 초기 자원에 대한 기울기를 나타낼 수 있다.
이 때, 자원 할당 장치는 n+1명 사용자들 각각의 로그를 취한 효용 함수에서 상기 설정된 초기 자원일 때의 기울기가 서로 동일하다는 조건을 고려하여 n+1명 사용자들 중 특정 사용자의 일부 자원이 결정할 수 있다.
여기서, 자원 할당 장치는 (i) 상기 특정 사용자의 로그를 취한 효용 함수에서 특정 사용자에 설정된 초기 자원일 때의 제1 기울기 (ii) 상기 n+1명의 사용자들 중 n+1번째 사용자의 로그를 취한 효용 함수에서 n+1번째 사용자에 설정된 초기 자원일 때의 제2 기울기가 서로 동일해지도록 반복적으로 도출할 수 있다. 그리고, 자원 할당 장치는 반복적인 동작을 통해 도출된 특정 사용자의 일부 자원을 고려하여 n+1명 사용자들 각각에 대한 최적 자원을 재설정할 수 있다.
일례로, 도 4의 (a), (b), (c), (d) 중 (a)를 특정 사용자로 정의하고, 자원 할당 장치는 특정 사용자 (a) 그래프에 의한 제1 기울기와 n+1번째 사용자 (d) 그래프에 의한 제2 기울기가 동일해지도록 반복적인 연산을 통해 동일한 기울기를 가지는 지점을 도출할 수 있다.
자원 할당 장치는 특정 사용자와 n+1번째 사용자에 대한 기울기 간에 대한 바운드(bound)를 조절함으로써, 동일한 기울기를 가지는 지점을 도출할 수 있다. 바운드(bound)는 제1 기울기와 제2 기울기가 서로 동일해질 때까지 상기 특정 사용자의 일부 자원의 탐색 범위에 대한 최소 범위(LB: Lower Bound) 및 최대 범위(UB: Upper Bound)를 포함할 수 있다. 그리고, 자원 할당 장치는 바운드를 따른 이진 탐색을 통해 특정 사용자의 일부 자원을 결정할 수 있다. 여기서, 동일한 기울기는 도 5를 통해 서술되는 연산 방식을 통해 특정 오차를 포함할 수 있으며, 자세한 구성은 도 5를 통해 설명하도록 한다.
이 때, 자원 할당 장치는 특정 사용자의 일부 자원이 결정되면, n명의 사용자들 중 특정 사용자를 제외한 나머지 사용자의 일부 자원이 순차적으로 결정될 수 있다. 다시 말해, 특정 사용자 (a) 그래프에 의한 제1 기울기(
Figure 112015122373503-pat00031
)가 결정된 도 2에 기재된 수학식 11의 관계에 의해 나머지 사용자들에 대한 기울기
Figure 112015122373503-pat00032
가 자동으로 결정될 수 있다. 여기서, 기울기가 결정된다는 것은 증가된 N명 사용자들 각각에 최적 자원에서 감소될 일부 자원이 결정된다는 것을 의미할 수 있다. 그리고, 결정된 일부 자원에 따라 각각의 사용자에 대한 최적 자원이 재 설정될 수 있다.
그리고, 자원 할당 장치는 수학식 11의 관계에 의해 결정된 일부 자원(
Figure 112015122373503-pat00033
)에 의해 순차적으로 n+1번째 사용자에 대한 최적 자원(
Figure 112015122373503-pat00034
)이 결정될 수 있다.
도 5는 일실시예에 따른 사용자가 증가한 경우에 탐색 영역을 조정하기 위한 순서도를 도시한 흐름도이다.
도 5를 참고하면, 자원 할당 장치는 도 3에 기재된 수학식 11을 통해 유도된 ③ 의 관계에 의해
Figure 112015122373503-pat00035
를 만족해야 함에 따라
Figure 112015122373503-pat00036
에서의 제1 기울기와
Figure 112015122373503-pat00037
에서의 제2 기울기를 비교하여
Figure 112015122373503-pat00038
의 최소 범위(LB)와 최대 범위(UB)를 조절할 수 있다. 여기서, 최소범위는 '0'의 값을 나타내고, 최대범위는 n명 사용자들별로 배분된 최적 자원에서 최소의 값을 나타내는 최적 자원으로 결정될 수 있다.
자원 할당 장치는 다음의 각 단계를 통해 최소 범위와 최대 범위를 조절하면서, n+1 사용자들 각각에 대한 최적 자원을 재설정할 수 있다.
단계(501) ~ (502)에서 자원 할당 장치는 바운드 조절을 실시하기 변수를 설정할 수 있다. 다시 말해, 자원 할당 장치는 N회 바운드 조절을 실시하기 위해, 반복 횟수인 N회를 판단하기 위한 j 변수에 대한 초기값을 설정(j=0)하고, l 변수에 대하여 전체 자원에 대하여 기존에 할당된 n명에 대한 값을 대입(l=n)할 수 있다.
단계(503) ~ 단계(514)에서 자원 할당 장치는 최소 범위와 최대 범위를 이용하여 n명 사용자들에 대하여 기울기가 동일해질 때까지의 지점을 반복적으로 동작할 수 있다.
