KR20230102664A - Resource allocation method and apparatus using sequential parameter estimation - Google Patents

Resource allocation method and apparatus using sequential parameter estimation Download PDF

Info

Publication number
KR20230102664A
KR20230102664A KR1020210192985A KR20210192985A KR20230102664A KR 20230102664 A KR20230102664 A KR 20230102664A KR 1020210192985 A KR1020210192985 A KR 1020210192985A KR 20210192985 A KR20210192985 A KR 20210192985A KR 20230102664 A KR20230102664 A KR 20230102664A
Authority
KR
South Korea
Prior art keywords
time slot
current time
users
resources
resource allocation
Prior art date
Application number
KR1020210192985A
Other languages
Korean (ko)
Inventor
박형곤
차채연
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 KR1020210192985A priority Critical patent/KR20230102664A/en
Publication of KR20230102664A publication Critical patent/KR20230102664A/en

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/50—Allocation or scheduling criteria for wireless resources
    • H04W72/53—Allocation or scheduling criteria for wireless resources based on regulatory allocation policies
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W72/00—Local resource management
    • H04W72/04—Wireless resource allocation
    • H04W72/044—Wireless resource allocation based on the type of the allocated resource
    • H04W72/0446—Resources in time domain, e.g. slots or frames

Landscapes

  • Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Data Exchanges In Wide-Area Networks (AREA)

Abstract

연속적 파라미터 추정을 이용한 자원 할당 방법 및 장치가 개시된다. 자원 할당 방법은 이전 타임 슬롯에서의 사용자 수와 현재 타임 슬롯에서의 사용자 수가 동일한지 여부를 식별하는 단계; 상기 이전 타임 슬롯에서의 사용자 수와 상기 현재 타임 슬롯에서의 사용자 수가 동일한 경우, 상기 이전 타임 슬롯에서의 협상 해법을 이용하여 상기 현재 타임 슬롯에서의 협상 해법을 찾기 위한 축소된 탐색 공간을 설정하는 단계; 및 상기 축소된 탐색 공간 내에서 협상 해법을 연산함으로써 상기 현재 타임 슬롯 내의 사용자들에게 자원을 할당하는 단계를 포함할 수 있다.A resource allocation method and apparatus using continuous parameter estimation are disclosed. The resource allocation method includes identifying whether the number of users in a previous time slot and the number of users in a current time slot are the same; setting a reduced search space for finding a negotiation solution in the current time slot by using a negotiation solution in the previous time slot when the number of users in the previous time slot is equal to the number of users in the current time slot; ; and allocating resources to users within the current time slot by computing a negotiation solution within the reduced search space.

Description

연속적 파라미터 추정을 이용한 자원 할당 방법 및 장치{RESOURCE ALLOCATION METHOD AND APPARATUS USING SEQUENTIAL PARAMETER ESTIMATION}Method and apparatus for allocating resources using continuous parameter estimation

본 발명은 연속적 파라미터 추정을 이용한 자원 할당 방법 및 장치에 관한 것으로, 보다 구체적으로는 동적 시스템에서 협상 해법을 구하는 과정에서 초래되는 높은 계산 복잡도 문제를 해결하기 위하여 탐색 공간을 감소시키는 방법 및 장치에 관한 것이다.The present invention relates to a method and apparatus for allocating resources using continuous parameter estimation, and more particularly, to a method and apparatus for reducing a search space to solve a problem of high computational complexity resulting from the process of obtaining a negotiation solution in a dynamic system. will be.

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.Recently, as mobile devices such as smart phones, tablet PCs, and wearable devices are widely spread, a situation in which a plurality of devices share one communication and network environment often occurs. Accordingly, it has become an important issue to efficiently utilize network resources in accordance with user environment and media characteristics in a resource-limited network environment.

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)내쉬 협상해법(Nash bargaining solution, NBS) 및 ii)칼라이-스모로딘스키 협상 해법(Kalai-Smorodinsky bargaining solution, KSBS)와 같은 몇 가지 협상 전략이 고려되어 왔다.At this time, the main performance in the multi-user network environment can be largely evaluated by the resource allocation method. To this end, i) the Nash bargaining solution (NBS) and ii) the Kalai-Smorodinsky negotiation solution were proposed as methods that can efficiently allocate resources and ensure the quality of service of multimedia users at the same time in previous studies. Several negotiation strategies have been considered, such as the (Kalai-Smorodinsky bargaining solution, KSBS).

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.Here, NBS approaches a given problem as a game-theoretic method based on an axiomatic negotiation solution and is a negotiation solution widely known as a resource allocation method. However, NBS has a limitation that the computational complexity required to perform NBS increases exponentially as the number of users increases, so the biggest problem is that it cannot allocate resources in real time according to changes in the network environment (changes in the number of users). has been cited Accordingly, various network resource allocation methods have been proposed that can quickly derive NBS by excluding unnecessary calculations to reduce computational complexity, but the proposed methods still have limitations in application in an environment where the number of users dynamically changes.

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.Therefore, in order to solve the above-mentioned limitations, a method of increasing overall network utility while guaranteeing multimedia service quality by using a cooperative approach to network resource allocation is required.

본 발명은 이전 타임 슬롯에서의 유효 효용 집합과 현재 타임 슬롯에서의 유효 효용 집합 사이의 차원이 변하지 않는 경우, 이전 타임 슬롯에서의 협상 해법을 기반으로 현재 타임 슬롯에서의 협상 해법을 찾기 위한 탐색 공간을 감소시키는 방법 및 장치를 제공할 수 있다.In the present invention, when the dimension between the effective utility set in the previous time slot and the effective utility set in the current time slot does not change, a search space for finding a negotiation solution in the current time slot based on the negotiation solution in the previous time slot is provided. It is possible to provide a method and apparatus for reducing.

또한, 본 발명은 이전 타임 슬롯에서의 유효 효용 집합과 현재 타임 슬롯에서의 유효 효용 집합 사이의 차원이 변하는 경우, 기계학습을 통해 미리 계산된 현재 타임 슬롯에서의 협상 해법을 이용함으로써 자원 할당을 위한 계산 복잡도를 감소시키는 방법 및 장치를 제공할 수 있다.In addition, when the dimension between the effective utility set in the previous time slot and the effective utility set in the current time slot changes, the present invention uses a negotiation solution in the current time slot calculated in advance through machine learning to calculate resource allocation. A method and apparatus for reducing complexity can be provided.

본 발명의 일실시예에 따른 자원 할당 방법은 이전 타임 슬롯에서의 사용자 수와 현재 타임 슬롯에서의 사용자 수가 동일한지 여부를 식별하는 단계; 상기 이전 타임 슬롯에서의 사용자 수와 상기 현재 타임 슬롯에서의 사용자 수가 동일한 경우, 상기 이전 타임 슬롯에서의 협상 해법을 이용하여 상기 현재 타임 슬롯에서의 협상 해법을 찾기 위한 축소된 탐색 공간을 설정하는 단계; 및 상기 축소된 탐색 공간 내에서 협상 해법을 연산함으로써 상기 현재 타임 슬롯 내의 사용자들에게 자원을 할당하는 단계를 포함할 수 있다.A resource allocation method according to an embodiment of the present invention includes the steps of identifying whether the number of users in a previous time slot and the number of users in a current time slot are the same; setting a reduced search space for finding a negotiation solution in the current time slot by using a negotiation solution in the previous time slot when the number of users in the previous time slot is equal to the number of users in the current time slot; ; and allocating resources to users within the current time slot by computing a negotiation solution within the reduced search space.

상기 축소된 탐색 공간을 설정하는 단계는 상기 이전 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 현재 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용을 이용하여 변환 행렬을 생성하는 단계; 상기 생성된 변환 행렬과 상기 이전 타임 슬롯에서의 협상 해법을 이용하여 합의 실패점을 식별하는 단계; 및 상기 합의 실패점에서의 자원 총합을 이용하여 상기 현재 타임 슬롯에서 협상 해법을 찾기 위한 상기 축소된 탐색 공간을 결정하는 단계를 포함할 수 있다.The step of setting the reduced search space may include an utility that can be obtained when each user in the previous time slot uses all of the allocable resources and each user in the current time slot uses all of the allocatable resources. generating a transformation matrix using the utility; identifying a consensus failure point using the generated transformation matrix and a negotiation solution in the previous time slot; and determining the reduced search space for finding a negotiation solution in the current time slot using the total resource at the consensus failure point.

상기 변환 행렬은 상기 이전 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 현재 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용의 비율을 대각선 원소로 하고, 상기 대각선 원소 이외의 나머지가 모두 0 값을 가질 수 있다.The transformation matrix is a diagonal element of the ratio of the utility that can be obtained when each user in the previous time slot uses all of the allocable resources and the utility that can be obtained when each user in the current time slot uses all of the allocable resources , and all other elements other than the diagonal elements may have a value of 0.

상기 합의 실패점은 상기 생성된 변환 행렬과 상기 이전 타임 슬롯에서의 협상 해법을 곱한 결과로 벡터 값을 가질 수 있다.The consensus failure point may have a vector value as a result of multiplying the generated transformation matrix by the negotiation solution in the previous time slot.

