移动自组网中基于增广拉格朗日的资源协商机制的制作方法
【专利摘要】本发明涉及一种移动自组网中基于增广拉格朗日的资源协商机制，包括：对多用户与网络构成的系统优化和均衡架构的泛在业务进行分解，生成多个原子业务；定义多种类型的代理，建立资源定价模型，对资源定价模型进行求解；通过增广拉格朗日的资源协商机制对资源市场中的信息交互进行描述。本发明一方面能够综合考虑用户和网络的效益，在有限的资源约束下尽可能保证业务质量同时使整个网络获得尽量多的收益；另一方面，能够均衡竞争环境下的多用户效益，不会造成某些用户效益的提高是以其他用户效益的下降为代价，基于增广拉格朗日的协商机制通过多轮迭代过程，不断调整买方竞价和卖方出价，最终在资源市场的调控下完成资源的最佳配置。
【专利说明】移动自组网中基于增广拉格朗日的资源协商机制
【技术领域】
[0001]本发明涉及通信领域，尤其涉及一种移动自组网中基于增广拉格朗日的资源协商机制。
【背景技术】
[0002]随着泛在计算的快速发展，移动终端已被集成到泛在环境中来为复杂的泛在业务提供更加丰富的资源。在过去的几十年中，移动设备的纳入备受关注，众多研究者一直探索其在现代医疗、移动电子商务等领域的广泛应用前景。然而，将移动终端集成到传统网络中并不是一个简单的问题，它可能会带来很多挑战，尤其是对移动自组网(Mobile Ad hocNetworks, MANETs)而言。
[0003]在无线自组网中，每个用户的请求都被当作是一个分布式的泛在业务，这样的泛在业务往往可以分解为许多相对独立、功能简单的原子业务。分布式的泛在业务需要多种异构终端协同完成。然而，移动设备具有一些固有特性，电池寿命有限，处理能力低，存储空间有限。这些特性给多个用户同时请求时的移动自组网的资源管理造成了极大的困难。由于网络资源可以被用户共享和协调来满足不同用户在特定时间的业务需求，因此如何合理有效地处理多用户竞争环境中的资源分配冲突问题是至关重要的。
[0004]为了解现有技术的发展状况，对现有的论文以及专利进行了检索、比较与分析，筛选出如下与本发明相关度较闻的技术信息:
[0005]专利1:专利号为201010573679.5的专利《一种基于历史角色的信任协商构建方法及系统》，公开了一种基于历史角色的信任协商构建方法；专利2:专利号为201110110129.4的专利《一种资源导向服务组合选择方法》，公开了一种资源导向服务组合选择方法；专利3:专利号为201210387470.9的专利《泛在无线网络下基于协同优化的多域资源分配方法》，涉及泛在无线网络下基于协同优化的多域资源分配问题，通过泛在无线网络协同优化机制的运行实现资源的均衡分配；专利4:专利号为201310162241.1的专利《一种基于重复博弈的融合泛在网多终端协同信任机制》，涉及融合泛在网多终端协同【技术领域】，公开了一种基于重复博弈的融合泛在网多终端协同信任机制。
[0006]上述专利分别使用不同的方法和流程解决了泛在网络环境中的资源分配问题。专利I采用自动信任协商，能有效控制与约束用户跨域资源访问行为，在双方再次进行协商时，只要历史信息库中记录的角色有权访问被请求的资源，则无需再次进行协商，但是该协商策略没有考虑多用户竞争的场景；专利2能够统筹考虑网络、计算资源等一些底层资源的实际状况，与服务节点和服务过程进行合理的协商，提高服务效用值，但是该方案只考虑QoS指标，没有从经济学的角度出发对资源进行定价；专利3以泛在无线网络社会福利最大化为目标，考虑泛在无线网络的复杂性、混沌性和协同性，对网络进行优化，但是在每个调度帧中用户的数目都是一定的，灵活性较差；专利4通过一种基于重复博弈的融合泛在网多终端协同信任机制，从根本上解决自私节点之间的协同问题，但该机制中定义的支付函数较为简单，不能很好地描述节点的效用。
【发明内容】
[0007]本发明所要解决的技术问题是提供一种MANET下能够平衡网络和用户效益的资源协商机制，有效解决竞争条件下网络资源分配冲突的关键问题。
[0008]为此目的，本发明提出了一种移动自组网中基于增广拉格朗日的资源协商机制，包括具体以下步骤:
[0009]S1:对多用户与网络构成的系统优化和均衡架构的泛在业务进行分解，生成多个原子业务；
[0010]S2:定义多种类型的代理,建立资源定价模型(Resource Pricing Model,RPM),其中，所述多种类型的代理包括:买方代理(Buyer Agent, BA)和卖方代理(Seller Agent,SA)；