단계(503)에서 자원 할당 장치는 최소 범위를 '0'으로 설정하고, 최대 범위를 기 설정된 최적 자원 중에서 최소 값을 나타내는 최적 자원으로 설정(
Figure 112015122373503-pat00039
)할 수 있다. 여기서, 최대 범위를 최소 값을 나타내는 최적 자원으로 설정하는 이유는, n명 사용자들 각각에서 감소될 일부 자원에 대하여 현재 n명 사용자들에게 할당된 최적 자원보다 큰 값을 가지는 경우를 방지하기 위함일 수 있다.
단계(504)에서 자원 할당 장치는 특정 사용자(
Figure 112015122373503-pat00040
)의 일부 자원에 대하여 이진 방식에 따른 값을 설정할 수 있다. 다시 말해, 자원 할당 장치는 최소 범위와 최대 범위에 대한 2 분의 1한 값을 나타낼 수 있도록 특정 사용자의 일부 자원을 설정(
Figure 112015122373503-pat00041
)할 수 있다. 여기서, 자원 할당 장치는 이진 방식에 따른 바운드 조절을 수행함에 따라 특정 사용자의 일부 자원을 탐색하기 위한 탐색 범위를 축소시킴으로써, 연산 속도를 향상시킬 수 있다.
단계(505)에서 자원 할당 장치는 단계(504)를 통해 결정된 특정 사용자(
Figure 112015122373503-pat00042
)의 일부 자원을 기반으로 n명의 사용자들 중 특정 사용자를 제외한 나머지 사용자의 일부 자원이 순차적으로 결정할 수 있다. 이는 도 2의 수학식 11을 통해 유도된 관계에 의해 결정될 수 있다.
단계(506)에서 자원 할당 장치는 단계(504) ~ (505)를 통해 도출된 n명 사용자들별로 배분된 최적 자원에서 각각 감소된 일부 자원이 합산된 결과를 이용하여 n+a명 사용자들 중 n+1번째 사용자의 초기 자원할 수 있다.
단계(507)에서 자원 할당 장치는 반복 횟수인 N회를 판단하기 위한 j 변수의 값을 '1' 증가시킬 수 있다.
단계(508)에서 자원 할당 장치는
Figure 112015122373503-pat00043
의 조건을 통해 특정 사용자의 효용 함수에서 특정 사용자에 설정된 초기 자원일 때의 제1 기울기와 n+1명의 사용자들 중 n+1번째 사용자의 효용 함수에서 n+1번째 사용자에 설정된 초기 자원일 때의 제2 기울기가 동일한지 여부를 판단할 수 있다.
제1 기울기가 제2 기울기보다 작은 경우, 단계(509)에서 자원 할당 장치는 최대 범위를 유지하고, 최소 범위를 최소 범위와 최대 범위에 대한 2 분의 1한 값으로 재지정할 수 있다. 다시 말해, 자원 할당 장치는 제1 기울기가 제2 기울기보다 작은 경우, n+1번째 사용자의 초기 자원이 특정 사용자의 초기 자원보다 높게 설정된 것으로 파악하고, 이에 대한 기울기가 유사할 수 있도록 최소 범위의 바운드를 조절할 수 있다.
반대로, 제1 기울기가 제2 기울기보다 큰 경우, 단계(510)에서 자원 할당 장치는 최소 범위를 유지하고, 최대 범위를 최소 범위를 최소 범위와 최대 범위에 대한 2 분의 1한 값으로 재지정할 수 있다. 다시 말해, 자원 할당 장치는 제1 기울기가 제2 기울기보다 큰 경우, n+1번째 사용자의 초기 자원이 특정 사용자의 초기 자원보다 낮게 설정된 것으로 파악하고, 이에 대한 기울기가 유사할 수 있도록 최대 범위의 바운드를 조절할 수 있다.
단계(511)에서 자원 할당 장치는 j 변수에 할당된 값이 N회와 동일한지 여부를 판단할 수 있다.
동일하지 않은 경우, 자원 할당 장치는 n명 사용자들에 대한 초기 자원을 다시 설정하고, 재 설정된 초기 자원에 따른 n+1 사용자들 각각에 대한 최적 자원을 재설정할 수 있다.
동일한 경우, 단계(512)에서 자원 할당 장치는 n+1번째 사용자에 대하여 설정하기 위한 탐색 범위를 파악하기 위해 최소 범위와 최대 범위를 인쇄시킬 수 있다.
단계(513)에서 자원 할당 장치는 전체 자원을 기반으로 상기 도출된 n+1 사용자들 각각에 대해 재설정된 최적 자원에 따른 탐색을 수행할 수 있다.
단계(514)에서 자원 할당 장치는 수행된 n+1 사용자들 각각에 대한 최적 자원을 인쇄시킬 수 있다.
