本发明属于感知网络资源分配设计技术领域，具体涉及一种基于组合拍卖的以人为中心的感知网络的资源分配机制，主要用于构建单服务提供商与多用户灵活、动态的服务资源分配的资源分配市场，保证优质市场效益与负载，从而解决服务资源分配的灵活、动态、经济性问题。
背景技术：
近年来，随着感知网络的出现，例如移动群智感知应用和物联网应用，它们提供一个平台让人们分享想法，周边事件以及其他感知数据。这些收集来的数据可以用来分析产生提供给消费者的以人为中心的服务，并且感知网络技术可以给人们带来很多好处，比如说在医疗保健，银行，网络安全，商业，交通运输等等方面。深度学习是感知网络中的常用算法。具体来说，深度学习是一种多层次的代表性学习方式，其目的在于发现一个能够自动给出原始数据的正确表示的简单方法。然而，原始数据的收集和分析可能会对人造成与原始数据密切相关的隐私的威胁。而且服务质量越高，隐私级别越低，两者是呈现反比的关系。另外，拥有这些与隐私等级相关的服务，服务提供商可以分配这些服务(例如，网络服务和智能停车服务)给多个用户。随着传感技术的普及，将有越来越多的客户请求这些与隐私相关的服务。
所谓感知网络，感知网络的定义是由弗吉尼亚理工首先提出的:感知网络是指通信网络能够感知现存的网络环境，通过对所处环境的理解，实时调整通信网络的配置，智能地适应专业环境的变化。同时，它还具备从变化中学习的能力，且能把它们用到未来的决策中。在做所有决策的时候，网络都要把端对端目标(end-to-end goals)考虑进去。
拍卖，即使买卖双方按照一定的规则，参与拍卖后，购买/卖出商品(无线资源、物理设备)或服务的过程。从最早FCC的频谱拍卖，到现如今移动云资源拍卖，拍卖理论作为一个跨领域的经济学手段已经广泛引用到了无线资源管理当中。所谓组合拍卖即买方对其需求的资源数目和估值进行投标，通过计算定价密度确定获胜买卖者，使社会福利最大化。将拍卖引入感知网络的服务资源分配机制中，其核心问题是实现资源分配的灵活、高效，最大化社会福利是个NP难问题。
到目前为止，在已有的感知网络中的服务资源分配的文献中，仅仅只是考虑了两种资源模型，但这些模型并不符合现在的多个资源以及多个用户参与的商业市场。另一方面，现有模型很少考虑用户的具体业务需求。拍卖的手段被引入到感知网络中资源分配，大多只研究同种商品的拍卖情况，不符合用户多带宽，多计算能力的组合资源需求。
拍卖机制设计的另一个重要问题就是要保证整个机制的良好的经济性。目前来说很多机制个人理性和真实性没有考虑进去。真实性是指参与拍卖的用户不能通过谎报他们的真实估价来获取更高的利益。个人理性是指买方效益为正；因此考虑真实性和个人理性设计一个高效的拍卖机制，是学者们研究的难点之一。
技术实现要素：
发明目的：为了克服现有技术中存在的不足，本发明提供一种基于组合拍卖的以人为中心的感知网络的资源分配机制，主要用于构建单运营商与多用户之间的动态资源分配的虚拟资源分配市场，从而解决感知网络中资源分配的灵活动态经济性问题。通过引入拍卖机制，在满足多用户需求的前提下，实现最大化福利。
技术方案：为实现上述目的，本发明采用的技术方案为：
一种基于组合拍卖的以人为中心的感知网络的资源分配机制，包括以下步骤：
步骤1：用户提交隐式投标Bids给控制器，控制器收集用户投标；
步骤2：控制器收集投标信息，计算投标密度，并对其进行排序；
步骤3：根据投标密度，使用贪心算法进行比较，决定赢家；
步骤4：赢家决定后，控制器使用贪心分配策略分配资源，并采用VCG-like定价方案完成定价，计算社会福利，使得社会福利最大化。
进一步的，所述步骤1的具体方法为：假设有N个用户和1个控制器，控制器通过对原始数据的分析产生K种服务，并且每种服务根据隐私等级又被分成Q个等级的服务；每个用户在一次拍卖中提交一次Bid，投标设计为隐式的其中表示用户i对第j种服务的需求情况，体现在需要哪个等级的服务j，vi表示对商品的估值，且其中表示是否被用户i请求，1代表被请求，0则反之。
进一步的，所述步骤2中，控制器根据用户所给的Bids对投标密度进行计算，具体方法为：
2.1计算用户的投标size，其计算公式为：
其中Mjt表示服务j的第t种等级的服务的内存，ssi表示第i个用户的投标尺寸大小，K为服务种类，Q为服务等级；
