本發(fā)明涉及帶寬分配，具體地指一種多媒體云環(huán)境下基于演化博弈論的帶寬分配優(yōu)化方法。

背景技術(shù)：

隨著互聯(lián)網(wǎng)的普及和通信行業(yè)的快速發(fā)展，使得人們可以隨時(shí)隨地的獲取互聯(lián)網(wǎng)資源。越來越多的用戶使用他們的移動(dòng)設(shè)備，如智能手機(jī)、筆記本電腦和平板電腦等獲取網(wǎng)絡(luò)資源，尤其是獲取視頻、音頻和圖像等多媒體資源，這使得基于視頻、音頻、圖像等的多媒體資源數(shù)量飛速增長(zhǎng)，促進(jìn)了多媒體云計(jì)算的快速發(fā)展。對(duì)于基于多媒體的應(yīng)用和服務(wù)而言，同時(shí)有數(shù)百萬用戶具有多媒體資源方面的需求，而多媒體資源中一般都牽涉到了大量的視頻、圖像和音頻，海量多媒體資源需要占用多媒體云服務(wù)提供商大量的帶寬和服務(wù)器資源；同時(shí)，由于一些多媒體業(yè)務(wù)(如流媒體分發(fā)、網(wǎng)絡(luò)直播、視頻處理等)對(duì)服務(wù)的實(shí)時(shí)性或設(shè)備的性能有著較高的要求，所以更需要服務(wù)端和用戶端均具有較大的帶寬，較強(qiáng)的計(jì)算能力。

社交網(wǎng)絡(luò)的流行極大的促進(jìn)了多媒體云的發(fā)展，由于社交網(wǎng)絡(luò)是基于真實(shí)的社會(huì)關(guān)系，相同社交網(wǎng)絡(luò)中的人們通常具有相似的興趣愛好和多媒體需求，且人們?cè)敢庀蚺笥逊窒碜约簱碛械亩嗝襟w資源，人們間的這種相互作用，形成一個(gè)大規(guī)模的多媒體社交網(wǎng)絡(luò)。目前社交網(wǎng)絡(luò)中海量同類用戶需要分別從多媒體云服務(wù)提供商處獲取多媒體資源，每一個(gè)相同需求用戶都要為同樣的多媒體資源付費(fèi)，造成多媒體資源利用率的低下和較高的用戶服務(wù)成本。

然而，由于非服務(wù)性用戶從服務(wù)性用戶處獲取多媒體資源時(shí)，非服務(wù)性用戶對(duì)服務(wù)性用戶的選擇是一個(gè)多對(duì)多的過程，如果不能平衡服務(wù)性用戶與非服務(wù)性用戶間的帶寬分配，不僅會(huì)造成網(wǎng)絡(luò)資源的浪費(fèi)，增加用戶的時(shí)間成本，而且不能發(fā)揮多媒體云的社交網(wǎng)絡(luò)中資源的協(xié)作分發(fā)策略的優(yōu)越性。

目前的帶寬分配策略主要應(yīng)用在多個(gè)網(wǎng)絡(luò)接入環(huán)境中，進(jìn)行網(wǎng)絡(luò)接入的選擇，保證網(wǎng)絡(luò)接入的公平性。而在多媒體云環(huán)境下的資源分配中，由于多媒體資源對(duì)帶寬、性能和時(shí)延等的搞要求，保證服務(wù)性用戶與非服務(wù)性用戶的整體效用，使得服務(wù)性用戶與非服務(wù)性用戶間的帶寬分配平衡才是最終目標(biāo)，因此，目前的帶寬分配策略并不適用基于多媒體云的社交網(wǎng)絡(luò)環(huán)境中。