상기 축소된 탐색 공간은 상기 합의 실패점의 각 인덱스(Index) 마다 상기 현재 타임 슬롯에서의 각 사용자에 대한 효용 함수의 역함수를 모두 합산함으로써 결정되는 상기 합의 실패점에서의 자원 총합과 상기 현재 타임 슬롯에서 할당 가능한 자원 중 작은 값을 하한으로 설정하고, 큰 값을 상한으로 설정함으로써 결정될 수 있다.The reduced search space is determined by summing all inverse functions of utility functions for each user in the current time slot for each index of the consensus failure point and the current time slot It can be determined by setting a small value among allocatable resources as a lower limit and setting a larger value as an upper limit.

본 발명의 일실시예에 따른 자원 할당 방법은 기계학습을 통해 연속적인 복수의 타임 슬롯들 각각에 대한 사용자 수를 예측하여 상기 복수의 타임 슬롯들 각각에 대한 협상 해법을 미리 계산하는 단계; 이전 타임 슬롯에서의 사용자 수와 현재 타임 슬롯에서의 사용자 수가 다른 경우, 상기 기계학습을 통해 예측된 현재 타임 슬롯에서의 예상 사용자 수와 실제 사용자 수가 동일한지 여부를 식별하는 단계; 및 상기 현재 타임 슬롯에서의 예상 사용자 수와 실제 사용자 수가 동일한 것으로 식별된 경우, 상기 미리 계산된 협상 해법을 통해 상기 현재 타임 슬롯 내의 실제 사용자에게 자원을 할당하는 단계를 포함할 수 있다.A resource allocation method according to an embodiment of the present invention includes predicting the number of users for each of a plurality of consecutive time slots through machine learning and pre-calculating a negotiation solution for each of the plurality of time slots; If the number of users in the previous time slot is different from the number of users in the current time slot, identifying whether the expected number of users in the current time slot predicted through machine learning is equal to the actual number of users; and allocating resources to the actual users within the current time slot through the pre-calculated negotiation solution when it is identified that the expected number of users in the current time slot is equal to the actual number of users.

상기 자원을 할당하는 단계는 상기 기계 학습을 통해 예측된 예상 사용자가 상기 현재 타임 슬롯에 대한 임의의 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 실제 사용자가 상기 현재 타임 슬롯에서 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용을 이용하여 변환 행렬을 생성하는 단계; 상기 생성된 변환 행렬과 상기 현재 타임 슬롯에서의 미리 계산된 협상 해법을 이용하여 합의 실패점을 식별하는 단계; 및 상기 합의 실패점에서의 자원 총합으로 이용하여 상기 현재 타임 슬롯에서 협상 해법을 찾기 위한 축소된 탐색 공간을 결정하는 단계를 포함할 수 있다.The step of allocating the resources determines the utility that can be obtained when the expected user predicted through the machine learning uses all allocable resources for the current time slot and the resources that can be allocated for the actual user in the current time slot. generating a transformation matrix by using an utility obtainable when all are used; identifying a consensus failure point using the generated transformation matrix and a pre-calculated negotiation solution in the current time slot; and determining a reduced search space for finding a negotiation solution in the current time slot by using the total resource at the consensus failure point.

상기 변환 행렬은 상기 예상 사용자가 상기 현재 타임 슬롯에 대한 임의의 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 실제 사용자가 상기 현재 타임 슬롯에서 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용의 비율을 대각선 원소로 하고, 상기 대각선 원소 이외의 나머지가 모두 0 값을 가질 수 있다.The transformation matrix is a ratio of utility that can be obtained when the prospective user uses all allocable resources for the current time slot and utility that can be obtained when the actual user uses all allocable resources for the current time slot is a diagonal element, and all other elements other than the diagonal element may have a value of 0.

상기 합의 실패점은 상기 생성된 변환 행렬과 상기 현재 타임 슬롯에서의 미리 계산된 협상 해법을 곱한 결과로 벡터 값을 가질 수 있다.The consensus failure point may have a vector value obtained by multiplying the generated transformation matrix with a previously calculated negotiation solution in the current time slot.

상기 축소된 탐색 공간은 상기 합의 실패점의 각 인덱스(Index) 마다 상기 현재 타임 슬롯에서의 실제 사용자에 효용 함수의 역함수를 모두 합산함으로써 결정되는 상기 합의 실패점에서의 자원 총합과 상기 현재 타임 슬롯에서 할당 가능한 자원 중 작은 값을 하한으로 설정하고, 큰 값을 상한으로 설정함으로써 결정될 수 있다.The reduced search space is determined by summing all the inverse functions of utility functions of the actual users in the current time slot for each index of the consensus failure point and the current time slot. It can be determined by setting a smaller value among allocatable resources as a lower limit and setting a larger value as an upper limit.

본 발명의 일실시예에 따른 자원 할당 장치는 프로세서를 포함하고, 상기 프로세서는 이전 타임 슬롯에서의 사용자 수와 현재 타임 슬롯에서의 사용자 수가 동일한지 여부를 식별하고, 상기 이전 타임 슬롯에서의 사용자 수와 상기 현재 타임 슬롯에서의 사용자 수가 동일한 경우, 상기 이전 타임 슬롯에서의 협상 해법을 이용하여 상기 현재 타임 슬롯에서의 협상 해법을 찾기 위한 축소된 탐색 공간을 설정하며, 상기 축소된 탐색 공간 내에서 협상 해법을 연산함으로써 상기 현재 타임 슬롯 내의 사용자들에게 자원을 할당할 수 있다.An apparatus for allocating resources according to an embodiment of the present invention includes a processor, wherein the processor identifies whether the number of users in a previous time slot is the same as the number of users in a current time slot, and the number of users in the previous time slot and when the number of users in the current time slot is the same, a reduced search space for finding a negotiation solution in the current time slot is set using a negotiation solution in the previous time slot, and negotiation is performed within the reduced search space. Computing a solution may allocate resources to users within the current time slot.

상기 프로세서는 상기 이전 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 현재 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용을 이용하여 변환 행렬을 생성하고, 상기 생성된 변환 행렬과 상기 이전 타임 슬롯에서의 협상 해법을 이용하여 합의 실패점을 식별하며, 상기 합의 실패점에서의 자원 총합을 이용하여 상기 현재 타임 슬롯에서 협상 해법을 찾기 위한 상기 축소된 탐색 공간을 결정할 수 있다.The processor generates a transformation matrix using an utility obtainable when each user in the previous time slot uses all of the allocable resources and an utility obtainable when each user in the current time slot uses all of the allocable resources generate, identify a consensus failure point using the generated transformation matrix and a negotiation solution in the previous time slot, and use the resource sum at the consensus failure point to reduce the reduction to find a negotiation solution in the current time slot. search space can be determined.

상기 변환 행렬은 상기 이전 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 현재 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용의 비율을 대각선 원소로 하고, 상기 대각선 원소 이외의 나머지가 모두 0 값을 가질 수 있다.The transformation matrix is a diagonal element of the ratio of the utility that can be obtained when each user in the previous time slot uses all of the allocable resources and the utility that can be obtained when each user in the current time slot uses all of the allocable resources , and all other elements other than the diagonal elements may have a value of 0.

상기 합의 실패점은 상기 생성된 변환 행렬과 상기 이전 타임 슬롯에서의 협상 해법을 곱한 결과로 벡터 값을 가질 수 있다.The consensus failure point may have a vector value as a result of multiplying the generated transformation matrix by the negotiation solution in the previous time slot.

상기 축소된 탐색 공간은 상기 합의 실패점의 각 인덱스(Index) 마다 상기 현재 타임 슬롯에서의 각 사용자에 대한 효용 함수의 역함수를 모두 합산함으로써 결정되는 상기 합의 실패점에서의 자원 총합과 상기 현재 타임 슬롯에서 할당 가능한 자원 중 작은 값을 하한으로 설정하고, 큰 값을 상한으로 설정함으로써 결정될 수 있다.The reduced search space is determined by summing all inverse functions of utility functions for each user in the current time slot for each index of the consensus failure point and the current time slot It can be determined by setting a small value among allocatable resources as a lower limit and setting a larger value as an upper limit.

본 발명의 일실시예에 따른 자원 할당 장치는 프로세서를 포함하고, 상기 프로세서는 기계학습을 통해 연속적인 복수의 타임 슬롯들 각각에 대한 사용자 수를 예측하여 상기 복수의 타임 슬롯들 각각에 대한 협상 해법을 미리 계산하고, 이전 타임 슬롯에서의 사용자 수와 현재 타임 슬롯에서의 사용자 수가 다른 경우, 상기 기계학습을 통해 예측된 현재 타임 슬롯에서의 예상 사용자 수와 실제 사용자 수가 동일한지 여부를 식별하며, 상기 현재 타임 슬롯에서의 예상 사용자 수와 실제 사용자 수가 동일한 것으로 식별된 경우, 상기 미리 계산된 협상 해법을 통해 상기 현재 타임 슬롯 내의 실제 사용자에게 자원을 할당할 수 있다.An apparatus for allocating resources according to an embodiment of the present invention includes a processor, and the processor predicts the number of users for each of a plurality of consecutive time slots through machine learning and provides a negotiation solution for each of the plurality of time slots. Calculate in advance, and if the number of users in the previous time slot and the number of users in the current time slot are different, identify whether the expected number of users in the current time slot predicted through machine learning and the actual number of users are the same, If it is identified that the expected number of users in the current time slot is equal to the actual number of users, resources may be allocated to the actual users in the current time slot through the pre-calculated negotiation solution.