단계(515)에서 자원 할당 장치는 n명 사용자로부터 a명 만큼 증가된 n+a명 사용자들에 대한 최적 자원을 모두 할당해주었는지에 대한 상황을 판단할 수 있다.
n+a명 사용자들 각각에 대하여 최적 자원을 할당해준 경우, 자원 할당 장치는 자원 할당 방법을 중지하고, 반대로, n+a명 사용자들 각각에 대하여 최적 자원을 할당해주지 않은 경우, l 변수의 값을 증가시키고, 단계(503)을 시작으로 n+1 사용자들에게 재설정된 최적 자원을 기반으로 n+2번째 사용자에 대한 최적 자원을 도출할 수 있다.
도 6은 일실시예에 따른 전역 탐색에 따른 일부 구성을 도시한 도면이다.
도 6에 도시된 도면은 도 5에 설명한 단계(508) ~ 단계(510)에 대하여 설명한 도면이다.
다시 말해, 도 6을 살펴보면, 최소 범위는 '0'으로 설정되며, 최대 범위는
Figure 112015122373503-pat00044
으로 '10'으로 설정될 수 있다. 그리고, 특정 사용자의 일부 자원은 최소 범위로 설정된 '0'과 최대 범위로 설정된 '10'의 중간 값인 '5'로 설정될 수 있다.
그리고, 자원 할당 장치는 특정 사용자(t1)와 n+1번째 사용자(tn+1)의 기울기를 비교하여, 특정 사용자(t1)의 기울기가 작은 경우, 최소 범위를 최소 범위와 최대 범위의 중간값 '5'으로 재 설정할 수 있다. 그리고, 자원 할당 장치는 특정 사용자의 일부 자원에 대하여 재 설정된 최소 범위 '5'와 최대 범위 '10'의 중간 값인 '7.5'로 재 설정할 수 있다.
반대로, 자원 할당 장치는 특정 사용자(t1)와 n+1번째 사용자(tn+1)의 기울기를 비교하여, 특정 사용자(t1)의 기울기가 큰 경우, 최대 범위를 최소 범위와 최대 범위의 중간값 '5'으로 재 설정할 수 있다. 그리고, 자원 할당 장치는 특정 사용자의 일부 자원에 대하여 재 설정된 최소 범위 '0'와 최대 범위 '5'의 중간 값인 '2.5'로 재 설정할 수 있다.
결국, 자원 할당 장치는
Figure 112015122373503-pat00045
에 대한
Figure 112015122373503-pat00046
함수에 있어서, concave와 non-decreasing을 만족하므로,
Figure 112015122373503-pat00047
가 커질수록
Figure 112015122373503-pat00048
가 작아질 수 있다. 따라서, 자원 할당 장치는 현재의
Figure 112015122373503-pat00049
에서 결정된
Figure 112015122373503-pat00050
를 비교하여
Figure 112015122373503-pat00051
만족하는 경우,
Figure 112015122373503-pat00052
를 증가시키고, 반대인 경우,
Figure 112015122373503-pat00053
를 감소시킴으로써, 일부 자원을 결정하기 위한 탐색 범위를 조절할 수 있다.
최종적으로, 자원 할당 장치는
Figure 112015122373503-pat00054
구간을 중심으로 전역 탐색(exhaustive search)을 수행함으로써, NBS를 도출할 수 있다. 여기서, 전역 탐색은 주어진 구간 내에서 모든 가능 쌍에 대하여 광범위한 검색을 수행하는 것을 의미할 수 있다. 결국, 자원 할당 장치는 n에서 n+a으로 증가한 상황에서 증가한 사용자의 수(a)에 따른 방향 벡터 기반의 순차적 알고리즘을 a회 반복하고, a회 각각 즉, n+1회 마다 바운드 조절에 관한 위의 과정을 N번 반복함으로써, 최종적으로 n+a명 사용자들에 대한 NBS를 구할 수 있다.
도 7은 또 다른 실시예에 따른 자원 할당 장치의 세부 구성을 설명하기 위한 도면이다.
도 7을 참고하면, 자원 할당 장치(701)는 n명 사용자들별로 전체 자원에 대한 최적 자원이 배분된 상황에서 b명으로 사용자가 감소되는 경우에 대한 동작을 설명할 수 있다. 이를 위해, 자원 할당 장치(701)는 초기 자원 설정부(702) 및 최적 자원 설정부(703)를 포함할 수 있다.
여기서, 자원 할당 장치(701)는 사용자가 증가한 경우와 다르게 최적 자원을 도출하기 위한 반복적인 알고리즘 적용 과정이 요구되지 않을 수 있다. 다시 말해, 자원 할당 장치(701)는 사용자가 증가한 경우에 적용하였던 내쉬 협상 해법을 위한 방향 벡터 기반의 순차적 알고리즘과 동일한 형태의 알고리즘은 1회 적용함으로써, 감소된 최종 사용자에 대한 NBS를 도출할 수 있다.
여기서, n명 사용자들(705) 각각은 도 1을 통해 설명한 효용 함수에 기초하여 전체 자원(704)에 대한 최적 함수가 배분될 수 있으며, 이는 수학식 12와 같이 나타낼 수 있다.