多媒體云環(huán)境中，由于多媒體資源對(duì)服務(wù)質(zhì)量的敏感性，因而對(duì)網(wǎng)絡(luò)帶寬、設(shè)備計(jì)算能力等有著較高的要求。而非服務(wù)性用戶從服務(wù)性用戶處獲取資源具有相當(dāng)?shù)拿つ啃院妥运叫?，大量的非服?wù)性用戶選擇網(wǎng)絡(luò)帶寬較好的部分服務(wù)性用戶，導(dǎo)致部分服務(wù)性用戶的網(wǎng)絡(luò)過載，而剩余的服務(wù)性用戶的網(wǎng)絡(luò)則處于相對(duì)空閑的狀態(tài)，造成網(wǎng)絡(luò)資源的浪費(fèi)，增加用戶的時(shí)間成本，嚴(yán)重降低了用戶的體驗(yàn)。目前多媒體云環(huán)境下帶寬分配方法多是采用對(duì)等網(wǎng)絡(luò)中基于價(jià)格的分配方法以及采用動(dòng)態(tài)規(guī)劃的帶寬分配方法，這些方法主要是以公平性為原則，沒有考慮到非服務(wù)用戶的自私行為，以及整個(gè)多媒體云的社交網(wǎng)絡(luò)中帶寬分配的平衡性。因此，要保證基于多媒體云的社交網(wǎng)絡(luò)中服務(wù)性用戶與非服務(wù)性用戶均能獲得滿意的服務(wù)，就需要充分考慮帶寬分配的平衡性，即服務(wù)性用戶與非服務(wù)性用戶的整體效用。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明目的在于克服上述現(xiàn)有技術(shù)的不足而提供一種多媒體云環(huán)境下基于演化博弈論的帶寬分配優(yōu)化方法，該方法將非服務(wù)性用戶對(duì)服務(wù)性用戶的選擇建模為一個(gè)演化博弈過程，通過非服務(wù)性用戶的多次選擇和學(xué)習(xí)，不斷演化，使所有的非服務(wù)性用戶通過改變選擇無法獲得的更大的效用時(shí)，達(dá)到一個(gè)效用最大的穩(wěn)定狀態(tài)，即演化均衡。

實(shí)現(xiàn)本發(fā)明目的采用的技術(shù)方案是：一種多媒體云環(huán)境下基于演化博弈論的帶寬分配優(yōu)化方法，該方法包括：

1)首先，每個(gè)非服務(wù)性用戶隨機(jī)連接服務(wù)性用戶；

2)每個(gè)非服務(wù)性用戶根據(jù)所連接的服務(wù)性用戶的帶寬狀況計(jì)算其效用值；

3)在與同一組的其他非服務(wù)性用戶通信之后，用戶組中的每個(gè)非服務(wù)性用戶都獲取到其他非服務(wù)性用戶的選擇及效用值，然后根據(jù)計(jì)算組內(nèi)的平均效用

${\stackrel{\‾}{\mathrm{\π}}}_i^g\left(t\right)=\frac{{\mathrm{\Σ}}_i{n}_i^g(t-\mathrm{\τ})\·{\mathrm{\π}}_i^g(t-\mathrm{\τ})}{n^{g(t-\mathrm{\τ})}}$

4)如果平均效用大于自己的效用值，則非服務(wù)性用戶改變連接策略，選擇連接到提供更高更高效用值的服務(wù)性用戶，即

$\mathrm{\θ}\left(t\right)=\frac{{\stackrel{\‾}{\mathrm{\π}}}^g\left(t\right)-{\mathrm{\π}}_i^g\left(t\right)}{{\stackrel{\‾}{\mathrm{\π}}}^g\left(t\right)}$

否則，非服務(wù)性用戶保持當(dāng)前選擇。

5)重復(fù)步驟2)至4)，直到組內(nèi)所有非服務(wù)性用戶獲得相同的效用值。

2.根據(jù)權(quán)利要求1所述多媒體云環(huán)境下基于演化博弈論的帶寬分配優(yōu)化方法，其特征在于，步驟2)中，按照下式計(jì)算效用值：

${\mathrm{\π}}_i^g=log\frac{k_w{b}_i}{{\mathrm{\Σ}}_{g\∈G}{n}_i^g}-w_w{p}_i$

式中，表示組g內(nèi)的非服務(wù)性用戶選擇連接到服務(wù)性用戶i的效用值；k_w表示各種多媒體資源的預(yù)定義參數(shù)；w_w表示單位價(jià)格的等效滿意度。