상기 프로세서는 상기 기계 학습을 통해 예측된 예상 사용자가 상기 현재 타임 슬롯에 대한 임의의 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 실제 사용자가 상기 현재 타임 슬롯에서 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용을 이용하여 변환 행렬을 생성하고, 상기 생성된 변환 행렬과 상기 현재 타임 슬롯에서의 미리 계산된 협상 해법을 이용하여 합의 실패점을 식별하며, 상기 합의 실패점에서의 자원 총합으로 이용하여 상기 현재 타임 슬롯에서 협상 해법을 찾기 위한 축소된 탐색 공간을 결정할 수 있다.The processor determines the utility that can be obtained when the expected user predicted through the machine learning uses all allocable resources for the current time slot and when the actual user uses all allocable resources for the current time slot. A transformation matrix is generated using an obtainable utility, an agreement failure point is identified using the generated transformation matrix and a pre-calculated negotiation solution in the current time slot, and the consensus failure point is used as the sum of resources A reduced search space for finding a negotiation solution in the current time slot may be determined.

상기 변환 행렬은 상기 예상 사용자가 상기 현재 타임 슬롯에 대한 임의의 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 실제 사용자가 상기 현재 타임 슬롯에서 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용의 비율을 대각선 원소로 하고, 상기 대각선 원소 이외의 나머지가 모두 0 값을 가질 수 있다.The transformation matrix is a ratio of utility that can be obtained when the prospective user uses all of the allocatable resources for the current time slot and utility that can be obtained when the actual user uses all of the allocatable resources in the current time slot is a diagonal element, and all other elements other than the diagonal element may have a value of 0.

상기 합의 실패점은 상기 생성된 변환 행렬과 상기 현재 타임 슬롯에서의 미리 계산된 협상 해법을 곱한 결과로 벡터 값을 가질 수 있다.The consensus failure point may have a vector value obtained by multiplying the generated transformation matrix with a previously calculated negotiation solution in the current time slot.

상기 축소된 탐색 공간은 상기 합의 실패점의 각 인덱스(Index) 마다 상기 현재 타임 슬롯에서의 실제 사용자에 효용 함수의 역함수를 모두 합산함으로써 결정되는 상기 합의 실패점에서의 자원 총합과 상기 현재 타임 슬롯에서 할당 가능한 자원 중 작은 값을 하한으로 설정하고, 큰 값을 상한으로 설정함으로써 결정될 수 있다.The reduced search space is determined by summing all the inverse functions of utility functions of the actual users in the current time slot for each index of the consensus failure point and the current time slot. It can be determined by setting a smaller value among allocatable resources as a lower limit and setting a larger value as an upper limit.

본 발명의 일실시예에 의하면, 이전 타임 슬롯에서의 유효 효용 집합과 현재 타임 슬롯에서의 유효 효용 집합 사이의 차원이 변하지 않는 경우, 이전 타임 슬롯에서의 협상 해법을 기반으로 현재 타임 슬롯에서의 협상 해법을 찾기 위한 탐색 공간을 감소시킬 수 있다.According to an embodiment of the present invention, when the dimension between the effective utility set in the previous time slot and the effective utility set in the current time slot does not change, a negotiation solution in the current time slot based on the negotiation solution in the previous time slot The search space for finding can be reduced.

또한, 본 발명의 일실시예에 의하면, 이전 타임 슬롯에서의 유효 효용 집합과 현재 타임 슬롯에서의 유효 효용 집합 사이의 차원이 변하는 경우, 기계학습을 통해 미리 계산된 현재 타임 슬롯에서의 협상 해법을 이용함으로써 자원 할당을 위한 계산 복잡도를 감소시킬 수 있다.In addition, according to an embodiment of the present invention, when the dimension between the effective utility set in the previous time slot and the effective utility set in the current time slot changes, a negotiation solution in the current time slot calculated in advance through machine learning is used. By doing so, computational complexity for resource allocation can be reduced.

도 1은 본 발명의 일실시예에 따른 자원 할당 장치를 포함하는 전체 구성도를 도시한 도면이다.
도 2는 본 발명의 일실시예에 따른 자원 할당 장치가 수행하는 자원 할당 방법의 개념도를 나타낸 도면이다.
도 3은 본 발명의 일실시예에 따른 협상 해법의 연속적 예측을 통한 자원 할당 방법을 플로우차트로 나타낸 도면이다.
도 4는 본 발명의 일실시예에 따른 데이터 처리 기반의 파라미터 추정을 통한 자원 할당 방법을 플로우차트로 나타낸 도면이다.1 is a diagram showing the overall configuration including a resource allocation device according to an embodiment of the present invention.
2 is a conceptual diagram of a resource allocation method performed by a resource allocation apparatus according to an embodiment of the present invention.
3 is a flow chart showing a resource allocation method through continuous prediction of a negotiation solution according to an embodiment of the present invention.
4 is a flowchart illustrating a method of allocating resources through parameter estimation based on data processing according to an embodiment of the present invention.

이하, 본 발명의 실시예를 첨부된 도면을 참조하여 상세하게 설명한다. Hereinafter, embodiments of the present invention will be described in detail with reference to the accompanying drawings.

도 1은 본 발명의 일실시예에 따른 자원 할당 장치를 포함하는 전체 구성도를 도시한 도면이다.1 is a diagram showing the overall configuration including a resource allocation device according to an embodiment of the present invention.

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 매시간 타임 슬롯 마다 변화할 수 있다.Referring to FIG. 1 , the resource allocation device 101 may strategically distribute limited total resources 103 shared by a plurality of users accessing the network 102 . In other words, the resource allocation device 101 may allocate optimal resources among the total resources 103 in consideration of the effectiveness of each of the n users 104 connected to the resources provided by the network 102 . Here, the total resources 103 are resources that can be supported by the network 102 and may exist in a fixed number. On the other hand, the number of accessible users of the network 102 may be added or reduced depending on the user's mobility. In other words, the number of users may be increased by a or decreased by n-b from n users to whom optimal resources have been previously allocated. That is, the number of users sharing limited resources in the same network 102 environment can be flexibly changed every time slot.

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.In addition, the resource allocation device 101 may reset the optimum resource for each of the users 104 and 105 in consideration of the user 105 increased or decreased from n users to whom the optimal resource was previously allocated. . In other words, the resource allocation apparatus 101 provides the optimal resource for each of the n+a users or b users corresponding to the remainder of the n-b number of users increased from the optimal resource allocated to each of the n users 104. can be reset.

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.To this end, the resource allocation device 101 may use a Nash Bargaining Solution (NBS) of cooperative game theory as a strategy for rapidly distributing resources in real time to users who dynamically change in the network 102. . Here, cooperative game theory, a field of game theory, is a theory for focusing on the efficient and fair distribution of resources by users participating in the game, and includes an utilitarian negotiation solution. In addition, cooperative game theory refers to a solution to a negotiation problem when participating users reach a fair and optimized agreement point through a negotiation problem, and a solution that presents such an agreement point as an utilitarian approach is called an utilitarian negotiation solution. can be said

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.At this time, the resource allocation device 101 identifies the process of allocating resources to each of the n users connected to the network 102 as a negotiation problem based on this cooperative game theory, and as a solution to this, a Nash negotiation solution ( NBS: Nash Bargaining Solution) can be used.

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.In addition, the resource allocation device 101 may allocate optimal resources for all resources 103 to each of the n users 104 connected to the network 102 in advance through a Nash negotiation solution. Then, the resource allocation device 101 reapplies the Nash negotiation solution to the users 105 increased or decreased from the n users to whom the optimal resources are allocated, corresponding to n+a users or n-b users, remaining reduced. Optimal resources for each of the b users may be reset.

이때, 매시간 슬롯 마다 사용자 수가 변화하는 경우 처음부터 내쉬 협상 해법을 연산함으로써 높은 계산 복잡도가 초래될 수 있는데 본 발명에서 제공하는 자원 할당 장치(101)는 이와 같은 높은 계산 복잡도를 해결하기 위하여 내쉬 협상 해법을 찾기 위한 탐색 공간을 감소시키는 방법을 제공할 수 있다.At this time, when the number of users changes for each time slot, high calculation complexity may be caused by calculating the Nash negotiation solution from the beginning. The resource allocation device 101 provided by the present invention uses the Nash negotiation solution A method for reducing the search space for finding can be provided.

도 2는 본 발명의 일실시예에 따른 자원 할당 장치가 수행하는 자원 할당 방법의 개념도를 나타낸 도면이다.2 is a conceptual diagram of a resource allocation method performed by a resource allocation apparatus according to an embodiment of the present invention.

본 발명의 자원 할당 장치(101)는 이전 타임 슬롯에서의 유효 효용 집합과 현재 타임 슬롯에서의 유효 효용 집합 사이의 차원 변화 여부에 따라 현재 타임 슬롯에서의 협상 해법을 찾기 위한 탐색 공간을 감소시키기 위한 서로 다른 방법을 제공할 수 있다.The resource allocating device 101 of the present invention determines each other for reducing the search space for finding a negotiation solution in the current time slot according to whether or not the dimension changes between the set of effective utilities in the previous time slot and the set of effective utilities in the current time slot. Other methods may be provided.

먼저, 자원 할당 장치(101)는 이전 타임 슬롯에서의 유효 효용 집합과 현재 타임 슬롯에서의 유효 효용 집합 사이의 차원이 변하지 않는 경우, 내쉬 협상 해법의 연속적 예측을 통해 현재 타임 슬롯에서의 내쉬 협상 해법을 찾기 위한 탐색 공간을 감소시킬 수 있다.First, the resource allocation device 101 determines the Nash negotiation solution in the current time slot through continuous prediction of the Nash negotiation solution when the dimension between the effective utility set in the previous time slot and the effective utility set in the current time slot does not change. You can reduce the search space for searching.