2.2计算用户的投标密度，构成密度集合bd_user，其计算公式为：
其中，vi表示对商品的估值。
2.3对用户的投标密度集合进行排序。
进一步的，所述步骤2.3中，对用户的投标密度集合按降序进行排序。
进一步的，所述步骤3的具体方法为：按序从第一个用户家开始，控制器使用贪心算法进行比较，要满足的条件是：
a)需求的内存容量小于总的内存容量；
b)需求的计算能力小于运营商的计算能力；
c)需求的网络带宽小于总的网络带宽；
若满足上述条件，则该对应的用户获胜，设置xi为1；若仍不满足上述条件，则判为输家，结束后继续下一个买家，重复此过程直到最后一个买家，最后产生获胜方的集合；所述xi是决策变量，决定用户i是否在这次拍卖中获得胜利。
进一步的，所述步骤4中，采用VCG-like定价方案完成定价，计算社会福利，具体过程如下：对拍卖获胜的用户，采用VCG-like定价方案，若此用户不参与拍卖，重新分配后选择从输变赢的用户i的最大投标密度，计算得到VCG价格；通过比较基础要价和VCG价格较大值，得出最终成交价格，其计算公式为：
其中，表示用户i的基础价格，bi表示用户i竞价，表示用户i的VCG计算出的价格，vk表示用户k的估值，ssk表示用户k的竞标资源的“大小”，ssi表示用户i的竞标资源的“大小”。
进一步的，所述步骤4中，最大化社会福利的算法为：对匹配的投标，叠加计算买方效用之和，遍历所有排序投标集合后，得出最大社会福利，表达公式如下：
其中，vi表示对商品的估值，xi表示买家是否为赢家，如果是则其值为1，不是则为0。
有益效果：本发明提供的基于组合拍卖的以人为中心的感知网络的资源分配机制，与现有技术相比，具有以下优势：
1)构建单运营商多用户的组合拍卖模型，提高市场效益；
2)投标语言设计；
3)高效的分配机制和定价方案；
4)保障良好的经济性：个人福利，真实性，预算均衡。
附图说明
图1为本发明提出的系统结构图；
图2为拍卖机制流程图。
具体实施方式
本发明公开了一种在以人为中心的感知网络下，云服务提供商作为商业主体参与市场竞争，单个运营商多个用户的组合拍卖资源分配机制，以最大化社会福利和市场效益。本机制中的资源是运营商通过分析原始数据产生的与隐私等级密切相关的服务，我们将不同功能的服务按隐私等级分类，分成不同的等级，以供用户选择合适功能合适等级的服务。不同于目前市场仅仅考虑将两种不同功能服务进行组合，本发明考虑多种功能多种等级层次的服务，更符合市场发展的要求，构建单运营商多用户的组合拍卖机制，更加灵活高效的进行资源的分配。通过VCG-like定价方案和具有竞争性的拍卖模型来进行动态分配，实现分配的高效性。
本发明的基于组合拍卖的以人为中心的感知网络的资源分配机制，将云服务提供商作为商业主体(拍卖卖家)参与市场竞争，多个用户(拍卖买家)通过拍卖购买网络服务资源，具有如下优势特征：
1)考虑多个用户、单个卖家间动态的组合商品拍卖，提高市场效益；
2)用户提交隐式投标给拍卖师，控制器(拍卖师)收集用户投标；
3)使用投标密度体现买方的投标价值；使用贪心分配策略和VCG-like定价方案尽可能的最大化社会福利；
4)保障了良好的经济性：个人理性、真实性
本发明考虑多个用户、单个运营商间动态的组合商品拍卖，本发明不同于目前市面上将虚拟运营商只作为旗下用户需求资源的集合体，而是作为一个独立的商业实体，与底层用户进行交易；通过拍卖的手段，用户和运营商可灵活选择交易对象，保证自己利益的同时，将吸引更多参与者加入资源竞争，构建良好贸易体系。其拍卖体系构成如下：
1)云服务提供商出售不同功能的服务，每种服务又按隐私等级分为不同的等级；
2)不同用户需求不同速率的网络服务以及不同功能的服务，且各自有自己的估值；
3)拍卖师收集投标信息，处理后进行定价；
4)每个参与者只能提交一个投标；用户在一轮拍卖中只能赢或者输；
6)拍卖机制核心问题是最大化社会福利。其供述如下：
本发明的用户提交隐式投标给拍卖师，云服务器(拍卖师)收集用户投标：由于现实生活中用户只确定自己需要的隐私等级的服务与价格。因此本发明在用户投标信息上，选择隐式投标：表明自己需求的服务以及对其出价。其表达式如下：
本发明使用投标密度体现买方的投标价值；使用贪心分配策略和VCG-like定价方案尽可能的最大化社会福利，其步骤如下：