Figure 112015122373503-pat00055
그리고, 초기 자원 설정부(702)는 자원은 그대로인 상황에서 사용자가 n명에서 b명으로 감소됨을 감지할 수 있다. 그리고, 초기 자원 설정부(702)는 n명 사용자들 각각에 배분된 최적 자원 중 감소된 사용자들에게 각각 배분된 여유 자원으로부터 b명 사용자(707)들에 대한 초기 자원을 설정할 수 있다. 여기서, 여유 자원은 감소된 사용자들 각각에 배분된 최적 자원에 대하여 합산된 결과를 나타낼 수 있다.
다시 말해, 초기 자원 설정부(702)는 기존의 n명 사용자들(705) 각각에 할당된 자원(
Figure 112015122373503-pat00056
)을 시작점으로 지정한 후, n명 사용자에게 감소된 N-b명(706)에게 할당되었던 자원을 남아있는 b명 사용자들(707) 각각에 추가적으로 할당하기 위한 초기 자원을 설정할 수 있다. 일례로, 초기 자원 설정부(702)는 기존에 사용자 10명(n)에서 8명(b: 707)으로 감소된 경우, 감소된 인원 2명(n-b: 706)에게 할당되었던 자원을 b명 사용자들(707) 각각에게 추가 할당시켜주기 위한 초기 자원을 설정할 수 있다. 이는 수학식 13과 같이 나타낼 수 있다.
Figure 112015122373503-pat00057
그리고, k명 사용자에 대한 Nash Product (NP)는 다음의 수학식 14와 같이 나타낼 수 있다.
Figure 112015122373503-pat00058
수학식 14는 간단하게 표현하기 위해 치환될 수 있으며, 수학식 15와 같이 정리될 수 있다.
Figure 112015122373503-pat00059
다시 말해, 본 발명은 b명 사용자들(707)에게 배분되었던 최적 자원에서 합산하여 b명 사용자들(707)에게 각각 추가한 초기 자원(
Figure 112015122373503-pat00060
+
Figure 112015122373503-pat00061
)에 대하여
Figure 112015122373503-pat00062
로 치환할 수 있으며, 치환된 결과로 수학식 7과 같이 표현될 수 있다. 여기서,
Figure 112015122373503-pat00063
는 위에서 언급한 바와 같이 정확하게 결정된 값이 아닌 임의의 값을 나타낼 수 있다.
그리고, 모든
Figure 112015122373503-pat00064
는
Figure 112015122373503-pat00065
를 만족함에 따라 NP에 로그를 취해도 효용 함수의 형태가 그래도 유지될 수 있다. 다시 말해, 효용 함수는 NP에 로그를 취하더라도 concavity가 보존될 수 있으며, logarithmically concave 또는 log-concave 일 수 있다. 로그를 취한 NP는 수학식 16과 같이 나타낼 수 있다.
Figure 112015122373503-pat00066
이후, 최적 자원 재설정부(703)는 b명 사용자들(707)에 대해 각각에 설정된 초기 자원으로부터 b명 사용자들(707) 각각에 대한 최적 자원을 재설정할 수 있다. 이를 위해, 최적 자원 재설정부(703)는 수학식 16을 통해 로그화된 NP에 따른 b 사용자들(707) 각각에 대한 최대값을 구하기 위하여 편미분(partial differential)을 이용할 수 있다. 다시 말해, 최적 자원 재설정부(703)는 b명 사용자들(707) 각각에 설정된 초기 자원에 따른 최대의 효용성을 나타내기 위하여 편미분을 이용하여 방향 벡터를 구해
Figure 112015122373503-pat00067
를 결정할 수 있다.
여기서, 최적 자원 재설정부(703)는
Figure 112015122373503-pat00068
를 계산함에 있어, 보다 용이하게 하기 위해
Figure 112015122373503-pat00069
를 함수 f로 치환할 수 있으며, 이는 수학식 17과 같이 나타낼 수 있다.
Figure 112015122373503-pat00070
그리고, 수학식 17에 기초하여 f를 각각
Figure 112015122373503-pat00071
에 대하여 미분하여 구한 벡터는 f와 수학식 16의 ④이 접한 점에서 수직인 벡터일 수 있으며, 벡터는 수학식 18과 같이 나타낼 수 있다.
Figure 112015122373503-pat00072
다시 말해, 수학식 16을
Figure 112015122373503-pat00073
에 대해 미분하여 얻은 벡터는 수학식 18과 같이 나타내며, 결과적으로 수학식 19와 같은 수식이 성립될 수 있다.
Figure 112015122373503-pat00074
따라서, 최적 자원 재설정부(703)는 b명 사용자들(707) 각각의 효용 함수에서 설정된 초기 자원일 때의 기울기가 서로 동일하다는 조건을 고려하여 b명 사용자들(707) 각각에 대한 최적 자원을 재설정할 수 있다. 여기서, 최적 자원 재설정부(703)는 모든 사용자의 로그를 취한 효용 함수에서 기울기가 같아지는 지점에서 사용자가 b명일 때의 NBS를 찾을 수 있다. 이때, 재설정된 b명 사용자들(707)에 대한 최적 자원의 총합은, 전체 자원과 동일할 수 있다.
도 8은 일실시예에 따른 사용자가 감소한 경우에 탐색 영역을 조정하기 위한 순서도를 도시한 흐름도이다.