보다 구체적으로 이전 타임 슬롯

Figure pat00001
에서의 사용자 수
Figure pat00002
과 현재 시간 슬롯
Figure pat00003
에서의 사용자 수
Figure pat00004
가 동일한 경우, 즉, 유효 효용 집합의 차원이 변하지 않는 경우, 자원 할당 장치(101)는 이전 타임 슬롯에서 할당 가능한 자원
Figure pat00005
, 현재 타임 슬롯에서 할당 가능한 자원
Figure pat00006
및 이전 타임 슬롯에서의 협상 해법
Figure pat00007
을 이용하여 현재 타임 슬롯에서의 합의 실패점
Figure pat00008
을 결정할 수 있다. More specifically the previous timeslot
Figure pat00001
number of users in
Figure pat00002
and the current time slot
Figure pat00003
number of users in
Figure pat00004
is the same, that is, when the dimension of the effective utility set does not change, the resource allocation device 101 allocates resources available for allocation in the previous time slot.
Figure pat00005
, resources available for allocation in the current time slot
Figure pat00006
and the negotiated resolution in the previous timeslot
Figure pat00007
The consensus failure point in the current time slot using
Figure pat00008
can determine

이후 자원 할당 장치(101)는 이와 같이 결정된 합의 실패점에서 현재 타임 슬롯 내의 사용자들에 할당 가능한 자원 총합을 결정하고, 결정된 합의 실패점에서의 자원 총합

Figure pat00009
과 현재 타임 슬롯에서 할당 가능한 자원을 이용하여 현재 타임 슬롯에서의 협상 해법
Figure pat00010
를 찾기 위한 탐색 공간을 감소시킬 수 있다.Then, the resource allocation device 101 determines the total amount of resources allocable to the users within the current time slot at the point where the agreement fails, and the total amount of resources at the point where the agreement fails.
Figure pat00009
and a negotiation solution in the current time slot using resources available for allocation in the current time slot.
Figure pat00010
The search space for finding can be reduced.

그리고, 자원 할당 장치(101)는 이와 같이 감소된 탐색 공간 내에서 현재 타임 슬롯에 대한 최적의 협상 해법을 결정할 수 있다.And, the resource allocation device 101 may determine an optimal negotiation solution for the current time slot within the reduced search space.

이와는 달리 자원 할당 장치(101)는 이전 타임 슬롯에서의 유효 효용 집합과 현재 타임 슬롯에서의 유효 효용 집합 사이의 차원이 변하는 경우, 데이터 처리 기반의 파라미터 추정을 통해 현재 타임 슬롯에서의 내쉬 협상 해법을 찾기 위한 탐색 공간을 감소시킬 수 있다.Unlike this, the resource allocation device 101 finds a Nash negotiation solution in the current time slot through data processing-based parameter estimation when the dimension between the effective utility set in the previous time slot and the effective utility set in the current time slot changes can reduce the search space for

보다 구체적으로 이전 타임 슬롯

Figure pat00011
에서의 사용자 수
Figure pat00012
과 현재 시간 슬롯
Figure pat00013
에서의 사용자 수
Figure pat00014
가 서로 다른 경우, 즉, 유효 효용 집합의 차원이 변하는 경우, 자원 할당 장치(101)는 기계학습을 통해 연속적인 복수의 타임 슬롯들 각각에 대한 사용자 수를 예측하고, 예측된 사용자 수에 기초하여 복수의 타임 슬롯들 각각에 대한 협상 해법을 미리 계산할 수 있다.More specifically the previous timeslot
Figure pat00011
number of users in
Figure pat00012
and the current time slot
Figure pat00013
number of users in
Figure pat00014
When is different from each other, that is, when the dimension of the effective utility set changes, the resource allocation device 101 predicts the number of users for each of a plurality of consecutive time slots through machine learning, and based on the predicted number of users A negotiation solution for each of the plurality of time slots may be calculated in advance.

자원 할당 장치(101)는 이전 타임 슬롯에서의 사용자 수와 현재 타임 슬롯에서의 사용자 수가 서로 다른 경우, 기계학습을 통해 예측된 현재 타임 슬롯에서의 예상 사용자 수와 실제 사용자 수가 서로 동일한지 여부를 식별할 수 있다. 만약 현재 타임 슬롯에서의 예상 사용자 수와 실제 사용자 수가 동일한 것으로 식별된 경우, 자원 할당 장치(101)는 현재 시간 슬롯에서의 예상 사용자 수

Figure pat00015
, 예상 사용자 수에 대응하여 현재 시간 슬롯에서 할당 가능한 자원
Figure pat00016
및 예상 사용자 수에 기초하여 미리 계산된 현재 시간 슬롯에서의 협상 해법
Figure pat00017
을 이용하여 현재 타임 슬롯에서의 합의 실패점
Figure pat00018
을 결정할 수 있다. When the number of users in the current time slot is different from the number of users in the previous time slot, the resource allocation device 101 identifies whether the expected number of users in the current time slot predicted through machine learning and the actual number of users are the same. can do. If it is identified that the expected number of users in the current time slot and the actual number of users are identical, the resource allocation device 101 determines the expected number of users in the current time slot.
Figure pat00015
, resources available for allocation in the current time slot corresponding to the expected number of users.
Figure pat00016
and a negotiated solution in the pre-calculated current time slot based on the expected number of users.
Figure pat00017
Consensus failure point in the current time slot using
Figure pat00018
can determine

이후 자원 할당 장치(101)는 이와 같이 결정된 합의 실패점에서 현재 타임 슬롯 내의 실제 사용자들에 할당 가능한 자원 총합을 결정하고, 결정된 합의 실패점에서의 자원 총합

Figure pat00019
과 현재 타임 슬롯에서 할당 가능한 자원을 이용하여 현재 타임 슬롯에서의 협상 해법
Figure pat00020
를 찾기 위한 탐색 공간을 감소시킬 수 있다.Then, the resource allocation device 101 determines the total amount of resources allocable to actual users within the current time slot at the point where the agreement fails, and the total amount of resources at the point where the agreement fails.
Figure pat00019
and a negotiation solution in the current time slot using resources available for allocation in the current time slot.
Figure pat00020
The search space for finding can be reduced.

그리고, 자원 할당 장치(101)는 이와 같이 감소된 탐색 공간 내에서 현재 타임 슬롯에 대한 최적의 내쉬 협상 해법을 결정할 수 있다.And, the resource allocation device 101 may determine an optimal Nash negotiation solution for the current time slot within the reduced search space.

도 3은 본 발명의 일실시예에 따른 협상 해법의 연속적 예측을 통한 자원 할당 방법을 플로우차트로 나타낸 도면이다.3 is a flow chart showing a resource allocation method through continuous prediction of a negotiation solution according to an embodiment of the present invention.

단계(310)에서, 자원 할당 장치(101)는 이전 타임 슬롯에서의 사용자 수와 현재 타임 슬롯에서의 사용자 수가 동일한지 여부를 식별할 수 있다.In step 310, the resource allocation device 101 may identify whether the number of users in the previous time slot and the number of users in the current time slot are the same.

단계(320)에서, 자원 할당 장치(101)는 이전 타임 슬롯에서의 사용자 수와 현재 타임 슬롯에서의 사용자 수가 동일한 것으로 식별된 경우, 이전 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 현재 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용을 이용하여 변환 행렬을 생성할 수 있다.In step 320, when the resource allocation device 101 identifies that the number of users in the previous time slot and the number of users in the current time slot are the same, when each user in the previous time slot has used up all of the allocable resources. A transformation matrix may be generated using the obtainable utility and the utility obtainable when each user in the current time slot uses all of the allocable resources.

보다 구체적으로 자원 할당 장치(101)는 이전 타임 슬롯에서의 각 사용자

Figure pat00021
가 할당 가능 자원을 모두 사용하였을 때의 효용
Figure pat00022
와 현재 타임 슬롯에서의 각 사용자
Figure pat00023
가 할당 가능 자원을 모두 사용하였을 때의 효용
Figure pat00024
의 비율을 대각선 원소로 하고, 대각선 원소 이외의 나머지가 모두 0 값을 가지는 변환 행렬
Figure pat00025
를 아래의 식1과 같이 생성할 수 있다.More specifically, the resource allocation device 101 each user in the previous time slot
Figure pat00021
Utility when uses all allocatable resources
Figure pat00022
and each user in the current timeslot
Figure pat00023
Utility when uses all allocatable resources
Figure pat00024
A transformation matrix in which the ratio of is the diagonal element and all other elements other than the diagonal element have a value of 0
Figure pat00025
can be generated as shown in Equation 1 below.

<식 1><Equation 1>

Figure pat00026
Figure pat00026

단계(330)에서, 자원 할당 장치(101)는 생성된 변환 행렬과 이전 타임 슬롯에서의 협상 해법을 이용하여 현재 타임 슬롯에서의 합의 실패점을 식별할 수 있다. 이때, 합의 실패점

Figure pat00027
는 아래의 식 2와 같이 변환 행렬과 이전 타임 슬롯에서의 협상 해법을 곱한 결과로써 벡터 값을 가질 수 있다. In step 330, the resource allocation apparatus 101 may identify an agreement failure point in the current time slot by using the generated transformation matrix and the negotiation solution in the previous time slot. In this case, the consensus failure point
Figure pat00027
may have a vector value as a result of multiplying the transformation matrix and the negotiation solution in the previous time slot as shown in Equation 2 below.

