无线网络虚拟化中的资源分配方法
阅读：1032发布：2020-08-06
专利汇可以提供无线网络虚拟化中的资源分配方法专利检索，专利查询，专利分析的服务。并且本 发明 请求 保护一种无线网络虚拟化中的资源分配方法，本发明利用买卖模型来解决SPs与MUEs之间的博弈问题。然后SP根据上述所期望的功率与自己初始分配到的功率，向NO提出自己的效用函数，然后NO通过构建拍卖模型对SPs之间的功率进行再分配。我们证明出在买卖模型中，存在斯坦博格平衡。在拍卖模型中我们利用麦克菲机制来进行，SPs向NO提供自己真实的效用函数，然后NO再进行SP之间的资源再分配。本发明使物理资源得到充分的利用、 基础 设施的资源利用率得到提高。，下面是无线网络虚拟化中的资源分配方法专利的具体信息内容。
1.一种无线网络虚拟化中的资源分配方法，其中无线网络在虚拟化环境下时，多个不同虚拟接入点共存在同一个物理接入点AP上，为各自的用户MUE提供服务，网络服务提供商SP负责授权用户的接入，其特征在于，包括以下步骤：
101、在单一的物理接入点AP下，有若干网络服务提供商SP共享一个单一物理接入点AP，根据虚拟网络映射结果，初始分配给共存于其上的每个网络服务提供商SP初始功率资源，当网络服务提供商SP下行子载波功率超过初始分配功率资源时定义为超负载，反之，定义为轻负载；
102、建立买卖的博弈模型，计算出共存在同一个物理接入点AP上的网络服务提供商SP与其对应的授权用户MUEs之间的效用函数，然后计算出买方用户MUE最佳的子载波下行传输功率需求和卖方SP最佳的单位子载波下行传输功率的价格；
103、通过步骤102计算出的买方用户MUE最佳的子载波下行传输功率需求和卖方SP最佳的单位子载波下行传输功率的价格，判断出轻负载的网络服务提供商SPⅠ，超负载的网络服务提供商SPⅡ，再建立拍卖博弈模型来进行功率资源的再分配，即超负载和轻负载的SPs作为拍卖的双方，轻负载的SPs可以提供功率，并报出自己的单位子载波下行功率的成本；超负载的SPs需要购买功率，也报出自己的单位买价，再利用麦考非McAfee机制让NO得到双方可靠地效用函数，从而在拍卖中进行有效的资源分配。
2.根据权利要求1所述的一种无线网络虚拟化中的资源分配方法，其特征在于：步骤
102中下行传输功率的具体步骤为：定义第i个SP为Si，其下第j个用户用Mij表示，有n个SPs和m个用户，Si下有mi个用户，那么 根据传输距离的大小，Mij向Si请求子载波下行功率，假设信道是高斯白噪声信道，那么Mij获得的传输速率如下：
这里W是带宽，单位是Hz， 是Si向Mij发送的子载波下行功率， 是Si到Mij的信
2
道增益， 是Si到Mij的传输距离， 表示阴影衰落系数，k是衰落因子，σ是高斯白噪声功率。
3.根据权利要求1所述的一种无线网络虚拟化中的资源分配方法，其特征在于：步骤
103中拍卖博弈模型 具体为： 向NO提供自己剩余的功率资源 和单位传输功率的成本 向NO提供所需功率资源 和购买单位传输功率的报价 的计算如
下：
上式中 表示Si初始分配到的功率；
根据 和 的值，NO将构建一组拍卖双方模型，买方 是对功率有需求即超负载的SPs，其需求的功率为 和单位功率的买价 卖方 是轻负载的SPs，其剩余的功率 和单位功率的成本 定义So,Sl,Ao,Cl,Po,Pl如下：
NO就会让 最高的 和 最低的 优先成交，如果 那么 和 的成交
价即为 否则 和 不能进行成交，且成交价pij＝0，当所有 都得到所需的功率或者是 剩余的功率全部卖出，还有当 时，拍卖博弈结束。
无线网络虚拟化中的资源分配方法
技术领域
[0001] 本发明是对无线网络虚拟化中的资源分配算法的研究，属于网络虚拟化技术领域，特别是涉及到多个网络服务提供商共享一个基础设施，并在网络操作者的控制下，进行网络资源的分配和通过拍卖机制进行网络服务提供商之间的网络资源再分配的研究。
背景技术
[0002] 随着信息通信技术的快速发展，人们对互联网的要求越来越高。目前的互联网逐渐出现很多弊端，阻碍了向下一代网络的蜕变。而网络虚拟化不仅解决了Internet的“僵化”问题和网络架构方面的争议，同时也提供了未来网络的实验性平台和技术支持。