도 8을 참고하면, 자원 할당 장치는
Figure 112015122373503-pat00075
이 결정되면, 도 7에 기재된 수학식 19를 통해 유도된 ⑥ 의 관계에 의해
Figure 112015122373503-pat00076
가 자동으로 결정될 수 있다. 그리고, 자원 할당 장치는 이렇게 도출된
Figure 112015122373503-pat00077
에 의해 순차적으로
Figure 112015122373503-pat00078
을 결정할 수 있다.
이 때, 자원 할당 장치는 도 7에 기재된 수학식 19를 통해 유도된 ⑥ 의 관계에 의해
Figure 112015122373503-pat00079
를 만족함에 따라
Figure 112015122373503-pat00080
에서의 제1 기울기와
Figure 112015122373503-pat00081
에서의 제2 기울기를 비교하여
Figure 112015122373503-pat00082
의 최소 범위(LB)와 최대 범위(UB)를 조절할 수 있다.
자원 할당 장치는 다음의 각 단계를 통해 최소 범위와 최대 범위를 조절하면서, b 사용자들 각각에 대한 최적 자원을 재설정할 수 있다.
단계(801)에서 자원 할당 장치는 바운드 조절을 실시하기 변수를 설정할 수 있다. 다시 말해, 자원 할당 장치는 N회 바운드 조절을 실시하기 위해, 반복 횟수인 N회를 판단하기 위한 j 변수에 대한 초기값을 설정(j=0)할 수 있다.
단계(802)에서 자원 할당 장치는 최소 범위를 '0'으로 설정하고, 최대 범위를 N명 사용자에서 감소된 b명 사용자들 각각에 배분된 최적 자원이 합산 결과로 결정될 수 있다.
단계(803)에서 자원 할당 장치는 특정 사용자(
Figure 112015122373503-pat00083
)의 일부 자원에 대하여 이진 방식에 따른 값을 설정할 수 있다. 다시 말해, 자원 할당 장치는 최소 범위와 최대 범위에 대한 2 분의 1한 값을 나타낼 수 있도록 특정 사용자의 일부 자원을 설정(
Figure 112015122373503-pat00084
)할 수 있다.
단계(804)에서 자원 할당 장치는 단계(803)를 통해 결정된 특정 사용자( )의 일부 자원을 기반으로 N명의 사용자들 중 특정 사용자를 제외한 나머지 사용자의 일부 자원이 순차적으로 결정(
Figure 112015122373503-pat00085
)할 수 있다.
단계(805)에서 자원 할당 장치는 b번째 사용자에 대하여 전체 자원에서 b-1명 사용자들 각각에 추가된 일부 자원을 차감한 나머지 자원에 대하여 초기 자원을 설정할 수 있다.
단계(806)에서 자원 할당 장치는 반복 횟수인 N회를 판단하기 위한 j 변수의 값을 '1' 증가시킬 수 있다.
단계(807)에서 자원 할당 장치는
Figure 112015122373503-pat00086
의 조건을 통해 특정 사용자의 로그를 취한 효용 함수에서 특정 사용자에 설정된 초기 자원일 때의 제1 기울기와 b명의 사용자들 중 b번째 사용자의 로그를 취한 효용 함수에서 b번째 사용자에 설정된 초기 자원일 때의 제2 기울기가 동일한지 여부를 판단할 수 있다.
제1 기울기가 제2 기울기보다 큰 경우, 단계(808)에서 자원 할당 장치는 최대 범위를 유지하고, 최소 범위를 최소 범위와 최대 범위에 대한 2 분의 1한 값으로 재지정할 수 있다.
반대로, 제1 기울기가 제2 기울기보다 작은 경우, 단계(809)에서 자원 할당 장치는 최소 범위를 유지하고, 최대 범위를 최소 범위를 최소 범위와 최대 범위에 대한 2 분의 1한 값으로 재지정할 수 있다.
단계(810)에서 자원 할당 장치는 j 변수에 할당된 값이 N회와 동일한지 여부를 판단할 수 있다. 동일하지 않은 경우, 자원 할당 장치는 b명 사용자들에 대한 초기 자원을 다시 설정하고, 재 설정된 초기 자원에 따른 b명 사용자들 각각에 대한 최적 자원을 재설정할 수 있다.
동일한 경우, 단계(811)에서 자원 할당 장치는 b번째 사용자에 대하여 설정하기 위한 탐색 범위를 파악하기 위해 최소 범위와 최대 범위를 인쇄시킬 수 있다.
단계(812)에서 자원 할당 장치는 전체 자원을 기반으로 상기 도출된 b 사용자들 각각에 대해 재설정된 최적 자원에 따른 탐색을 수행할 수 있다.
단계(813)에서 자원 할당 장치는 수행된 b 사용자들 각각에 대한 최적 자원을 인쇄시킬 수 있다.