<식 2><Equation 2>

Figure pat00028
Figure pat00028

단계(340)에서, 자원 할당 장치(101)는 합의 실패점에서의 자원 총합을 이용하여 현재 타임 슬롯에서 협상 해법을 찾기 위한 축소된 탐색 공간을 결정할 수 있다. 보다 구체적으로 합의 실패점은 매 타임 슬롯 마다 하나씩 존재할 수 있으며, 합의 실패점이 가지는 벡터 값은 해당 타임 슬롯에 있는 사용자 수와 동일한 인덱스(Index)를 가질 수 있다. 이때, 각 인덱스는 각 사용자

Figure pat00029
가 합의 실패 시 가지게 되는 효용으로써 합의 실패점에서의 자원 총합은 각 인덱스에서의 자원을 모두 합산한 값을 의미할 수 있다.In step 340, the resource allocation device 101 may determine a reduced search space for finding a negotiation solution in the current time slot using the total resource at the consensus failure point. More specifically, one consensus failure point may exist for each time slot, and the vector value of the consensus failure point may have the same index as the number of users in the corresponding time slot. At this time, each index is each user
Figure pat00029
This is the utility that has when consensus fails, and the total resource at the consensus failure point can mean the sum of all resources in each index.

자원 할당 장치(101)는 이와 같은 합의 실패점에서의 각 인덱스(Index) 마다 각 사용자가 합의 실패 시 갖게 되는 효용 함수의 역함수를 구한 뒤 이를 모두 합산함으로써 합의 실패점에서의 자원 총합

Figure pat00030
을 결정할 수 있다. The resource allocation device 101 calculates the inverse function of the utility function that each user has when the agreement fails for each index at the consensus failure point, and then sums them all to obtain the total resource at the consensus failure point
Figure pat00030
can determine

자원 할당 장치(101)는 이와 같이 결정된 합의 실패점에서의 자원 총합과 현재 타임 슬롯에서 할당 가능한 자원 중 작은 값을 하한으로 설정하고, 큰 값을 상한으로 설정함으로써 축소된 탐색 공간을 결정할 수 있다.The resource allocation device 101 may determine the reduced search space by setting a smaller value of the total resources at the consensus failure point determined as above and resources allocable in the current time slot as a lower limit and setting a larger value as an upper limit.

마지막으로 단계(350)에서, 자원 할당 장치(101)는 축소된 탐색 공간 내에서 현재 타임 슬롯에 대한 협상 해법을 연산함으로써 낮은 계산 복잡도를 가지면서도 최적의 협상 해법을 결정할 수 있다.Finally, in step 350, the resource allocation device 101 may determine an optimal negotiation solution with low computational complexity by calculating a negotiation solution for the current time slot within the reduced search space.

도 4는 본 발명의 일실시예에 따른 데이터 처리 기반의 파라미터 추정을 통한 자원 할당 방법을 플로우차트로 나타낸 도면이다.4 is a flowchart illustrating a method of allocating resources through parameter estimation based on data processing according to an embodiment of the present invention.

도 4에서 제공하는 데이터 처리 기반의 파라미터 추정을 통한 자원 할당 방법은 유효 효용 집합의 차원이 변하거나 타임 슬롯이 1이라 이전 타임 슬롯이 없는 경우에 사용될 수 있다.The resource allocation method through parameter estimation based on data processing provided in FIG. 4 can be used when the dimension of the effective utility set changes or when there is no previous time slot because the time slot is 1.

단계(410)에서, 자원 할당 장치(101)는 기계학습을 통해 연속적인 복수의 타임 슬롯들 각각에 대한 사용자 수를 예측하여 복수의 타임 슬롯들 각각에 대한 협상 해법을 미리 계산할 수 있다.In step 410, the resource allocation device 101 may predict the number of users for each of a plurality of consecutive time slots through machine learning and pre-calculate a negotiation solution for each of a plurality of time slots.

단계(420)에서, 자원 할당 장치(101)는 이전 타임 슬롯에서의 사용자 수와 현재 타임 슬롯에서의 사용자 수가 서로 다른 경우, 기계학습을 통해 예측된 현재 타임 슬롯에서의 예상 사용자 수와 실제 사용자 수가 서로 동일한지 여부를 식별할 수 있다.In step 420, when the number of users in the previous time slot is different from the number of users in the current time slot, the resource allocation device 101 determines the expected number of users in the current time slot predicted through machine learning and the actual number of users. It is possible to identify whether they are identical to each other.

단계(430)에서, 현재 타임 슬롯에서의 예상 사용자 수와 실제 사용자 수가 동일한 것으로 식별된 경우, 자원 할당 장치(101)는 기계 학습을 통해 예측된 예상 사용자가 현재 타임 슬롯에 대한 임의의 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 실제 사용자가 현재 타임 슬롯에서 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용을 이용하여 변환 행렬을 생성할 수 있다.In step 430, when it is identified that the expected number of users in the current time slot is the same as the actual number of users, the resource allocation unit 101 determines that the expected users predicted through machine learning are assigned to any allocable resource for the current time slot. A conversion matrix can be generated using the utility that can be obtained when all of , and the utility that can be obtained when the actual user has used all of the allocable resources in the current time slot.

보다 구체적으로 자원 할당 장치(101)는 예상 사용자

Figure pat00031
가 현재 타임 슬롯에 대한 임의의 할당 가능 자원을 모두 사용하였을 때의 효용
Figure pat00032
과 실제 사용자
Figure pat00033
가 현재 타임 슬롯에서의 할당 가능 자원을 모두 사용하였을 때의 효용
Figure pat00034
의 비율을 대각선 원소로 하고, 대각선 원소 이외의 나머지가 모두 0 값을 가지는 변환 행렬
Figure pat00035
를 아래의 식 3과 같이 생성할 수 있다.More specifically, the resource allocation device 101 is expected user
Figure pat00031
Utility when all allocable resources for the current time slot are used
Figure pat00032
and real users
Figure pat00033
Utility when uses all available resources in the current time slot
Figure pat00034
A transformation matrix in which the ratio of is the diagonal element and all other elements other than the diagonal element have a value of 0
Figure pat00035
can be generated as shown in Equation 3 below.

<식 3><Equation 3>

Figure pat00036
Figure pat00036

단계(440)에서, 자원 할당 장치(101)는 생성된 변환 행렬 및 예상 사용자 수에 기초하여 미리 계산된 현재 시간 슬롯에서의 협상 해법

Figure pat00037
을 이용하여 현재 타임 슬롯에서의 합의 실패점을 식별할 수 있다. 이때, 합의 실패점
Figure pat00038
는 아래의 식 4와 같이 변환 행렬과 예상 사용자 수에 기초하여 미리 계산된 현재 시간 슬롯에서의 협상 해법을 곱한 결과로써 벡터 값을 가질 수 있다.In step 440, the resource allocation device 101 negotiates a solution in the current time slot pre-calculated based on the generated transformation matrix and the expected number of users.
Figure pat00037
It is possible to identify the failure point of the sum in the current time slot using In this case, the consensus failure point
Figure pat00038
may have a vector value as a result of multiplying the negotiation solution in the current time slot calculated in advance based on the transformation matrix and the expected number of users, as shown in Equation 4 below.

<식 4><Equation 4>

Figure pat00039
Figure pat00039

단계(450)에서, 자원 할당 장치(101)는 합의 실패점에서의 자원 총합을 이용하여 현재 타임 슬롯에서 협상 해법을 찾기 위한 축소된 탐색 공간을 결정할 수 있다. 보다 구체적으로 자원 할당 장치(101)는 합의 실패점의 각 인덱스(Index) 마다 현재 타임 슬롯에서의 실제 사용자에 대한 효용 함수의 역함수를 구한 뒤 이를 모두 합산함으로써 합의 실패점에서의 자원 총합

Figure pat00040
을 결정할 수 있다. In step 450, the resource allocation device 101 may determine a reduced search space for finding a negotiation solution in the current time slot using the total resource at the consensus failure point. More specifically, the resource allocation device 101 calculates the inverse function of the utility function for the actual user in the current time slot for each index of the consensus failure point and sums them all to obtain the total resource at the consensus failure point
Figure pat00040
can determine

자원 할당 장치(101)는 이와 같이 결정된 합의 실패점에서의 자원 총합과 현재 타임 슬롯에서 할당 가능한 자원 중 작은 값을 하한으로 설정하고, 큰 값을 상한으로 설정함으로써 축소된 탐색 공간을 결정할 수 있다.The resource allocation device 101 may determine the reduced search space by setting a smaller value of the total resources at the consensus failure point determined as above and resources allocable in the current time slot as a lower limit and setting a larger value as an upper limit.

마지막으로 단계(460)에서, 자원 할당 장치(101)는 축소된 탐색 공간 내에서 현재 타임 슬롯에 대한 협상 해법을 연산함으로써 낮은 계산 복잡도를 가지면서도 최적의 협상 해법을 결정할 수 있다.Finally, in step 460, the resource allocation device 101 may determine an optimal negotiation solution with low computational complexity by calculating a negotiation solution for the current time slot within the reduced search space.