[0003] 传统的无线网络架构是多个网络服务提供商在同一个区域设置自己的网络接入点，每个网络服务提供商仅允许自己授权的用户接入通信。这样就会导致有的网络轻负载，有的网络重负载，网络服务提供商之间不能共享自己的网络资源，这样就导致了资源利用率很低，造成网络资源的浪费。很多公司(像阿里巴巴，腾讯等)通过中国政府申请到自己的虚拟运营商的牌照(参考文献：http://www.sootoo.com/content/498658.shtml.)。因此，网络资源需要从传统的网络中“脱离”出来进行共享，换句话说，将有多个网络服务提供商(SP)共存于一个单独的物理网络接入点上，进行网络资源的共享。无线网络虚拟化就是将网络资源的管理和网络服务相分离，一个物理设施服务提供商(InP)只需要在同一个区域部署一个接入点，这个接入点被网络操作者(NO)所控制，并且多个SP共存于该接入点，SP在InP上部署和管理虚拟网络，为终端用户(MUE)提供网络服务。
[0004] 实际上，一个共享的无线网络是由一个或者多个物理设施服务提供商构建的，物理设施服务提供商根据每个服务提供商各自的投资，初始分配给它们一定的网络资源。比如，成立于2014年的中国通信设施服务股份有限公司(参考文献:http://baike.baidu.com/view/14180739.htm.)就是一个典型的物理设施提供商为三大运营商中国移动、中国联通和中国电信提供无线网络资源的共享。三大运营商各自持有40.0％、30.1％和29.9％的股权。网络资源的共享能够减少基础设施的重建和维护的成本，但是，如何进行合理、高效、公平的网络资源分配一直是亟待解决的重要问题。
[0005] 最近，无线网络虚拟化作为可选择的网络体系结构出现在人们的视野中，无线网络虚拟化能够提供各种QoS保证和网络资源的分配(参考文献：Xin Wang,P.Krishnamurthy,and D.Tipper,Wireless network virtualization[C].International Conference on Computing,Networking and Communications(ICNC),2013,818-822)。为了保证无线网络虚拟化环境下的网络资源利用率，J.Belt，在(参考文献：Jonathan van de Belt,H.Ahmadi,and Linda E.Doyle,A Dynamic Embedding Algorithm th
for Wireless Network Virtualization[C].IEEE 78 Vehicular Technology Conference(VTC2014),2013)中设计了一个动态的嵌入式贪婪算法来进行物理资源的分配。在(参考文献：Mao Yang,Yong Li,Lieguang Zeng,Depeng Jin,and Li Su，Karnaughmap Like Online Embedding Algorithm of Wireless Virtualization[C],in Proceedings of the 15th International Symposium on Wireless Personal Multimedia Communication(WPMC),pp.594-598,Sept 2012.)为了有效的分配无线资源，M.Yang提出了一种卡诺图式的在线嵌入式算法。X.Lv在(参考文献：Xia Lv,Ao Xiong,Shunli Zhang,and Xue song Qiu,VCG-based Bandwidth Allocation Scheme for Network Virtualization[C],in Proceedings of 2012 IEEE Symposium on Computer and Communications(ISCC),pp.744-749,July 2012.)中提出基于VCG(Vickrey-Clarke-Grove)机制的资源分配机制，该机制通过抑制SP自私性，达到最大化SP的总收益。之后又设计了Q学习竞价选择算法，使得SP获得最优的竞价策略。在(参考文献：Donggyu Yun,Jungseul Ok,Bongjhin Shin,Soobum Park,and Yung Yi,Embedding of virtual network requests over static wireless multihop networks[J],Computer Networks,vol.57,pp.1139-1152,April2013)中D.Yun在无线多跳网络中提出了一种新的嵌入式算法，有效的利用物理层资源(例如CPU和带宽)。