本發(fā)明提出的帶寬分配優(yōu)化方法基于演化博弈論，將非服務(wù)性用戶對(duì)服務(wù)性用戶的選擇建模為一個(gè)演化博弈過程，通過非服務(wù)性用戶的多次選擇和學(xué)習(xí)，不斷演化，使所有的非服務(wù)性用戶通過改變選擇無法獲得的更大的效用時(shí)，達(dá)到一個(gè)效用最大的穩(wěn)定狀態(tài)，即演化均衡。博弈參與者之間的策略均衡是通過多次博弈、學(xué)習(xí)和策略調(diào)整達(dá)到的，而不是一次性選擇的結(jié)果。通過本專利提出的優(yōu)化方法，最大化的利用多媒體云中的帶寬資源，避免網(wǎng)絡(luò)擁塞，降低服務(wù)延遲，提高用戶體驗(yàn)。

本發(fā)明分析非服務(wù)性用戶的盲目性與自私因素，采用博弈理論，提出基于演化博弈的多媒體云帶寬分配優(yōu)化方法，該方法通過非服務(wù)性用戶與服務(wù)性用戶間的博弈，計(jì)算用戶的整體效用，不斷演化，最終達(dá)到一個(gè)效用最大的穩(wěn)定狀態(tài)，最大化的利用多媒體云中的帶寬資源，避免網(wǎng)絡(luò)分配不平衡與網(wǎng)絡(luò)擁塞，降低服務(wù)延遲。本方法能夠克服多媒體云中非服務(wù)性用戶帶寬選擇的盲目性與自私性，是一種適用于多媒體云中基于社交網(wǎng)絡(luò)的帶寬分配方法。

附圖說明

圖1為本發(fā)明多媒體云環(huán)境下基于演化博弈論的帶寬分配優(yōu)化方法的；流程圖。

具體實(shí)施方式

下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說明。

本發(fā)明中提到的服務(wù)性用戶與非服務(wù)性用戶是指在多媒體云環(huán)境中，大量的用戶具有相同的多媒體需求，本發(fā)明將具有相同需求，且物理位置相近的用戶連接起來，形成社交網(wǎng)絡(luò)。具體來說，本發(fā)明針對(duì)此基于多媒體云的社交網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)，依據(jù)其物理性能(Capacity)、活躍性(Activity)以及節(jié)點(diǎn)的信譽(yù)值(Reputation)綜合進(jìn)行量化并排序，作為服務(wù)性用戶的選擇依據(jù)，讓物理性能強(qiáng)、活躍性和信譽(yù)度高的用戶(本發(fā)明稱之為服務(wù)性用戶)從內(nèi)容提供商處獲取多媒體資源，再由這些服務(wù)性用戶為社交網(wǎng)絡(luò)中的其他用戶(本發(fā)明稱之為非服務(wù)性用戶)提供服務(wù)。

本發(fā)明中提到的最大化用戶效用的帶寬分配是指多個(gè)非服務(wù)性用戶從服務(wù)性用戶處獲取多媒體資源時(shí)，考慮非服務(wù)性用戶選擇服務(wù)性用戶時(shí)的盲目性與隨機(jī)性，勢(shì)必會(huì)造成服務(wù)性用戶的帶寬資源分配不均衡，無法獲得最大的效用；同時(shí)，考慮到用戶的自私性，大量的非服務(wù)性用戶選擇從網(wǎng)絡(luò)帶寬較好的服務(wù)性用戶處獲取服務(wù)，勢(shì)必造成網(wǎng)絡(luò)帶寬較好的服務(wù)性用戶網(wǎng)絡(luò)負(fù)載過大，而網(wǎng)絡(luò)帶寬較弱的服務(wù)性用戶網(wǎng)絡(luò)空閑，導(dǎo)致帶寬分配不均衡，用戶無法獲得最大的效用。本實(shí)施例中使用參數(shù)的定義如下：