한편, 본 발명에 따른 방법은 컴퓨터에서 실행될 수 있는 프로그램으로 작성되어 마그네틱 저장매체, 광학적 판독매체, 디지털 저장매체 등 다양한 기록 매체로도 구현될 수 있다.Meanwhile, the method according to the present invention is written as a program that can be executed on a computer and can be implemented in various recording media such as magnetic storage media, optical reading media, and digital storage media.

본 명세서에 설명된 각종 기술들의 구현들은 디지털 전자 회로조직으로, 또는 컴퓨터 하드웨어, 펌웨어, 소프트웨어로, 또는 그들의 조합들로 구현될 수 있다. 구현들은 데이터 처리 장치, 예를 들어 프로그램가능 프로세서, 컴퓨터, 또는 다수의 컴퓨터들의 동작에 의한 처리를 위해, 또는 이 동작을 제어하기 위해, 컴퓨터 프로그램 제품, 즉 정보 캐리어, 예를 들어 기계 판독가능 저장 장치(컴퓨터 판독가능 매체) 또는 전파 신호에서 유형적으로 구체화된 컴퓨터 프로그램으로서 구현될 수 있다. 상술한 컴퓨터 프로그램(들)과 같은 컴퓨터 프로그램은 컴파일된 또는 인터프리트된 언어들을 포함하는 임의의 형태의 프로그래밍 언어로 기록될 수 있고, 독립형 프로그램으로서 또는 모듈, 구성요소, 서브루틴, 또는 컴퓨팅 환경에서의 사용에 적절한 다른 유닛으로서 포함하는 임의의 형태로 전개될 수 있다. 컴퓨터 프로그램은 하나의 사이트에서 하나의 컴퓨터 또는 다수의 컴퓨터들 상에서 처리되도록 또는 다수의 사이트들에 걸쳐 분배되고 통신 네트워크에 의해 상호 연결되도록 전개될 수 있다.Implementations of the various techniques described herein may be implemented in digital electronic circuitry, or in computer hardware, firmware, software, or combinations thereof. Implementations may be a computer program product, i.e., an information carrier, e.g., a machine-readable storage, for processing by, or for controlling, the operation of a data processing apparatus, e.g., a programmable processor, computer, or plurality of computers. It can be implemented as a computer program tangibly embodied in a device (computer readable medium) or a radio signal. A computer program, such as the computer program(s) described above, may be written in any form of programming language, including compiled or interpreted languages, and may be written as a stand-alone program or in a module, component, subroutine, or computing environment. It can be deployed in any form, including as other units suitable for the use of. A computer program can be deployed to be processed on one computer or multiple computers at one site or distributed across multiple sites and interconnected by a communication network.

컴퓨터 프로그램의 처리에 적절한 프로세서들은 예로서, 범용 및 특수 목적 마이크로프로세서들 둘 다, 및 임의의 종류의 디지털 컴퓨터의 임의의 하나 이상의 프로세서들을 포함한다. 일반적으로, 프로세서는 판독 전용 메모리 또는 랜덤 액세스 메모리 또는 둘 다로부터 명령어들 및 데이터를 수신할 것이다. 컴퓨터의 요소들은 명령어들을 실행하는 적어도 하나의 프로세서 및 명령어들 및 데이터를 저장하는 하나 이상의 메모리 장치들을 포함할 수 있다. 일반적으로, 컴퓨터는 데이터를 저장하는 하나 이상의 대량 저장 장치들, 예를 들어 자기, 자기-광 디스크들, 또는 광 디스크들을 포함할 수 있거나, 이것들로부터 데이터를 수신하거나 이것들에 데이터를 송신하거나 또는 양쪽으로 되도록 결합될 수도 있다. 컴퓨터 프로그램 명령어들 및 데이터를 구체화하는데 적절한 정보 캐리어들은 예로서 반도체 메모리 장치들, 예를 들어, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(Magnetic Media), CD-ROM(Compact Disk Read Only Memory), DVD(Digital Video Disk)와 같은 광 기록 매체(Optical Media), 플롭티컬 디스크(Floptical Disk)와 같은 자기-광 매체(Magneto-Optical Media), 롬(ROM, Read Only Memory), 램(RAM, Random Access Memory), 플래시 메모리, EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM) 등을 포함한다. 프로세서 및 메모리는 특수 목적 논리 회로조직에 의해 보충되거나, 이에 포함될 수 있다.Processors suitable for processing a computer program include, by way of example, both general and special purpose microprocessors, and any one or more processors of any kind of digital computer. Generally, a processor will receive instructions and data from read only memory or random access memory or both. Elements of a computer may include at least one processor that executes instructions and one or more memory devices that store instructions and data. In general, a computer may include, receive data from, send data to, or both, one or more mass storage devices that store data, such as magnetic, magneto-optical disks, or optical disks. It can also be combined to become. Information carriers suitable for embodying computer program instructions and data include, for example, semiconductor memory devices, for example, magnetic media such as hard disks, floppy disks and magnetic tapes, compact disk read only memory (CD-ROM) ), optical media such as DVD (Digital Video Disk), magneto-optical media such as Floptical Disk, ROM (Read Only Memory), RAM (RAM) , Random Access Memory), flash memory, EPROM (Erasable Programmable ROM), EEPROM (Electrically Erasable Programmable ROM), and the like. The processor and memory may be supplemented by, or included in, special purpose logic circuitry.

또한, 컴퓨터 판독가능 매체는 컴퓨터에 의해 액세스될 수 있는 임의의 가용매체일 수 있고, 컴퓨터 저장매체 및 전송매체를 모두 포함할 수 있다.In addition, computer readable media may be any available media that can be accessed by a computer, and may include both computer storage media and transmission media.

본 명세서는 다수의 특정한 구현물의 세부사항들을 포함하지만, 이들은 어떠한 발명이나 청구 가능한 것의 범위에 대해서도 제한적인 것으로서 이해되어서는 안되며, 오히려 특정한 발명의 특정한 실시형태에 특유할 수 있는 특징들에 대한 설명으로서 이해되어야 한다. 개별적인 실시형태의 문맥에서 본 명세서에 기술된 특정한 특징들은 단일 실시형태에서 조합하여 구현될 수도 있다. 반대로, 단일 실시형태의 문맥에서 기술한 다양한 특징들 역시 개별적으로 혹은 어떠한 적절한 하위 조합으로도 복수의 실시형태에서 구현 가능하다. 나아가, 특징들이 특정한 조합으로 동작하고 초기에 그와 같이 청구된 바와 같이 묘사될 수 있지만, 청구된 조합으로부터의 하나 이상의 특징들은 일부 경우에 그 조합으로부터 배제될 수 있으며, 그 청구된 조합은 하위 조합이나 하위 조합의 변형물로 변경될 수 있다.Although this specification contains many specific implementation details, they should not be construed as limiting on the scope of any invention or what is claimed, but rather as a description of features that may be unique to a particular embodiment of a particular invention. It should be understood. Certain features that are described in this specification in the context of separate embodiments may also be implemented in combination in a single embodiment. Conversely, various features that are described in the context of a single embodiment can also be implemented in multiple embodiments individually or in any suitable subcombination. Further, while features may operate in particular combinations and are initially depicted as such claimed, one or more features from a claimed combination may in some cases be excluded from that combination, and the claimed combination is a subcombination. or sub-combination variations.

마찬가지로, 특정한 순서로 도면에서 동작들을 묘사하고 있지만, 이는 바람직한 결과를 얻기 위하여 도시된 그 특정한 순서나 순차적인 순서대로 그러한 동작들을 수행하여야 한다거나 모든 도시된 동작들이 수행되어야 하는 것으로 이해되어서는 안 된다. 특정한 경우, 멀티태스킹과 병렬 프로세싱이 유리할 수 있다. 또한, 상술한 실시형태의 다양한 장치 컴포넌트의 분리는 그러한 분리를 모든 실시형태에서 요구하는 것으로 이해되어서는 안되며, 설명한 프로그램 컴포넌트와 장치들은 일반적으로 단일의 소프트웨어 제품으로 함께 통합되거나 다중 소프트웨어 제품에 패키징 될 수 있다는 점을 이해하여야 한다.Similarly, while actions are depicted in the drawings in a particular order, it should not be construed as requiring that those actions be performed in the specific order shown or in the sequential order, or that all depicted actions must be performed to obtain desired results. In certain cases, multitasking and parallel processing can be advantageous. Further, the separation of various device components in the embodiments described above should not be understood as requiring such separation in all embodiments, and the program components and devices described may generally be integrated together into a single software product or packaged into multiple software products. You have to understand that you can.

한편, 본 명세서와 도면에 개시된 본 발명의 실시 예들은 이해를 돕기 위해 특정 예를 제시한 것에 지나지 않으며, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시 예들 이외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에게 자명한 것이다.On the other hand, the embodiments of the present invention disclosed in this specification and drawings are only presented as specific examples to aid understanding, and are not intended to limit the scope of the present invention. In addition to the embodiments disclosed herein, it is obvious to those skilled in the art that other modified examples based on the technical idea of the present invention can be implemented.