for Wireless Network Virtualization[C].IEEE 78 Vehicular Technology Conference(VTC2014),2013)中设计了一个动态的嵌入式贪婪算法来进行物理资源的分配。在(参考文献：Mao Yang,Yong Li,Lieguang Zeng,Depeng Jin,and Li Su，Karnaughmap Like Online Embedding Algorithm of Wireless Virtualization[C],in Proceedings of the 15th International Symposium on Wireless Personal Multimedia Communication(WPMC),pp.594-598,Sept 2012.)为了有效的分配无线资源，M.Yang提出了一种卡诺图式的在线嵌入式算法。X.Lv在(参考文献：Xia Lv,Ao Xiong,Shunli Zhang,and Xue song Qiu,VCG-based Bandwidth Allocation Scheme for Network Virtualization[C],in Proceedings of 2012 IEEE Symposium on Computer and Communications(ISCC),pp.744-749,July 2012.)中提出基于VCG(Vickrey-Clarke-Grove)机制的资源分配机制，该机制通过抑制SP自私性，达到最大化SP的总收益。之后又设计了Q学习竞价选择算法，使得SP获得最优的竞价策略。在(参考文献：Donggyu Yun,Jungseul Ok,Bongjhin Shin,Soobum Park,and Yung Yi,Embedding of virtual network requests over static wireless multihop networks[J],Computer Networks,vol.57,pp.1139-1152,April2013)中D.Yun在无线多跳网络中提出了一种新的嵌入式算法，有效的利用物理层资源(例如CPU和带宽)。
[0006] 目前，关于无线网络虚拟化中的资源分配算法研究大部分集中在带宽和CPU的分配，而对于功率资源分配还没有进行研究。主要是因为功率资源不能在物理设施(比如，接入点AP)之间进行共享。但是，在无线网络虚拟化的环境下，功率可以在同一个物理设备上的不同SPs之间进行分配。这些SPs之间就能共享这个物理设备的功率资源。NO在无线网络虚拟化的环境中负责进行动态的资源分配。所以在无线网络虚拟化中，如何在一个单一的物理设备中进行功率的分配是我们所关注的。
[0007] SP和MUE都是自私的，MUE想从SP获得更高的传输速率，而SP为了自身的利益，在满足QoS的前提下，会向NO提出更多的功率需求，然而在功率限制，高效公平的条件下，NO应该充分考虑所有SPs的功率需求，然后动态的分配功率资源。因此，如何一方面最大化满足MUEs的需求，另一方面又平衡SPs的收益，是要解决的主要问题。这样，博弈论就自然而然的成为解决问题的方法。博弈论可以提高资源利用率，同时考虑双方的受益和成本。博弈论被广泛用来研究无线网络的资源分配。在(参考文献：Beibei Wang,Zhu Han,and K.J.R.liu,Distributed Relay Selection and Power Control for Multiuser Cooperative Communication Networks Using Stackelberg Game[J],IEEE Transactions on Mobile Computing,vol.8,no.7,pp.975-990,July2009.)中，利用买卖博弈在协作通信中的中继节点上进行功率分配。在(参考文献：
