基于在线双向拍卖的虚拟网络切片资源调度机制

为解决5G网络切片间资源分配的问题,该文提出一种基于在线双向拍卖(ODA)的资源调度机制。该机制首先针对不同的业务需求和业务收益确定网络切片的优先级和单位资源报价;其次明确最大化网络收益的目标建立线下单向拍卖模型;进一步,考虑资源的动态分配和回收利用,提出价格更新算法实时更新资源价格;最后,综合线下单向拍卖机制和价格动态变化机制建立在线双向拍卖模型,为切片动态分配资源。仿真结果表明,该机制在提高网络收益的同时可以保证各切片用户的QoS需求。

在线双向拍卖中的不完全信息博弈仿真研究

双向拍卖机制能较好地解决在线拍卖中如何有效利用网络资源、减轻网络负荷的问题,而构造双向拍卖的报价模型和策略是其重要内容之一。从实验经济学方法的角度,构造了在线双向拍卖中不完全信息博弈下存在的贝叶斯—纳什均衡并求解,通过计算机仿真详细分析了该模型的特点和可行性,为高效利用网络资源、提高在线拍卖效率提供了可行的思路。

一种激励相容的多单位在线双边拍卖机制

针对动态环境下诸如证券交易、计算网格资源分配、排污权交易等双边拍卖市场,研究了多单位在线双边拍卖机制.首先描述了多个买家和多个卖家在任意时间进入和离开拍卖平台,且买家和卖家均可交易多单位同质物品的在线双边拍卖问题;然后,针对该问题设计了多单位在线双边拍卖机制,进而,证明了该机制不仅满足个体理性,物质平衡和弱预算平衡,还能引导买卖双方报告真实的进入时间、离开时间和物品估值;最后,通过算例验证了该机制的可行性和合理性.

一种基于多属性双向拍卖的在线应用服务选择方法

针对客户在选择在线应用服务时面临搜寻成本高、决策效率低以及静态定价策略难以满足交易双方动态的价值沟通需要这一问题,提出一种基于多属性双向拍卖的在线应用服务选择方法。首先构建了一个由买方、卖方以及拍卖中介组成的双向拍卖系统模型,进而设计了拍卖机制,论证了该机制是事后有效的并满足个体理性及激励相容约束,最后通过仿真实验对该机制的可行性及应用效果进行检验。本文方法可降低在线应用服务市场中供需双方搜寻成本、提升匹配效率、有效支持供需双方实现价值共赢。

基于在线双边拍卖的分层联邦学习激励机制

在分层联邦学习中,能量受限的移动设备参与模型训练会消耗自身资源。为了降低移动设备的能耗,文中在不超过分层联邦学习的最大容忍时间下,提出了移动设备能耗之和最小化问题。不同训练轮次的边缘服务器能够选择不同的移动设备,移动设备也能够为不同的边缘服务器并发训练模型,因此文中基于在线双边拍卖机制提出了ODAM-DS算法。基于最优停止理论,支持边缘服务器在合适的时刻选择移动设备,使得移动设备的平均能耗最小,然后对提出的在线双边拍卖机制进行理论分析,证明其满足激励相容性、个体理性、弱预算均衡约束等特性。模拟实验的结果证明,ODAM-DS算法产生的能耗比已有的HFEL算法平均降低了19.04%。

基于冲突分解的短波频点真实在线双拍卖算法

针对短波认知电台在网络高负载情况下频点冲突严重的问题,依据短波频点衰落特性,结合真实在线双拍卖模型,提出了基于冲突分解的真实在线双拍卖(trueful online double auction based on conflict decomposition,TODA-CD)模型。在TODA-CD模型中,卖家模型考虑不同链路间差异性,重构卖家定价模型,提升了链路可靠性;买家模型以预期收益最大化为优化目标,首先利用广度优先搜索算法生成频点冲突树,解析短波认知网络内频点冲突关系,然后设置频点抢占切换惩罚函数,计算不同切换方案预期收益,重构买家竞拍价格,以第二密封价格拍卖完成频谱交易,最终实现网络内频点指配的抢占最优。仿真结果表明,在网络高负载情况下,TODA-CD算法能够有效提高频谱利用率,降低抢占切换次数,从而提高系统收益。

网上双边拍卖机制设计及其实现

针对有多个买方和卖方参与的在线拍卖,设计了一个双边拍卖机制,此机制除了符合网络的特点外,还有如下优点:允许参与人对多单位商品进行报价;在时段末在线拍卖市场出清;所有参与人都按其对商品的真实估价进行报价;卖方不会发生网上共谋.最后给出了此拍卖机制实现的具体数据结构和系统框架.