表示組g內(nèi)的非服務(wù)性用戶選擇連接到服務(wù)性用戶i的效用值；

k_w表示各種多媒體資源的預(yù)定義參數(shù)；

w_w表示單位價(jià)格的等效滿意度；

μ(k_wb_i(n_i))表示非服務(wù)性用戶對(duì)當(dāng)前分配帶寬的滿意度；

μ表示b_i(n_i)的一個(gè)凸函數(shù)；

X^g表示種群狀態(tài)的向量；

表示種群中策略i的份額；

表示考慮時(shí)延因素下種群i在t時(shí)刻的策略份額；

本發(fā)明提出的帶寬分配優(yōu)化方法是將博弈論的思想加入到了多媒體云中非服務(wù)性用戶對(duì)服務(wù)性用戶的選擇中，即博弈中的參與者在不了解全部信息時(shí)采用主觀決定和跟從個(gè)體效用更高的策略的方式來決定自己的選擇，與生物演化中表現(xiàn)出的過程相似。生物在演化過程中根據(jù)生理性狀和行為特征的動(dòng)態(tài)改變過程，正是一種在有限理性博弈中通過模仿博弈參與者進(jìn)行博弈和動(dòng)態(tài)調(diào)整自身策略的重要機(jī)制，即“動(dòng)態(tài)復(fù)制”的特性。在演化過程中，采用具有較高效用策略的群體所占的比例會(huì)逐漸增大，而采用較低效用策略的群體會(huì)被逐漸淘汰，直到所有的博弈參與者獲得相同的效用，則達(dá)到演化均衡。

對(duì)于多媒體云中非服務(wù)性用戶之間的博弈，本發(fā)明定義演化博弈論的基本組成部分為：1)博弈者，網(wǎng)絡(luò)中的每個(gè)非服務(wù)性用戶是一個(gè)自私的和有限理性的博弈者。2)種群，指的是基于多媒體云的社交網(wǎng)絡(luò)中的用戶群，并且每個(gè)用戶群形成獨(dú)立的種群。3)策略，該策略指每個(gè)非服務(wù)性用戶選擇連接的服務(wù)性用戶。4)效用，每個(gè)博弈者的效用被定義為對(duì)分配的帶寬的滿意度。

因此，通過博弈達(dá)到演化均衡的過程包括了3部分：1)多媒體云環(huán)境下帶寬分配的穩(wěn)定策略；2)多媒體云環(huán)境下帶寬分配中用戶策略的效用評(píng)價(jià)；3)多媒體云環(huán)境下帶寬分配中用戶選擇機(jī)制的復(fù)制子動(dòng)態(tài)。下面分別從這三個(gè)方面進(jìn)行分析：

在基于多媒體云的社交網(wǎng)絡(luò)中，如果多個(gè)非服務(wù)性用戶連接到同一個(gè)服務(wù)性用戶，會(huì)導(dǎo)致該服務(wù)性用戶網(wǎng)絡(luò)帶寬擁塞，從而降低了非服務(wù)性用戶的效用，因此，這些非服務(wù)性用戶可能會(huì)改變策略連接到其他的服務(wù)性用戶以獲取更高的效用，這個(gè)過程可以重復(fù)多次，直到所有的非服務(wù)性用戶達(dá)到相同的效用。然而，由于非服務(wù)性用戶的自私性，每一個(gè)非服務(wù)性用戶都傾向于選擇連接到網(wǎng)絡(luò)帶寬最佳的服務(wù)性用戶；同時(shí)，由于多媒體云的社交網(wǎng)絡(luò)中的非服務(wù)性用戶很難獲取到的所有其他非服務(wù)性用戶的選擇，在這種情況下，非服務(wù)性用戶很難做出最佳的決策。因此，非服務(wù)性用戶是在有限理性的情況下做出決策，演化博弈論正是一個(gè)分析有限理性的決策者之間相互作用的強(qiáng)大工具。

