一种基于大数据的多属性数据资源交易方法
【技术领域】
[0001] 本发明涉及一种基于大数据的多属性数据资源交易方法。
【背景技术】
[0002] 进入二十一世纪以来，全球化的竞争要求企业之间越来越多的协同，网格和云计 算模式为企业之间进行资源共享和业务协作提供了支持。制造企业专业化、服务化的分工 与协作，要求企业必须不断获得并将其核心资源集中到专长领域，通过提供高效的制造服 务来确立自己的独特定位与价值，提升其专业化与服务化水平，同时，用户以获取服务的 方式按需利用其他企业的能力，按照需求驱动、用户主导、按需服务、即用即付、用完即散 的原则，实现资源的动态、广泛的聚集与协调、综合应用。服务计算、云计算、物联网等新兴 信息技术的快速发展为探索云制造服务模式，解决我国制造业发展中面临的种种问题和 困难提供了新思路。
[0003] 在市场经济环境下，供需双方必须基于市场化机制，提供面向制造企业的主动、 敏捷、聚合的制造资源和制造能力服务，而参与市场活动的两个重要主体是服务提供者和 服务使用者，他们分别有自己的期望和策略来参与到云市场的服务交易当中来。在云市场 中，服务使用者希望用更低的代价来使用服务更好的解决他的问题、完成他的任务。而服 务提供者希望通过提供服务，在满足用户需求的情况下来获得最大可能的收益。因此，它 们之间的服务调用本质上是一个服务交易的过程。服务使用者和提供者之间存在着互相选 择的过程，服务提供者要决定他是否参与到服务交易中以及以何种收益提供何种服务，而 服务使用者也可以选择最能满足他的要求的服务提供者来进行服务交易。
[0004] 当前，服务交易的问题并没有得到很好的解决，由于服务计算是一个新兴领域， 而服务特征往往是由多个属性决定的，同时，网格和云计算又是一个开放式的动态环境， 导致服务的交易成为一个非常复杂的问题，传统的分布式计算及电子商务中资源交易模 型如定价交易、拍卖等市场机制并不能满足服务交易的需要。因此，如何在大数据服务市 场环境中建立有效的模型和机制来支持服务使用者和提供者之间进行服务交易，成了网 格制造和云制造中的一个重要问题。
【发明内容】
[0005] 针对上述问题，本发明提供一种基于大数据的多属性数据资源交易方法，实现大 数据交易过程中买卖双方的"双赢"，有益于大数据交易市场的良性发展。
[0006] 为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：
[0007] -种基于大数据的多属性数据资源交易方法，其特征在于，包括如下步骤：
[0008] 步骤1 :买方将自己的任务代理给买方Agent，卖方将自己的任务代理给卖方 Agent ；
[0009] 步骤2 :买方Agent根据需求提出对某一大数据资源的指标要求，多个卖方Agent 接收指标要求；
[0010] 步骤3:每个卖方Agent接收指标要求后提供相应数据，再根据效用函数计算出整 体响应值；
[0011] 步骤4 :买方Agent按照整体响应值由高到低的排序顺次与卖方Agent通过中间 Agent自动协商，直至协商成功；
[0012] 步骤5 :协商成功后，则根据协商产生的协议建立服务合约，卖方按照服务合约将 服务交给买方，买方按照服务合约中的价格进行支付，完成交易。
[0013] 优选，中间Agent采用同步谈判协议，协商双方进行多轮协商，在每一轮协商中， 双方都基于单调让步规则来同步地给出提议。
[0014] 优选，将双边协商的对象的η个属性表不为属性向量（A1, ...，An)，其中，属性向量 (A1^1An)的每一个元素A i均有取值范围[Ai. - A^aJ，应用效用函数来计算用户在某个 提议J = ("?，.…上的整体响应值的具体步骤如下：
[0015] Α)比例化各个属性维度上的值A1，使得比例化后的值^与它们的表示单位和取 值范围无关：
[0016] 对于正属性A1比例化采用以下方程：
[0017]
[0018] 对于负属性A1比例化采用以下方程：
[0019]
[0020] Β)计算用户在提议? = (%，《0:上的整体响应值"(厂小
[0021]
[0022] 式中，（a。. . .，an)表示一组属性值向量，Ai^in表示元素A ;的最小值，A 表示元 素A1的最大值，c u为属性之间的关联度，w i为每一维属性A i的权重，且
[0023] 本发明的有益效果是：使用本发明的基于大数据的多属性资源交易方法，通过对 大数据属性值及其对应的响应值排序，避免了买家与某一卖家签订协议后发现更优卖家的 情况，避免了支付解约罚金。优化最终通过协商建立的服务协议，实现大数据交易过程中买 卖双方的"双赢"，有益于大数据交易市场的良性发展。
【附图说明】
[0024] 图1是本发明一种基于大数据的多属性数据资源交易方法的示意图。
【具体实施方式】
[0025] 下面结合附图和具体的实施例对本发明技术方案作进一步的详细描述，以使本领 域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限 定。
[0026] -种基于大数据的多属性数据资源交易方法，如图1所示，包括如下步骤：
[0027] 步骤1 :交易参与者将自己的任务代理给Agent (Agent指代理软件），即买方将自 己的任务代理给买方Agent，卖方将自己的任务代理给卖方Agent ;
[0028] 步骤2:买方Agent根据需求提出对某一大数据资源的指标要求，如精度、范围、时 间跨度等，多个卖方Agent接收指标要求；
[0029] 步骤3:每个卖方Agent接收指标要求后提供相应数据，再根据效用函数计算出整 体响应值；
[0030] 步骤4:交易服务根据响应值的高低进行排序，买方Agent按照整体响应值由高到 低的排序顺次与卖方Agent通过中间Agent自动协商，直至协商成功；即：买方Agent首先 与响应值最高的卖方Agent通过中间Agent自动协商，如协商成功，则根据协商产生的协议 建立服务合约；若协商失败，则买方Agent再与响应值次高的卖方Agent通过中间Agent进 行自动协商。以此类推，直至最终协商成功完成交易。
[0031] 步骤5 :协商成功后，则根据协商产生的协议建立服务合约，卖方按照服务合约将 服务交给买方，买方按照服务合约中的价格进行支付，完成交易。
[0032] 其中，对于不同的指标要求，卖家可能具有不同的满意度。为了量化这种偏好和 满意度，采用响应值来表达用户对于某一特定的提议的满意度，也即他从该提议中可以获 得的收益。权重和响应值一般表示成[0，1]之间的实数。而效用函数则用来计算用户在各 个提议上的响应值。而服务交易问题中，一个服务的属性往往是多维的，如精度、范围、时 间跨度等，因此，需要一个基于多属性的效用函数来计算用户对于一个服务的满意度。而 在进行一个多属性的对象的交易时，对于进行协商的不同属性，用户也可能有不同的关注 度，即对不同的属性有不同的偏好。因此，在多属性协商问题中，采用权重来表示用户对 于各个属性的偏好。对于一个协商对象，一个属性可以分为正属性和负属性两类。正属性