101 : 자원 할당 장치
102 : 네트워크
103 : 전체 자원
104, 105 : 사용자들101: resource allocation device
102: network
103: full resource
104, 105: users

Claims (20)

이전 타임 슬롯에서의 사용자 수와 현재 타임 슬롯에서의 사용자 수가 동일한지 여부를 식별하는 단계;
상기 이전 타임 슬롯에서의 사용자 수와 상기 현재 타임 슬롯에서의 사용자 수가 동일한 경우, 상기 이전 타임 슬롯에서의 협상 해법을 이용하여 상기 현재 타임 슬롯에서의 협상 해법을 찾기 위한 축소된 탐색 공간을 설정하는 단계; 및
상기 축소된 탐색 공간 내에서 협상 해법을 연산함으로써 상기 현재 타임 슬롯 내의 사용자들에게 자원을 할당하는 단계
를 포함하는 자원 할당 방법.identifying whether the number of users in the previous time slot is equal to the number of users in the current time slot;
setting a reduced search space for finding a negotiation solution in the current time slot by using a negotiation solution in the previous time slot when the number of users in the previous time slot is equal to the number of users in the current time slot; ; and
allocating resources to users in the current time slot by computing a negotiation solution within the reduced search space;
A resource allocation method comprising a. 제1항에 있어서,
상기 축소된 탐색 공간을 설정하는 단계는,
상기 이전 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 현재 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용을 이용하여 변환 행렬을 생성하는 단계;
상기 생성된 변환 행렬과 상기 이전 타임 슬롯에서의 협상 해법을 이용하여 합의 실패점을 식별하는 단계; 및
상기 합의 실패점에서의 자원 총합을 이용하여 상기 현재 타임 슬롯에서 협상 해법을 찾기 위한 상기 축소된 탐색 공간을 결정하는 단계
를 포함하는 자원 할당 방법.According to claim 1,
In the step of setting the reduced search space,
Generating a transformation matrix using an utility obtainable when each user in the previous time slot uses all allocable resources and an utility obtainable when each user in the current time slot uses all allocable resources ;
identifying a consensus failure point using the generated transformation matrix and a negotiation solution in the previous time slot; and
Determining the reduced search space for finding a negotiation solution in the current time slot using the total resource at the consensus failure point
A resource allocation method comprising a. 제2항에 있어서,
상기 변환 행렬은,
상기 이전 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 현재 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용의 비율을 대각선 원소로 하고, 상기 대각선 원소 이외의 나머지가 모두 0 값을 가지는 자원 할당 방법.According to claim 2,
The transformation matrix,
The ratio of the utility that can be obtained when each user in the previous time slot uses all of the allocable resources and the utility that can be obtained when each user in the current time slot uses all of the allocable resources is set as a diagonal element, A resource allocation method in which all elements other than diagonal elements have a value of 0. 제2항에 있어서,
상기 합의 실패점은,
상기 생성된 변환 행렬과 상기 이전 타임 슬롯에서의 협상 해법을 곱한 결과로 벡터 값을 가지는 자원 할당 방법.According to claim 2,
The point of failure of the agreement is,
A resource allocation method having a vector value as a result of multiplying the generated transformation matrix by the negotiation solution in the previous time slot. 제2항에 있어서,
상기 축소된 탐색 공간은,
상기 합의 실패점의 각 인덱스(Index) 마다 상기 현재 타임 슬롯에서의 각 사용자에 대한 효용 함수의 역함수를 모두 합산함으로써 결정되는 상기 합의 실패점에서의 자원 총합과 상기 현재 타임 슬롯에서 할당 가능한 자원 중 작은 값을 하한으로 설정하고, 큰 값을 상한으로 설정함으로써 결정되는 자원 할당 방법.According to claim 2,
The reduced search space,
Smaller of the total resource at the consensus failure point determined by summing all the inverse functions of the utility functions for each user in the current time slot for each index of the consensus failure point and the resources allocable in the current time slot A resource allocation method determined by setting a value as the lower limit and setting a larger value as the upper limit. 기계학습을 통해 연속적인 복수의 타임 슬롯들 각각에 대한 사용자 수를 예측하여 상기 복수의 타임 슬롯들 각각에 대한 협상 해법을 미리 계산하는 단계;
이전 타임 슬롯에서의 사용자 수와 현재 타임 슬롯에서의 사용자 수가 다른 경우, 상기 기계학습을 통해 예측된 현재 타임 슬롯에서의 예상 사용자 수와 실제 사용자 수가 동일한지 여부를 식별하는 단계; 및
상기 현재 타임 슬롯에서의 예상 사용자 수와 실제 사용자 수가 동일한 것으로 식별된 경우, 상기 미리 계산된 협상 해법을 통해 상기 현재 타임 슬롯 내의 실제 사용자에게 자원을 할당하는 단계
를 포함하는 자원 할당 방법.predicting the number of users for each of a plurality of consecutive time slots through machine learning and pre-calculating a negotiation solution for each of the plurality of time slots;
If the number of users in the previous time slot is different from the number of users in the current time slot, identifying whether the expected number of users in the current time slot predicted through machine learning is equal to the actual number of users; and
allocating resources to actual users in the current time slot through the pre-calculated negotiation solution when the expected number of users in the current time slot and the number of actual users are identified as being equal;
A resource allocation method comprising a. 제6항에 있어서,
상기 자원을 할당하는 단계는,
상기 기계 학습을 통해 예측된 예상 사용자가 상기 현재 타임 슬롯에 대한 임의의 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 실제 사용자가 상기 현재 타임 슬롯에서 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용을 이용하여 변환 행렬을 생성하는 단계;
상기 생성된 변환 행렬과 상기 현재 타임 슬롯에서의 미리 계산된 협상 해법을 이용하여 합의 실패점을 식별하는 단계; 및
상기 합의 실패점에서의 자원 총합으로 이용하여 상기 현재 타임 슬롯에서 협상 해법을 찾기 위한 축소된 탐색 공간을 결정하는 단계
를 포함하는 자원 할당 방법.According to claim 6,
The step of allocating the resource is,
An utility that can be obtained when the expected user predicted through the machine learning uses all allocable resources for the current time slot and an utility that can be obtained when the actual user uses all allocable resources for the current time slot Generating a transformation matrix using
identifying a consensus failure point using the generated transformation matrix and a pre-calculated negotiation solution in the current time slot; and
Determining a reduced search space for finding a negotiation solution in the current time slot using the total resource at the consensus failure point
A resource allocation method comprising a. 제7항에 있어서,
상기 변환 행렬은,
상기 예상 사용자가 상기 현재 타임 슬롯에 대한 임의의 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 실제 사용자가 상기 현재 타임 슬롯에서 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용의 비율을 대각선 원소로 하고, 상기 대각선 원소 이외의 나머지가 모두 0 값을 가지는 자원 할당 방법.According to claim 7,
The transformation matrix,
The ratio of the utility obtainable when the prospective user uses all allocable resources for the current time slot and the utility obtainable when the actual user uses all allocable resources for the current time slot as a diagonal element and all other elements other than the diagonal elements have a value of 0. 제7항에 있어서,
상기 합의 실패점은,
상기 생성된 변환 행렬과 상기 현재 타임 슬롯에서의 미리 계산된 협상 해법을 곱한 결과로 벡터 값을 가지는 자원 할당 방법.According to claim 7,
The point of failure of the agreement is,
A resource allocation method having a vector value as a result of multiplying the generated transformation matrix by the previously calculated negotiation solution in the current time slot. 제7항에 있어서,
상기 축소된 탐색 공간은,
상기 합의 실패점의 각 인덱스(Index) 마다 상기 현재 타임 슬롯에서의 실제 사용자에 효용 함수의 역함수를 모두 합산함으로써 결정되는 상기 합의 실패점에서의 자원 총합과 상기 현재 타임 슬롯에서 할당 가능한 자원 중 작은 값을 하한으로 설정하고, 큰 값을 상한으로 설정함으로써 결정되는 자원 할당 방법.According to claim 7,
The reduced search space,
A smaller value of the sum of resources at the consensus failure point and allocatable resources in the current time slot, determined by adding all inverse functions of utility functions to actual users in the current time slot for each index of the consensus failure point A resource allocation method determined by setting a lower limit and a larger value as an upper limit. 자원 할당 장치에 있어서,
상기 자원 할당 장치는, 프로세서를 포함하고,
상기 프로세서는,
이전 타임 슬롯에서의 사용자 수와 현재 타임 슬롯에서의 사용자 수가 동일한지 여부를 식별하고, 상기 이전 타임 슬롯에서의 사용자 수와 상기 현재 타임 슬롯에서의 사용자 수가 동일한 경우, 상기 이전 타임 슬롯에서의 협상 해법을 이용하여 상기 현재 타임 슬롯에서의 협상 해법을 찾기 위한 축소된 탐색 공간을 설정하며, 상기 축소된 탐색 공간 내에서 협상 해법을 연산함으로써 상기 현재 타임 슬롯 내의 사용자들에게 자원을 할당하는 자원 할당 장치.In the resource allocation device,
The resource allocation device includes a processor,
the processor,
Identify whether the number of users in the previous time slot is equal to the number of users in the current time slot, and if the number of users in the previous time slot is equal to the number of users in the current time slot, the negotiation solution in the previous time slot A resource allocating device for setting a reduced search space for finding a negotiation solution in the current time slot using and allocating resources to users within the current time slot by calculating a negotiation solution in the reduced search space. 제11항에 있어서,
상기 프로세서는,
상기 이전 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 현재 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용을 이용하여 변환 행렬을 생성하고, 상기 생성된 변환 행렬과 상기 이전 타임 슬롯에서의 협상 해법을 이용하여 합의 실패점을 식별하며, 상기 합의 실패점에서의 자원 총합을 이용하여 상기 현재 타임 슬롯에서 협상 해법을 찾기 위한 상기 축소된 탐색 공간을 결정하는 자원 할당 장치.According to claim 11,
the processor,
A conversion matrix is generated using an utility obtainable when each user in the previous time slot uses all allocable resources and an utility obtainable when each user in the current time slot uses all allocable resources, The reduced search space for identifying a consensus failure point using the generated transformation matrix and the negotiation solution in the previous time slot, and finding a negotiation solution in the current time slot using the total resource at the consensus failure point. A resource allocation device that determines 제12항에 있어서,
상기 변환 행렬은,
상기 이전 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 현재 타임 슬롯에서의 각 사용자가 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용의 비율을 대각선 원소로 하고, 상기 대각선 원소 이외의 나머지가 모두 0 값을 가지는 자원 할당 장치.According to claim 12,
The transformation matrix,
The ratio of the utility that can be obtained when each user in the previous time slot uses all of the allocable resources and the utility that can be obtained when each user in the current time slot uses all of the allocable resources is set as a diagonal element, A resource allocation device in which all elements other than diagonal elements have a value of 0. 제12항에 있어서,
상기 합의 실패점은,
상기 생성된 변환 행렬과 상기 이전 타임 슬롯에서의 협상 해법을 곱한 결과로 벡터 값을 가지는 자원 할당 장치.According to claim 12,
The point of failure of the agreement is,
A resource allocation device having a vector value as a result of multiplying the generated transformation matrix by the negotiation solution in the previous time slot. 제12항에 있어서,
상기 축소된 탐색 공간은,
상기 합의 실패점의 각 인덱스(Index) 마다 상기 현재 타임 슬롯에서의 각 사용자에 대한 효용 함수의 역함수를 모두 합산함으로써 결정되는 상기 합의 실패점에서의 자원 총합과 상기 현재 타임 슬롯에서 할당 가능한 자원 중 작은 값을 하한으로 설정하고, 큰 값을 상한으로 설정함으로써 결정되는 자원 할당 장치.According to claim 12,
The reduced search space,
Smaller of the total resource at the consensus failure point determined by summing all the inverse functions of the utility functions for each user in the current time slot for each index of the consensus failure point and the resources allocable in the current time slot A resource allocation device determined by setting a value as the lower limit and setting a larger value as the upper limit. 자원 할당 장치에 있어서,
상기 자원 할당 장치는, 프로세서를 포함하고,
상기 프로세서는,
기계학습을 통해 연속적인 복수의 타임 슬롯들 각각에 대한 사용자 수를 예측하여 상기 복수의 타임 슬롯들 각각에 대한 협상 해법을 미리 계산하고, 이전 타임 슬롯에서의 사용자 수와 현재 타임 슬롯에서의 사용자 수가 다른 경우, 상기 기계학습을 통해 예측된 현재 타임 슬롯에서의 예상 사용자 수와 실제 사용자 수가 동일한지 여부를 식별하며, 상기 현재 타임 슬롯에서의 예상 사용자 수와 실제 사용자 수가 동일한 것으로 식별된 경우, 상기 미리 계산된 협상 해법을 통해 상기 현재 타임 슬롯 내의 실제 사용자에게 자원을 할당하는 자원 할당 장치.In the resource allocation device,
The resource allocation device includes a processor,
the processor,
By predicting the number of users for each of a plurality of consecutive time slots through machine learning, a negotiation solution for each of the plurality of time slots is calculated in advance, and the number of users in the previous time slot and the number of users in the current time slot are calculated. In another case, it is identified whether the expected number of users in the current time slot predicted through machine learning and the actual number of users are the same, and if it is identified that the expected number of users in the current time slot and the actual number of users are the same, the number of users predicted in advance A resource allocation device that allocates resources to actual users in the current time slot through a calculated negotiation solution. 제16항에 있어서,
상기 프로세서는,
상기 기계 학습을 통해 예측된 예상 사용자가 상기 현재 타임 슬롯에 대한 임의의 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 실제 사용자가 상기 현재 타임 슬롯에서 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용을 이용하여 변환 행렬을 생성하고, 상기 생성된 변환 행렬과 상기 현재 타임 슬롯에서의 미리 계산된 협상 해법을 이용하여 합의 실패점을 식별하며, 상기 합의 실패점에서의 자원 총합으로 이용하여 상기 현재 타임 슬롯에서 협상 해법을 찾기 위한 축소된 탐색 공간을 결정하는 자원 할당 장치.According to claim 16,
the processor,
An utility that can be obtained when the expected user predicted through the machine learning uses all allocable resources for the current time slot and an utility that can be obtained when the actual user uses all allocable resources for the current time slot A transformation matrix is generated using , an agreement failure point is identified using the generated transformation matrix and a pre-calculated negotiation solution in the current time slot, and an agreement failure point is used as the sum of resources at the agreement failure point to determine the current time slot. A resource allocation unit that determines a reduced search space for negotiating solutions in slots. 제17항에 있어서,
상기 변환 행렬은,
상기 예상 사용자가 상기 현재 타임 슬롯에 대한 임의의 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용과 상기 실제 사용자가 상기 현재 타임 슬롯에서 할당 가능한 자원을 모두 사용하였을 때 획득 가능한 효용의 비율을 대각선 원소로 하고, 상기 대각선 원소 이외의 나머지가 모두 0 값을 가지는 자원 할당 장치.According to claim 17,
The transformation matrix,
The ratio of the utility obtainable when the prospective user uses all allocable resources for the current time slot and the utility obtainable when the actual user uses all allocable resources for the current time slot as a diagonal element and all other elements other than the diagonal elements have a value of 0. 제17항에 있어서,
상기 합의 실패점은,
상기 생성된 변환 행렬과 상기 현재 타임 슬롯에서의 미리 계산된 협상 해법을 곱한 결과로 벡터 값을 가지는 자원 할당 장치.According to claim 17,
The point of failure of the agreement is,
A resource allocation device having a vector value as a result of multiplying the generated transformation matrix by the previously calculated negotiation solution in the current time slot. 제17항에 있어서,
상기 축소된 탐색 공간은,
상기 합의 실패점의 각 인덱스(Index) 마다 상기 현재 타임 슬롯에서의 실제 사용자에 효용 함수의 역함수를 모두 합산함으로써 결정되는 상기 합의 실패점에서의 자원 총합과 상기 현재 타임 슬롯에서 할당 가능한 자원 중 작은 값을 하한으로 설정하고, 큰 값을 상한으로 설정함으로써 결정되는 자원 할당 장치.