S.Sengupta and M.Chatterjee,Designing Auction Mechanisms for Dynamic Spectrum Access[J],Mobile Networks and Applications,vol.13,no.5,pp.498-515,December 2008)中，利用拍卖的方法设计认知无线中频谱的分配。在(参考文献：F.Fu and U.C.Kozat,“Stochastic Game for Wireless Network Virtualization[J],IEEE/ACM Transactions on Networking,vol.21,no.1,pp.84-79,February 2013.)中，推测价格中的纳什均衡提高了无线网络虚拟化的分配效率。由于MUEs距离物理接入点远近不同，所以SP分配给每个MUE的下行功率也不同。那么SP与其MUE就要进行商议，MUE向SP请求多少功率合适，而SP又以多少单位功率价格卖给MUE才是最佳的，是我们要解决的问题。根据上面商量的结果和SP各自初始分配到的功率，SPs就有轻负载(实际传输的下行功率小于等于初始分配的功率)，超负载(实际传输的下行功率大于初始分配的功率)之分。为了最大化功率资源利用率，如何在轻负载和超负载的SP之间进行资源调度，也是我们要解决的问题。
S.Sengupta and M.Chatterjee,Designing Auction Mechanisms for Dynamic Spectrum Access[J],Mobile Networks and Applications,vol.13,no.5,pp.498-515,December 2008)中，利用拍卖的方法设计认知无线中频谱的分配。在(参考文献：F.Fu and U.C.Kozat,“Stochastic Game for Wireless Network Virtualization[J],IEEE/ACM Transactions on Networking,vol.21,no.1,pp.84-79,February 2013.)中，推测价格中的纳什均衡提高了无线网络虚拟化的分配效率。由于MUEs距离物理接入点远近不同，所以SP分配给每个MUE的下行功率也不同。那么SP与其MUE就要进行商议，MUE向SP请求多少功率合适，而SP又以多少单位功率价格卖给MUE才是最佳的，是我们要解决的问题。根据上面商量的结果和SP各自初始分配到的功率，SPs就有轻负载(实际传输的下行功率小于等于初始分配的功率)，超负载(实际传输的下行功率大于初始分配的功率)之分。为了最大化功率资源利用率，如何在轻负载和超负载的SP之间进行资源调度，也是我们要解决的问题。
发明内容
[0008] 针对以上现有技术中的不足，本发明的目的在于提供一种物理资源得到充分的利用、提高基础设施的资源利用率的无线网络虚拟化中的资源分配方法，本发明的技术方案如下：一种无线网络虚拟化中的资源分配方法，其中无线网络在虚拟化环境下时，多个不同虚拟接入点共存在同一个物理接入点AP上，为各自的用户MUE提供服务，网络服务提供商SP负责授权用户的接入，其包括以下步骤：
[0009] 101、在单一的物理接入点AP下，有若干网络服务提供商SP共享一个单一物理接入点AP，根据虚拟网络映射结果，初始分配给共存于其上的每个网络服务提供商SP初始功率资源，当网络服务提供商SP下行子载波功率超过初始分配功率资源时定义为超负载，反之，定义为轻负载；
[0010] 102、建立买卖的博弈模型，计算出共存在同一个物理接入点AP上的网络服务提供商SP与其对应的授权用户MUEs之间的效用函数，然后计算出买方用户MUE最佳的子载波下行传输功率需求和卖方SP最佳的单位子载波下行传输功率的价格；
[0011] 103、通过步骤102计算出的买方用户MUE最佳的子载波下行传输功率需求和卖方SP最佳的单位子载波下行传输功率的价格，判断出轻负载的网络服务提供商SPⅠ，超负载的网络服务提供商SPⅡ，再建立拍卖博弈模型来进行功率资源的再分配，即超负载和轻负载的SPs作为拍卖的双方，轻负载的SPs可以提供功率，并报出自己的单位子载波下行功率的成本；超负载的SPs需要购买功率，也报出自己的单位买价，再利用麦考非McAfee机制让NO得到双方可靠地效用函数，从而在拍卖中进行有效的资源分配。