결국, 자원 할당 장치는
Figure 112015122373503-pat00087
에 대한
Figure 112015122373503-pat00088
함수에 있어서, concave와 non-decreasing을 만족하므로,
Figure 112015122373503-pat00089
가 커질수록
Figure 112015122373503-pat00090
가 작아질 수 있다. 따라서, 자원 할당 장치는 현재의
Figure 112015122373503-pat00091
에서 결정된
Figure 112015122373503-pat00092
를 비교하여
Figure 112015122373503-pat00093
를 만족하는 경우,
Figure 112015122373503-pat00094
를 감소시키고, 반대인 경우,
Figure 112015122373503-pat00095
를 증가시킴으로써, 일부 자원을 결정하기 위한 탐색 범위를 조절할 수 있다.
도 9는 일실시예에 따른 자원 할당 방법에 대한 성능을 도시한 도면이다.
도 9에 도시된 도면은 본 발명에서 제안하는 자원 할당 방법과 반복적 협상 전략(Iterative Search)의 성능 비교를 위한 그래프를 나타낸 것이다. 여기서, x축은 사용자의 수를 나타내고, y축은 NBS를 연산하는데 필요한 알고리즘의 실행시간 즉, 연산 복잡도를 나타낼 수 있다.
도 9를 살펴보면, 사용자가 2, 3, 4명일 때는 제안 방법의 연산 복잡도가 더 높게 측정될 수 있다. 그러나 사용자의 수가 5명 이상일 때부터는 제안한 자원 할당 방법이 보다 좋은 성능을 나타내며, 특히 사용자의 수가 증가할수록 상당한 성능 개선을 보임을 확인할 수 있다.
또한, 종래의 반복적 협상 전략은 참여하는 사용자의 수가 늘어날수록 협상 해법을 연산하기 위한 계산 복잡도는 기하급수적으로 증가(사용자가 증가할수록 가능 유틸리티 세트의 차원(dimension)이 증가하기 때문)하는 반면, 본 발명의 자원 할당 방법은 사용자의 수의 관계없이 비교적 항상 일정한 성능을 보장하는 것을 특징으로 하며, 이러한 특징은 네트워크 환경 변화(사용자의 수 변화)에 강인하다는 것을 의미할 수 있다.
더욱이, 자원 할당 방법은 자원량 뿐만 아니라 사용자의 수가 실시간으로 변화하는 동적 네트워크 환경에서도 실질적으로 적용 가능한 기술로, 더 포괄적인 자원 관리 전략분야에서 효율적으로 최적의 해법을 구하는데 활용될 수 있다. 그리고, 자원 할당 방법은 자원량, 사용자의 수에 관계 없이 비교적 항상 일정한 연산 복잡도를 나타냄으로써 일정한 성능을 보장하므로 자원량, 사용자의 수와 같은 네트워크 환경 변화에 강한 알고리즘이라는 것을 알 수 있다.
결국, 본 발명에서 제안하는 자원 할당 방법은 방향 벡터를 이용한 내쉬 협상 해법 기반 네트워크 자원 할당 방법은 사용자의 수가 변화할 때, 새로운 NBS를 구하는 방법에 대하여 최적화 된 알고리즘으로서 방향 벡터를 이용하여 탐색 공간을 줄이고 이에 대해 NBS를 수행하는 방법일 수 있다.
그리고, 자원 할당 방법은 참여 사용자의 수가 일정 수준 이상인 경우에 기존의 방법 대비 높은 성능을 나타내며, 사용자의 수에 관계없이 비교적 항상 일정한 성능을 보장한다는 것을 가장 큰 특징으로 한다. 따라서, 자원 할당 방법은 자원량 뿐만 아니라 사용자의 수가 변화하는 동적 네트워크 환경에서도 적용할 수 있으므로 다양한 자원 관리 전략 분야에서 효율적이고 공평한 최적의 해법을 찾는 데에 실질적으로 이용될 수 있다.
또한, 자원 할당 방법은 하나의 유/무선 인터넷 공유기를 여러 기기들이 사용하는 경우, 그 공유기에 할당된 한정된 대역폭을 공유하게 되는데 이처럼 한정된 시스템 내에서 다수의 사용자들에게 자원을 효율적으로 할당하고자 할 때 본 발명을 사용하면 낮은 계산 복잡도에 기반하여 실시간으로 빠르게 자원을 분배할 수 있다.
본 발명의 실시 예에 따른 방법들은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다.
이상과 같이 본 발명은 비록 한정된 실시예와 도면에 의해 설명되었으나, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상의 지식을 가진 자라면 이러한 기재로부터 다양한 수정 및 변형이 가능하다.
그러므로, 본 발명의 범위는 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등한 것들에 의해 정해져야 한다.
101: 자원 할당 장치
102: 네트워크
103: 전체 자원
104: 전체 자원에 대한 최적 자원이 배분된 n명 사용자
105: n명 사용자로부터 a명 만큼 증가된 n+a명 사용자

Claims (11)

  1. 자원 할당 장치가 수행하는 자원 할당 방법에 있어서,
    n명 사용자들 각각에 배분된 최적 자원으로부터 n+1명 사용자들 각각에 대한 초기 자원을 설정하는 단계; 및
    협상 이론에 기초하여 상기 n+1명 사용자들에 대해 설정된 초기 자원으로부터 n+1명 사용자들 각각에 대한 최적 자원을 재설정하는 단계
    를 포함하고,
    상기 초기 자원을 설정하는 단계와 최적 자원을 재설정하는 단계는,
    상기 n명 사용자로부터 a명 만큼 증가된 경우, n+a명 사용자들을 고려하여 단계적으로 반복되는 자원 할당 방법.