在參與博弈的種群中，非服務(wù)性用戶通過跟從效用更高的策略來改變自己的選擇，具有較高效用策略的群體所占的比例會(huì)逐漸增大，而采用較低效用策略的群體會(huì)被逐漸淘汰，直到所有的非服務(wù)性用戶獲得相同的效用，那么該群體就進(jìn)入了穩(wěn)定狀態(tài)，該群體所采用的策略就是演化穩(wěn)定策略，帶寬分配達(dá)到平衡，即：

1)存在效用關(guān)系π(x/x)>π(y/x)，那么策略x是演化穩(wěn)定的策略；

2)存在效用關(guān)系π(x/x)＝π(y/x)且π(x/y)>π(y/y)，那么策略x也是演化穩(wěn)定的策略。

在演化博弈模型中，非服務(wù)性用戶愿意通過連接到服務(wù)性用戶獲得較高的滿意度。組內(nèi)的非服務(wù)性用戶間可以互相交流信息，獲取其他非服務(wù)性用戶的策略。如果一個(gè)非服務(wù)性用戶觀察到其它非服務(wù)性用戶通過選擇其它服務(wù)性用戶獲取到更高的效用，它可以學(xué)習(xí)其它非服務(wù)性用戶的策略，逐步改變自己的策略以實(shí)現(xiàn)更高的效用，獲得更大的帶寬。那么本發(fā)明可以定義，在組g內(nèi)的非服務(wù)性用戶連接到服務(wù)性用戶i的效用值為

${\mathrm{\π}}_i^g=\mathrm{\μ}\left(k_w{b}_i\right(n_i\left)\right)-w_w{p}_i---\left(1\right)$

在本發(fā)明中，效用函數(shù)μ(·)是經(jīng)常采用的對(duì)數(shù)函數(shù)，被稱為按比例公平。因此，效用函數(shù)可以改寫為

${\mathrm{\π}}_i^g=log\frac{k_w{b}_i}{{\mathrm{\Σ}}_{g\∈G}{n}_i^g}-w_w{p}_i---\left(2\right)$

同一組中的非服務(wù)性用戶可以互相學(xué)習(xí)策略，一個(gè)群體中的非服務(wù)性用戶的策略可以被同一組中的其他非服務(wù)性用戶復(fù)制，這種復(fù)制形成了種群的進(jìn)化。在這里，本發(fā)明介紹復(fù)制動(dòng)態(tài)模型中種群的演變。在復(fù)制動(dòng)態(tài)中，種群策略的增長(zhǎng)率等于該策略的效用和種群平均效用之差。對(duì)于種群(即組)g，讓X^g表示種群狀態(tài)的向量，其中第i個(gè)元素表示種群中策略i的份額。因此，X^g可以表示為

$X^g={\[x_1^g,x_2^g,\mathrm{...},x_M^g\]}^T---\left(3\right)$

其中，

在基于多媒體云的社交網(wǎng)絡(luò)中，由于網(wǎng)絡(luò)延遲等因素，非服務(wù)性用戶可能無法獲取到最新的種群狀態(tài)信息。因此，它們必須根據(jù)其它非服務(wù)性用戶的歷史信息做出決策。在這個(gè)復(fù)制動(dòng)力學(xué)中考慮這個(gè)時(shí)間延遲，即任意t時(shí)刻非服務(wù)性用戶的效用值為種群在(t-τ)的狀態(tài)函數(shù)，其中τ表示時(shí)間延遲。該復(fù)制動(dòng)態(tài)方程如下

${\stackrel{\·}{x}}_i^g\left(t\right)=x_i^g\left(t\right)\left({\mathrm{\π}}_i^g\right(t-\mathrm{\τ})-{\stackrel{\‾}{\mathrm{\π}}}_i^g(t-\mathrm{\τ}\left)\right)---\left(4\right)$