[0012] 进一步的，步骤102中下行传输功率的具体步骤为：定义第i个SP为Si，其下第j个用户用Mij表示，有n个SPs和m个用户，Si下有mi个用户，那么 根据传输距离的大小，Mij向Si请求子载波下行功率，假设信道是高斯白噪声信道，那么Mij获得的传输速率如下：
[0013]
[0014] 这里W是带宽，单位是Hz， 是Si向Mij发送的子载波下行功率， 是Si到Mij的信道增益， 是Si到Mij的传输距离， 表示阴影衰落系数，k是衰落因子，2
σ是高斯白噪声功率。
σ是高斯白噪声功率。
[0015] 进一步的，步骤103中拍卖博弈模型 具体为： 向NO提供自己剩余的功率资源和单位传输功率的成本 向NO提供所需功率资源 和购买单位传输功率的报价 的计算如下：
[0016]
[0017] 上式中 表示Si初始分配到的功率；
[0018] 根据 和 的值，NO将构建一组拍卖双方模型，买方 是对功率有需求即超负载的SPs，其需求的功率为 和单位功率的买价 卖方 是轻负载的SPs，其剩余的功率 和单位功率的成本 定义So,Sl,Ao,Cl,Po,Pl如下：
[0019]
[0020]
[0021]
[0022]
[0023]
[0024]
[0025] NO就会让 最高的 和 最低的 优先成交，如果 那么 和 的成交价即为 否则 和 不能进行成交，且成交价pij＝0，当所有 都得到所需的功率或者是 剩余的功率全部卖出，还有当 时，拍卖博弈结束。
[0026] 本发明的优点及有益效果如下：
[0027] 本发明的功率分配方案在无线网络虚拟化的环境下，多个SPs有效地共享了单一物理接入点的资源。并且确定了SP与用户之间的最优功率和单位子载波下行的价格；以及怎样在SPs之间进行资源的再分配。为了共同的利益和成本的考虑，SP和用户会理性的根据买卖博弈得到所需功率和价格。当这个博弈达到斯坦伯格均衡时，能最大化SP和用户的收益。之后，利用拍卖模型进行SPs之间的资源再分配，从而使物理资源得到充分的利用，提高基础设施的资源利用率。附图说明
[0029] 图2为本发明中资源分配算法流程。
具体实施方式
[0030] 1 系统模型
[0031] 无线网络虚拟化架构如图1所示，在实际情景下，只有一个物理接入点连接所有的用户，但是在虚拟化的环境下，多个不同虚拟接入点共存在同一个物理接入点上，为各自的用户提供服务，不同的虚拟接入点属于不同的SP。SPs负责授权用户的接入，提供给用户理想的资源和与之对应的价格，并且要向NO提供报价来竞争资源。NO负责管理无线接入网络，能够获取所有信道的状态信息、SPs以及用户的身份，并根据SPs的资源需求执行拍卖从而进行资源的再分配。总之，在我们的模型中，考虑了如何在单一的物理接入点上对所有SPs和用户进行有效的子载波下行功率分配问题。
[0032] 在一个典型的虚拟无线网络中，有很多SPs共享一个单一物理接入点，NO负责管理物理资源。用户则各自接入自己的SP。我们定义第i个SP为Si，其下第j个用户用Mij表示。有n个SPs和m个用户。Si下有mi个用户，那么 根据传输距离的大小，Mij向Si请求子载波下行功率。我们假设信道是高斯白噪声信道，那么Mij获得的传输速率如下：
[0033]
[0034] 这里W是带宽，单位是Hz， 是Si向Mij发送的子载波下行功率， 是Si到Mij的信道增益。 是Si到Mij的传输距离， 表示阴影衰落系数,k是衰落因子，σ2是高斯白噪声功率。
[0035] 当然每一个Mij都想从Si那获得更高的传输速率，当传输距离和信道状态在一个时隙中近似不变时，传输功率的大小就更加重要了。通常，Si的总的传输功率会出现超负载和轻负载两种状态，为了在一个单一的物理接入点上提高功率资源的利用率，有三个问题需要解决：1)每个Mij如何确定所需的理想传输功率 2)又该怎样定义Si所提供给Mij理想传输功率的价格；3)怎么在SPs之间进行功率资源的再分配。在我们的专利中，我们提出一个买卖博弈方案来解决第一个问题和第二个问题。得到每个SP功率的需求量后，我们又设计了一拍卖博弈在超负载与轻负载的SPs之间进行功率资源的再分配，从而解决第三个问题。
[0036] 为了让所有SPs揭示自己真实的效用函数，我们在拍卖博弈中引用了麦考非机制。麦考非机制的特点如下：
[0037] 1)个体合理性：很明显，每个Si的收益不能小于0，否则Si将不会参加拍卖博弈。换句话说，不论SPs是超负载还是轻负载，是买还是卖功率资源，通过资源再分配后，会有个非负的收益。