  2. 제1항에 있어서,
    상기 n명 사용자들 각각의 초기 자원은,
    n명 사용자들별로 배분된 최적 자원에서 일부 자원이 감소된 결과로 설정되며,
    상기 n+a명 사용자들 중 n+1번째 사용자의 초기 자원은,
    상기 n명 사용자들별로 배분된 최적 자원에서 각각 감소된 일부 자원이 합산된 결과로 설정되는 자원 할당 방법
  3. 제1항에 있어서,
    상기 n+1명 사용자들 각각에 대한 최적 자원을 재설정하는 단계는,
    상기 n+1명 사용자들 각각의 효용 함수에서 상기 설정된 초기 자원일 때의 기울기가 서로 동일하다는 조건을 고려하여 상기 n+1명 사용자들 중 특정 사용자의 일부 자원이 결정되면 n명의 사용자들 중 특정 사용자를 제외한 나머지 사용자의 일부 자원이 순차적으로 결정되는 자원 할당 방법.
  4. 제3항에 있어서,
    상기 n+1명 사용자들에 대한 최적 자원을 재설정하는 단계는,
    (i) 상기 특정 사용자의 효용 함수에서 특정 사용자에 설정된 초기 자원일 때의 제1 기울기 (ii) 상기 n+1명의 사용자들 중 n+1번째 사용자의 효용 함수에서 n+1번째 사용자에 설정된 초기 자원일 때의 제2 기울기가 서로 동일해지도록 반복적으로 도출된 특정 사용자의 일부 자원을 고려하여 상기 n+1명 사용자들 각각에 대한 최적 자원을 재설정하는 자원 할당 방법.
  5. 제4항에 있어서,
    상기 n+1명 사용자들에 대한 최적 자원을 재설정하는 단계는,
    상기 제1 기울기와 제2 기울기가 서로 동일해질 때까지 상기 특정 사용자의 일부 자원의 탐색 범위에 대한 최소 범위(LB: Lower Bound) 및 최대 범위(UB: Upper Bound)를 조절함으로써 상기 특정 사용자의 일부 자원을 결정하는 자원 할당 방법.
  6. 자원 할당 장치가 수행하는 자원 할당 방법에 있어서,
    n명 사용자들 각각에 배분된 최적 자원 중 감소된 사용자들에게 각각 배분된 여유 자원으로부터 b명 사용자들에 대한 초기 자원을 설정하는 단계; 및
    협상 이론에 기초하여 b명 사용자들에 대해 설정된 초기 자원으로부터 b명 사용자들 각각에 대한 최적 자원을 재설정하는 단계
    를 포함하고,
    상기 초기 자원을 설정하는 단계와 최적 자원을 재설정하는 단계는,
    상기 n명 사용자로부터 n-b명 만큼 감소된 경우, b명 사용자들을 고려하여 1회 수행되는 자원 할당 방법.
  7. 제6항에 있어서,
    상기 b명 사용자들 각각에 대한 최적 자원을 재설정하는 단계는,
    상기 b명 사용자들 각각의 효용 함수에서 상기 설정된 초기 자원일 때의 기울기가 서로 동일하다는 조건을 고려하여 상기 b명 사용자들 중 특정 사용자의 일부 자원이 결정되면 b명의 사용자들 중 특정 사용자를 제외한 나머지 사용자의 일부 자원이 순차적으로 결정되는 자원 할당 방법.
  8. 제7항에 있어서,
    상기 b명 사용자들에 대한 최적 자원을 재설정하는 단계는,
    (i) 상기 특정 사용자의 효용 함수에서 특정 사용자에 설정된 초기 자원일 때의 제1 기울기 (ii) 상기 b명 사용자의 효용 함수에서 b명 사용자에 설정된 초기 자원일 때의 제2 기울기가 서로 동일해지도록 반복적으로 도출된 특정 사용자의 일부 자원을 고려하여 상기 b명 사용자들 각각에 대한 최적 자원을 재설정하는 자원 할당 방법.
  9. 제8항에 있어서,
    상기 b명 사용자들에 대한 최적 자원을 재설정하는 단계는,
    상기 제1 기울기와 제2 기울기가 서로 동일해질 때까지 상기 특정 사용자의 일부 자원의 탐색 범위에 대한 최소 범위(LB: Lower Bound) 및 최대 범위(UB: Upper Bound)를 조절함으로써 상기 특정 사용자의 일부 자원을 결정하는 자원 할당 방법.
  10. n명 사용자들 각각에 배분된 최적 자원으로부터 n+1명 사용자들 각각에 대한 초기 자원을 설정하는 초기 자원 설정부; 및
    협상 이론에 기초하여 상기 n+1명 사용자들에 대해 설정된 초기 자원으로부터 n+1명 사용자들 각각에 대한 최적 자원을 재설정하는 최적 자원 재설정부
    를 포함하고,
    상기 최적 자원 재설정부는,
    상기 n명 사용자로부터 a명 만큼 증가된 경우, n+a명 사용자들을 고려하여 단계적으로 반복되는 자원 할당 장치.