According to claim 17,
The reduced search space,
A smaller value of the sum of resources at the consensus failure point and allocatable resources in the current time slot, determined by adding all inverse functions of utility functions to actual users in the current time slot for each index of the consensus failure point A resource allocation device determined by setting ? as the lower limit and setting a larger value as the upper limit.
KR1020210192985A 2021-12-30 2021-12-30 Resource allocation method and apparatus using sequential parameter estimation KR20230102664A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020210192985A KR20230102664A (en) 2021-12-30 2021-12-30 Resource allocation method and apparatus using sequential parameter estimation

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020210192985A KR20230102664A (en) 2021-12-30 2021-12-30 Resource allocation method and apparatus using sequential parameter estimation

Publications (1)

Publication Number Publication Date
KR20230102664A true KR20230102664A (en) 2023-07-07

Family

ID=87153780

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020210192985A KR20230102664A (en) 2021-12-30 2021-12-30 Resource allocation method and apparatus using sequential parameter estimation

Country Status (1)

Country Link
KR (1) KR20230102664A (en)

Similar Documents

Publication Publication Date Title
US20190325554A1 (en) Resource-utilization-based workload re-allocation system
EP3281359B1 (en) Application driven and adaptive unified resource management for data centers with multi-resource schedulable unit (mrsu)
US8112524B2 (en) Recommending moving resources in a partitioned computer
CN105183565A (en) Computer and service quality control method and device
US9665410B2 (en) Processing of application programming interface traffic
US11175960B2 (en) Worker-scheduling method in cloud-computing system and apparatus for the same
US20100229175A1 (en) Moving Resources In a Computing Environment Having Multiple Logically-Partitioned Computer Systems
KR20200076700A (en) Apparatus and method for providing performance-based packet scheduler
CN112825042A (en) Resource management method and device, electronic equipment and storage medium
CN114416360A (en) Resource allocation method and device and Internet of things system
CN114615338A (en) Micro-service deployment method and device based on layer sharing in edge environment
US11803423B1 (en) Dynamic allocation of resources
US8819239B2 (en) Distributed resource management systems and methods for resource management thereof
CN109788013B (en) Method, device and equipment for distributing operation resources in distributed system
JP2018190355A (en) Resource management method
KR20230102664A (en) Resource allocation method and apparatus using sequential parameter estimation
JP7237037B2 (en) Frequency mapping device, frequency mapping method and computer program
CN110879748A (en) Shared resource allocation method, device and equipment
Ullah et al. Task priority-based cached-data prefetching and eviction mechanisms for performance optimization of edge computing clusters
JP7287912B2 (en) Frequency mapping device, frequency mapping method and computer program
WO2014115282A1 (en) Computer system, and computer-resource allocation method
KR102183274B1 (en) System and method for distributed processing, and apparatus applied to the same
KR20230122826A (en) Method and apparatus for allocating resource
JP7287911B2 (en) Frequency mapping device, frequency mapping method and computer program
Kimura et al. Residual capacity-aware virtual machine assignment for reducing network loads in multi-tenant data center networks