[0038] 2)激励兼容性：SP向NO提供真实的效用函数，才能获得最大的收益，不管其他SPs是否把自己的真实或虚假的效用函数宣布给NO。这就意味着SP在拍卖博弈中提供自己真实的效用函数是最优策略。
[0039] 3)效率：根据SPs所提供的真实效用函数，NO可以执行最大权重匹配(参考文 献：W.J.Cook,W.H.Cunningham,W.R.Pulleyblank,and A.Schrijver.Combinatorial Optimization[J].1997.)对资源进行重分配。因此全部收益都最大化，提高SPs之间的资源再分配效率。
[0040] 2 买卖博弈和拍卖博弈的分析
[0041] 对于功率分配，Si应该与Mij进行协商来确保提供理想的功率和价格，并且还要向NO提供自己的效用函数来购买或者出售自己的功率。下面我们先介绍Si和Mij之间的买卖博弈，我们把这一过程叫G1。通过G1，Si和Mij就分别知道了最佳的功率和价格，下一步NO将执行拍卖博弈，这次博弈是为了在轻负载与超负载的SPs之间进行功率的再分配，我们把这一过程叫G2。
[0042] 2.1 用户(买方)的分析
[0043] 我们知道Mij的下行传输速率是由下行传输功率 直接确定的，而且每个理智的用户都会选择更高的传输速率。换句话说，用户是想从SP获得更高的下行传输功率。因此，我们定义Mij为买方(bij)，Si定义为卖方(si)参与博弈。那么bij的收益为[0044]
[0045] 上式中βij表示单位传输速率的增益， 已在(1)式中给出。
[0046]
[0047] 上式表示bij支付给si的总价值。 表示bij与si间的单位传输功率的价值。表示si向bij传输的功率。
[0048] 通过(2)，(3)，我们可以对 求导：
[0049]
[0050]
[0051] 因为其二阶导小于0，所以 关于 是凸函数，有最大值。 一定满足：
[0052]
[0053] 我们求解(5)式得到bij向si请求的最优传输功率为：
[0054]
[0055] 2.2 SP(卖方)的分析
[0056] 由于在Si里会有很多用户Mij，那么在G1的过程中，si的总收益为：
[0057]
[0058] 上式中 就是指上述中 是si向bij单位传输功率的成本价。
[0059] 需要注意的是Si和Mij之间是非合作的博弈，他们不关心其他用户从SPs那获得多少功率 或以多少单位传输功率的价格 购买功率的，每个Mij只根据自己的信道状态和单位传输功率的价格 为自己请求最优的 如式(6)描述的。在G1过程中，为了最大化满足用户对功率的需求，Si将不会功率自己的功率限制，在G2里，Si会根据自己的需要参与拍卖博弈，购买一定的资源。
[0060] 与上式(4)一样，根据一阶最优条件，对 进行求导：
[0061]
[0062] 并令(8)为0，就能得到si向bij最优的单位传输功率的价格 为：
[0063]
[0064] 根据(6)式和(9)式，我们可以得到最优的传输功率 和最优的单位传输功率的价格 从而最大化了买方和卖方的收益。
[0065] 3 斯坦伯格博弈的存在
[0066] 在这一部分，我们将证明最优的 和 在买卖博弈中是斯坦伯格均衡(SE)。
[0067] 定义1：如果 和 存在斯坦伯格均衡，那么他们应该满足下面的方程式，[0068] 当 固定时，
[0069]
[0070] 当 固定时，
[0071]
[0072] 我们用下面三个引理来证明 和 满足式(10)和(11)。
[0073] 引理1：当 固定不变时， 在 这一点上取得最大值。
[0074] 证明：
[0075] 根据式(4)，我们可以得到：
[0076]
[0077] 并且进一步得出：
[0078]
[0079] 因为式(13)中的所有元素都是正的，所以 因此， 是关于 的凸函数，所以使得 的点 带入 便能得到 的最大值。
[0080] 引理2：最优的 随 的增加而减少。
[0081] 证明：我们对(6)式进行求导得到：
[0082]
[0083] 这说明 是关于 的减函数。这也符合物理场景，当si单位传输功率价格 升高时，bij会减少对功率的购买。
[0084] 引理3：当最优的 确定了， 就是关于 的凸函数。
[0085] 证明：由(8)式我们可以得到：
[0086]
[0087] 所以， 是关于 的凸函数。当取 这点时，会得到 的最大值。