該方程表明，提供更高效用的策略的種群比例將隨著時(shí)間增加，當(dāng)所有策略的比例不再改變時(shí)，演化結(jié)束，這表明收斂到一個(gè)穩(wěn)定的種群狀態(tài)。通過求解由于策略的選擇率是零，沒有任何用戶有動(dòng)力去改變其選擇的策略，進(jìn)而得到演化均衡，即帶寬分配達(dá)到平衡。

如圖1所示，本發(fā)明多媒體云環(huán)境下基于演化博弈論的帶寬分配優(yōu)化方法的實(shí)現(xiàn)方法步驟為：

1)首先，每個(gè)非服務(wù)性用戶隨機(jī)連接服務(wù)性用戶。

2)每個(gè)非服務(wù)性用戶根據(jù)所連接的服務(wù)性用戶的帶寬狀況按照公式(2)計(jì)算其效用值。由于每個(gè)服務(wù)性用戶連接的非服務(wù)性用戶數(shù)量是不可預(yù)知的，因此需要每個(gè)非服務(wù)性用戶自己檢測(cè)所連接服務(wù)性用戶的帶寬。

3)在與同一組的其他非服務(wù)性用戶通信之后，用戶組中的每個(gè)非服務(wù)性用戶都獲取到其他非服務(wù)性用戶的選擇及效用值，然后根據(jù)計(jì)算組內(nèi)的平均效用

${\stackrel{\‾}{\mathrm{\π}}}_i^g\left(t\right)=\frac{{\mathrm{\Σ}}_i{n}_i^g(t-\mathrm{\τ})\·{\mathrm{\π}}_i^g(t-\mathrm{\τ})}{n^g(t-\mathrm{\τ})}---\left(5\right)$

4)如果平均效用大于自己的效用值，則非服務(wù)性用戶改變連接策略，選擇連接到提供更高更高效用值的服務(wù)性用戶，即

$\mathrm{\θ}\left(t\right)=\frac{{\stackrel{\‾}{\mathrm{\π}}}^g\left(t\right)-{\mathrm{\π}}_i^g\left(t\right)}{{\stackrel{\‾}{\mathrm{\π}}}^g\left(t\right)}---\left(6\right)$

否則，非服務(wù)性用戶保持當(dāng)前選擇。

5)重復(fù)步驟2)至4)，直到組內(nèi)所有非服務(wù)性用戶獲得相同的效用值。

本發(fā)明將具有相同多媒體資源需求的用戶連接起來，形成基于多媒體云的社交網(wǎng)絡(luò)，選擇部分用戶成為服務(wù)性用戶，這部分服務(wù)性用戶從多媒體云服務(wù)提供商獲取多媒體資源，再由它們?yōu)槠渌脩籼峁┒嗝襟w資源，從而無需所有的用戶都從多媒體云服務(wù)提供商獲取同一多媒體資源。在服務(wù)性用戶與非服務(wù)性用戶之間使用網(wǎng)絡(luò)基礎(chǔ)設(shè)施(如Wi-Fi、3G和藍(lán)牙等)進(jìn)行內(nèi)容的傳輸與分發(fā)，使得具有相同多媒體資源需求的用戶可以以較小的代價(jià)獲得高質(zhì)量的服務(wù)，提高資源的利用率，降低多媒體云服務(wù)提供商的服務(wù)器壓力和網(wǎng)絡(luò)負(fù)載，同時(shí)降低用戶獲取多媒體資源的成本。然而，由于非服務(wù)性用戶從服務(wù)性用戶處獲取多媒體資源時(shí)，非服務(wù)性用戶對(duì)服務(wù)性用戶的選擇是一個(gè)多對(duì)多的過程，如果不能平衡服務(wù)性用戶與非服務(wù)性用戶間的帶寬分配，不僅會(huì)造成網(wǎng)絡(luò)資源的浪費(fèi)，增加用戶的時(shí)間成本，而且不能發(fā)揮多媒體云的社交網(wǎng)絡(luò)中資源的協(xié)作分發(fā)策略的優(yōu)越性。而本發(fā)明提出基于演化博弈論的帶寬分配優(yōu)化方法正好解決這些問題。