步骤1：对每个用户，计算处理后的投标组合的size：
步骤2：完成步骤1后，计算买方投标组合密度，并构成集合：
步骤3：完成步骤2后，对买方投标密度集合按降序进行排序；
步骤4：对排序后的集合，按序从第一个买家开始比较：
a.需求的内存容量小于总的内存容量；
b.需求的计算能力小于运营商的计算能力；
c.需求的网络带宽小于总的网络带宽。
若满足上述条件，则该对应得买方获胜，设置xi为1；若仍不满足上述条件，则判为输家，结束后继续下一个买家，重复此过程直到最后一个买家，最后产生获胜方的集合。
步骤5：对拍卖获胜买家，采用VCG-like定价方案，若此用户不参与拍卖，重新分配后选择从输变赢的用户i的最大投标密度，计算的到VCG价格；通过比较基础要价和VCG价格较大值，得出最终成交价格，其公式如下：
步骤6：对匹配的投标，叠加计算买方效用之和，遍历所有排序投标集合后，得出最大社会福利；
步骤7：完成上述步骤后，卖家分配相应资源给用户，等待下一轮拍卖开始。
下面结合附图和实施例对本发明作更进一步的说明。
实施范例
为解决上述的考虑个人理性和真实性的问题，整个机制设计流程图如图1、2所示，核心分为以下四个步骤：
步骤1：买方根据自身需求，给出所需商品与其估值，提交给拍卖师；
步骤2：拍卖师收集投标信息，计算投标密度；
步骤3：根据投标密度，决定赢家；
步骤4：赢家决定后，拍卖师分配资源，完成定价，计算社会福利。
其中，每一个步骤的详细描述如下：
步骤1：假设有N个用户(买家)和1个运营商(控制器，卖家，拍卖师)，假设运营商通过对原始数据的分析产生K种服务，并且每种服务根据隐私等级又被分成Q个等级的服务。每个用户在一次拍卖中提交一次Bid，投标设计为隐式的其中表示用户i对第j种服务的需求情况，体现在需要哪个等级的服务j，vi表示对商品的估值。其中可以被表示为其中表示有没有被用户i请求，1代表被请求，0则反之。这里的表示用户i的请求服务中的第j种服务的t等级的服务。买家将其Bid提交给拍卖师；
步骤2：完成步骤1后，拍卖师根据所给的Bids对投标密度进行计算，计算步骤如下：1.计算买家的投标size，其计算公式为：
其中Mjt表示服务j的第t种等级的服务的内存为Mjt，ssi表示第i个用户的投标尺寸大小；
2.计算买家的投标密度，构成密度集合bd_user其计算公式为：
3.对买方投标密度集合按降序进行排序；
步骤3：开始对排序后的集合，按序从第一个买家开始，开始使用贪心算法进行比较，要满足的条件是：
d)需求的内存容量小于总的内存容量；
e)需求的计算能力小于运营商的计算能力
f)需求的网络带宽小于总的网络带宽
若满足上述条件，则该对应得买方获胜,设置xi为1；若仍不满足上述条件，则判为输家，结束后继续下一个买家，重复此过程直到最后一个买家，最后产生获胜方的集合。
步骤4：在获胜者决定之后拍卖师分配资源，完成定价，计算社会福利。其过程如下：
采用VCG-like定价方案。VCG定价方案早在组合拍卖和双边拍卖中，已被用来实现分配机制的真实性和个人理性。在组合双边拍卖中，不能直接用来使用，通过使用VCG-like定价方案：若此用户不参与拍卖，重新分配后选择从“输”变“赢”的用户i的最大投标密度，计算的到VCG价格。比较基础要价和VCG价格较大值，得出最终成交价格。这样的定价方案保证了：
VCG价格不大于该用户的估值，采用基础价格和VCG二者的最大值，保证了买方效益为正，实现个人理性；
在本发明中，用户的报价均为自己的估值，任何买家都不能通过谎报他们对于要出售或者购买的资源的真实估价来获取更高的利益，也就是说真实报价是他们参与这场拍卖的最优策略。
计算公式如下：
该机制保障了良好经济特性：个人理性、真实性，具体为：
1)个人理性：在定价方案中采用VCG-like方案，VCG价格小于该用户的估值，在卖家要价和VCG价格中选择最大的作为最终交易价格，买方效益为正，保证了买家的个人理性；
2)真实性：整个机制的真实性体现在任何买家都不能通过谎报他们对于要购买的资源的真实估价来获取更高的利益，也就是说真实报价是他们参与这场拍卖的最优策略。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。