  11. n명 사용자들 각각에 배분된 최적 자원 중 감소된 사용자들에게 각각 배분된 여유 자원으로부터 b명 사용자들에 대한 초기 자원을 설정하는 초기 자원 설정부; 및
    협상 이론에 기초하여 b명 사용자들에 대해 설정된 초기 자원으로부터 b명 사용자들 각각에 대한 최적 자원을 재설정하는 최적 자원 재설정부
    를 포함하고,
    상기 최적 자원 재설정부는,
    상기 n명 사용자로부터 n-b명 만큼 감소된 경우, b명 사용자들을 고려하여 1회 수행되는 자원 할당 장치.
KR1020150178441A 2015-12-14 2015-12-14 방향 벡터를 이용한 협상 해법 기반의 자원 할당 방법 및 그 방법을 수행하는 자원 할당 장치 KR101677400B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020150178441A KR101677400B1 (ko) 2015-12-14 2015-12-14 방향 벡터를 이용한 협상 해법 기반의 자원 할당 방법 및 그 방법을 수행하는 자원 할당 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020150178441A KR101677400B1 (ko) 2015-12-14 2015-12-14 방향 벡터를 이용한 협상 해법 기반의 자원 할당 방법 및 그 방법을 수행하는 자원 할당 장치

Publications (1)

Publication Number Publication Date
KR101677400B1 true KR101677400B1 (ko) 2016-11-29

Family

ID=57706130

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020150178441A KR101677400B1 (ko) 2015-12-14 2015-12-14 방향 벡터를 이용한 협상 해법 기반의 자원 할당 방법 및 그 방법을 수행하는 자원 할당 장치

Country Status (1)

Country Link
KR (1) KR101677400B1 (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106936855A (zh) * 2017-05-12 2017-07-07 中国人民解放军信息工程大学 基于攻防微分博弈的网络安全防御决策确定方法及其装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
박형곤, 다중 사용자 환경에서 협동적 게임 이론의 협상 해법을 이용한 멀티미디어 통신 및 네트워크 자원 관리, 한국통신학회지(정보와 통신) 26(7), 2009.6

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106936855A (zh) * 2017-05-12 2017-07-07 中国人民解放军信息工程大学 基于攻防微分博弈的网络安全防御决策确定方法及其装置
CN106936855B (zh) * 2017-05-12 2020-01-10 中国人民解放军信息工程大学 基于攻防微分博弈的网络安全防御决策确定方法及其装置

Similar Documents

Publication Publication Date Title
CN108667748B (zh) 一种控制带宽的方法、装置、设备和存储介质
US10652360B2 (en) Access scheduling method and apparatus for terminal, and computer storage medium
EP3089502B1 (en) Method and system for user perception evaluation
US10660069B2 (en) Resource allocation device and resource allocation method
CN108268318A (zh) 一种分布式系统任务分配的方法和装置
Diamanti et al. Incentive mechanism and resource allocation for edge-fog networks driven by multi-dimensional contract and game theories
JP2007249470A (ja) クラスタサーバシステム、課金装置、課金方法
CN107579924B (zh) 一种流量调拨方法和装置
CN110784506A (zh) 一种云资源分配方法、装置及系统
WO2023116460A1 (zh) 移动边缘计算环境下多用户多任务计算卸载方法及系统
CN110035128B (zh) 一种直播调度方法、装置、直播系统及存储介质
WO2018137611A1 (zh) 任务处理方法、节点、介质、设备及内容分发网络
JP6131203B2 (ja) 装置選択ネットワークシステム、装置選択サーバおよびプログラム
WO2022012362A1 (zh) 功率控制方法、装置、通信节点及存储介质
KR101677400B1 (ko) 방향 벡터를 이용한 협상 해법 기반의 자원 할당 방법 및 그 방법을 수행하는 자원 할당 장치
CN110753117B (zh) 一种无线城域网环境下兼顾隐私保护的计算迁移方法
Zheng et al. The server provisioning problem for continuous distributed interactive applications
CN115168017B (zh) 一种任务调度云平台及其任务调度方法
CN108200185B (zh) 一种实现负载均衡的方法及装置
KR102413116B1 (ko) 인공 신경망의 계층 특성에 기반한 연합 학습 방법
KR102439426B1 (ko) 에지 컴퓨팅에서 멀티 연합 학습 서비스 오케스트레이터 및 이의 실행 방법
KR102279184B1 (ko) 포그 네트워크에서의 태스크 처리 방법 및 포그 네트워크 형성 방법
CN112866358B (zh) 一种物联网服务重调度的方法、系统及装置
JP5563717B2 (ja) ネットワークにおけるコンテンツ配信のための公平な帯域幅の割り当てのための分散方法
US9736078B2 (en) Rendezvous flow control apparatus, method, and non-transitory tangible computer readable medium

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20191001

Year of fee payment: 4