[0011]S3:对所述资源定价模型进行求解；
[0012]S4:通过增广拉格朗日的资源协商机制对资源市场中的信息交互进行描述。
[0013]具体地，所述买方代理为从网络购买资源的一个原子业务；所述卖方代理为出售空闲能量资源获取收益的终端设备。
[0014]具体地，所述终端设备包括移动终端和/或固定终端。
[0015]具体地，所述资源定价模型包括买方代理模型和卖方代理模型。
[0016]进一步地，所述步骤S2进一步包括:买方代理模型的建立，包括具体以下步骤:
[0017]S21:定义所述买方代理模型的多个参数，其中，所述多个参数包括:所述买方代理id(Agentld),用来标识BA,符号表示为i (i = 1，…，N),其中，每个BA由一个7元组〈Agentld, Posit1n, Budget, Deadline, ResourceReq, Payment, Utility)表不；所述买方代理代表的用户的二维坐标，Posit1n ;所述买方代理为支付请求能量资源的最大预算，Budget,符号表示为B1.;所述买方代理完成相应所述原子业务的最大截止时间，Deadline,符号表示为T1.所述买方代理向所有所述卖方代理请求的能量资源向量，ResourceReq,符号表示为Ri = (Rij I j = I, *..,Μ};所述买方代理为请求的能量资源向所有所述卖方代理的支付向量，Payment,符号表示为BPi = (BPij | j = 1，...，Μ};每个所述买方代理都有一个效益函数Ui, Utility，用作评估所述买方代理收益的评分函数，所述买方代理根据自身的效益函数值来调整支付向量；
[0018]S22:通过所述买方代理的效益函数进行计算，公式如下:
【权利要求】
1.一种移动自组网中基于增广拉格朗日的资源协商机制，其特征在于，包括具体以下步骤: S1:对多用户与网络构成的系统优化和均衡架构的泛在业务进行分解，生成多个原子业务； 52:定义多种类型的代理,建立资源定价模型(Resource Pricing Model, RPM),其中，所述多种类型的代理包括:买方代理(Buyer Agent, BA)和卖方代理(Seller Agent, SA)； 53:对所述资源定价模型进行求解； 54:通过增广拉格朗日的资源协商机制对资源市场中的信息交互进行描述。
2.如权利要求1所述的机制，其特征在于，所述买方代理为从网络购买资源的一个原子业务；所述卖方代理为出售空闲能量资源获取收益的终端设备。
3.如权利要求2所述的机制，其特征在于，所述终端设备包括移动终端和/或固定终端。
4.如权利要求1所述的机制，其特征在于，所述资源定价模型包括买方代理模型和卖方代理模型。
5.如权利要求1或4所述的机制，其特征在于，所述步骤S2进一步包括:买方代理模型的建立，包括具体以下步骤: 521:定义所述买方代理模型的多个参数，其中，所述多个参数包括:所述买方代理id (AgentId)，用来标识BA，符号表示为i (i = I,…，N)，其中，每个BA由一个7元组〈Agentld, Posit1n, Budget, Deadline, ResourceReq, Payment, Utility)表不；所述买方代理代表的用户的二维坐标，Posit1n ;所述买方代理为支付请求能量资源的最大预算，Budget,符号表不为B1.;所述买方代理完成相应所述原子业务的最大截止时间，Deadline,符号表示为T1.所述买方代理向所有所述卖方代理请求的能量资源向量，ResourceReq,符号表示为Ri = (RijI j = I, *..,Μ};所述买方代理为请求的能量资源向所有所述卖方代理的支付向量，Payment,符号表示为BPi = (BPij | j = 1，...，Μ};每个所述买方代理都有一个效益函数Ui, Utility，用作评估所述买方代理收益的评分函数，所述买方代理根据自身的效益函数值来调整支付向量； s22:通过所述买方代理的效益函数进行计算，公式如下:
其中，K1为响应延迟的权重，K2为业务距离的权重，Dij为买方代理i和卖方代理j之间的二维距离,K1和K2分别代表响应延迟和业务距离这两项指标在买方代理效益中相对花费的重要程度； s23:建立所述买方代理优化子问题模型，所述买方代理优化子问题模型如下:
其中，每个所述买方代理的目标为在预算和截止时间约束的条件下最大化自身的效益函数。
6.如权利要求1或4所述的机制，其特征在于，所述步骤S2还包括:卖方代理模型的建立，包括具体以下步骤: S21’:定义所述卖方代理模型的多个参数，其中，所述多个参数包括:卖方代理id (AgentId),用来惟一地标识SA，符号表示为j (j = I,...，Μ)，其中，每个SA由一个6元组〈Agentld, Posit1n, Capacity, ResourceAlloc, UnitCharge, Utility)表不；所述卖方代理代表的移动设备的二维坐标，Posit1n ;所述卖方代理能够出售的空闲能量资源最大容量，Capacity，符号表示为& ;所述卖方代理分配给所有所述买方代理的能量资源单位分配向量，ResourceAlloc,符号表示为Vj = IVijIi = I,..., N};所述卖方代理出售能量资源的单位价格，UnitCharge，符号表示为SPj.;每个所述卖方代理都有一个效益函数Uj,Utility，用来计算所述卖方代理通过出售能量资源所获得的效益，所述卖方代理根据收入来决定自身的资源分配向量； S22’:通过所述卖方代理效益函数进行计算，公式如下:
S23’:建立所述卖方代理优化子问题模型，所述卖方代理优化子问题模型如下:
其中，每个所述卖方代理的目标为在能量资源容量的约束下最大化自身的效益函数。
7.如权利要求4所述的机制，其特征在于，所述买方代理模型与卖方代理模型通过价格变量SPj进行交互，其中SPj为所述卖方代理索要的单位能量资源价格。
8.如权利要求1所述的机制，其特征在于，所述步骤S3进一步包括:买方代理模型求解，包括具体以下步骤: s31:将Ui对变量BPu进行一次、二次求导，得到公式(5)、(6):
S32:引入松弛变量yi和y2，将所述公式(2)变换为公式(7)所示的最小化优化问题；
s33:通过GLM技术，将所述公式(7)按照拉格朗日形式表示如公式(8)所示:
其中，gamma和Xm(m = 1，2)为增广拉格朗日乘子； S34:通过配方法对所述公式(8)进行变换，得到结果如公式(9)所示:
S35:综合两种情况，当^?-入111≥0时,父=(7反》-4)々；当Ygm(x)-Xm<0时，Y, = O，对变量 ym,进行 L(BPi)的最小值计算，V1n = mm.'Argj.v)-A,J/y，m = 1，2 ; S36:消去变量7_?.对L (BPi)进行重新定义，所述公式(2)变换成如公式(10)所示的易于求解的无约束问题:
9.如权利要求1所述的机制，其特征在于，所述步骤S3还包括:卖方代理模型求解，包括具体以下步骤: S31’:将所述公式(4)的最优解等同于如下公式:
S32’:执行第一预设算法求得所述买方代理j对所述买方代理i的最佳单位能量资源配置，记为
10.如权利要求1所述的机制，其特征在于，所述步骤S4进一步包括: 541:用户注册，登记请求的所述泛在业务的相关信息，其中，所述相关信息包括:业务类型和/或业务逻辑； 542:根据业务层协议(Service Layer Agreement, SLA)确定所有用户登记的所述泛在业务的优先级，并按优先级对所述泛在业务进行分批排序，其中，所述优先级相同的归为一批； 543:所述优先级最高的一批所述泛在业务向资源市场发出接入请求； 544:检查所述泛在业务的接入是否成功；若所述泛在业务与资源市场成功建立连接，则执行步骤S45 ；，否则用户的业务请求失败，返回所述步骤S41 ； S45:进入资源协商阶段，对成功接入的泛在业务建立所述买方代理模型，对网络建立所述卖方代理模型，在资源市场的协调下进行资源协商，协商过程通过第二预设算法实现； 546:若买卖双方成功达成协议，则指定步骤S47 ;否则协商失败，返回所述步骤S41 ； 547:对协商成功的所述泛在业务已分配好相应的能量资源，转为就绪状态等待执行； 548:查看是否还有未进行分批的所述泛在业务，若有则返回所述步骤S43 ;否则继续； 549:执行处于就绪状态的所述泛在业务。
【文档编号】H04W28/16GK104202777SQ201410472026
【公开日】2014年12月10日 申请日期:2014年9月16日 优先权日:2014年9月16日
【发明者】芮兰兰, 李文璟, 穆楠, 邱雪松, 郭少勇 申请人:北京邮电大学