[0088] 4 拍卖博弈
[0089] 在G1阶段，根据买卖博弈，用户会与SPs进行协商，从而知道自己理想的下行传输功率和单位传输功率价格。因为在G1阶段，SPs并没有考虑自己的功率限制，实际总的传输功率可能会超出这个SP的初始分配功率，我们把第i个超负载的SP定义为另外，把第j个轻负载的SP定义为
[0090] 为了提高无线网络的功率资源利用率，在G2阶段，NO将执行SP之间的基于麦考非机制的拍卖博弈。根据麦考非机制，每个SP必须向NO提供真实的效用函数，从而确保自己的收益最大化。
[0091] 在G2阶段， 应该向NO提供自己剩余的功率资源 和单位传输功率的成本那么在G1阶段， 应该向NO提供所需功率资源 和购买单位传输功率的报价的计算如下：
[0092]
[0093] 上式中 表示Si初始分配到的功率。
[0094] 根据 和 的值，NO将构建一组拍卖双方模型，买方 是对功率有需求即超负载的SPs，其需求的功率为 和单位功率的买价 卖方 是轻负载的SPs，其剩余的功率 和单位功率的成本 我们定义So,Sl,Ao,Cl,Po,Pl如下：
[0095]
[0096]
[0097]
[0098]
[0099]
[0100]
[0101] 为了提高效率，NO就会让 最高的 和 最低的 优先成交，如果 那么 和 的成交价即为 否则 和 不能进行成交，且成交价pij＝0。当所有 都得到所需的功率或者是 剩余的功率全部卖出，还有当 时，拍卖博弈结束。
[0102] 拍卖博弈的流程如图2所示。Θ是在G2阶段功率资源分配的结果。那么SP在G1，G2阶段的总收益如下：
[0103] 超负载的SPs：
[0104]
[0105] 轻负载的SPs：
[0106]
[0107] 以上结合附图对本发明的具体方法进行了分析，保证了SP和用户的收益。并且提供了功率资源的利用率。
[0108] 本发明是对无线网络虚拟化中的资源分配算法的研究，属于网络虚拟化技术领域，特别是涉及到多个网络服务提供商共享一个基础设施，并在网络操作者的控制下，进行网络资源的分配和通过拍卖机制进行网络服务提供商之间的网络资源再分配的研究。以下是主要步骤：
[0109] 步骤1)：在一个单一的AP中，会根据虚拟网络映射结果，初始分配给共存于其上的每个SP一定的功率资源。当SP下行子载波功率超过初始分配时我们定义为超负载，反之，定义为轻负载；
[0110] 步骤2)：我们利用买方/卖方的博弈模型，来分析共存在同一个AP上的SPs与其对应的授权MUEs之间的效用函数。计算出买方MUE最佳的子载波下行传输功率需求和卖方SP最佳的单位子载波下行传输功率的价格；
[0111] 步骤3)：通过步骤2，根据用户的需求和定价，我们就知道了哪些SP将是轻负载，哪些是超负载。我们再利用拍卖模型来进行功率资源的再分配。即超负载和轻负载的SPs作为拍卖的双方，轻负载的SPs可以提供功率，并报出自己的单位子载波下行功率的成本，超负载的SPs需要购买功率，也报出自己的单位报价。再利用McAfee机制让NO得到双方可靠地效用函数，从而在拍卖中进行有效的资源分配。
[0112] 本发明使得在无线网络虚拟化的环境下，多个SPs有效地共享了单一物理接入点的资源。并且确定了SP与用户之间的最优功率和单位子载波下行的价格，以及怎样在SPs之间进行资源的再分配。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种用于无线电环境地图数据收集的任务分配方法 | 2020-05-11 | 279 |
| 一种数据处理方法及装置 | 2020-05-13 | 178 |
| 区块链访问系统和方法及在众筹数字交易中的应用 | 2020-05-12 | 767 |
| 技能服务招投标系统 | 2020-05-08 | 272 |
| 用于匿名交易管理的分布式分类账系统 | 2020-05-12 | 387 |
| 基于网络的化学制品交换系统和方法 | 2020-05-13 | 729 |
| 一种客户信用自评估工厂实时智能分析管理系统 | 2020-05-11 | 805 |
| 一种基于数据加密的分布式计算方法及系统 | 2020-05-08 | 198 |
| 群智感知中基于感知误差的感知任务信息分配系统及方法 | 2020-05-08 | 307 |
| 一种检修报价处理方法、装置及系统 | 2020-05-11 | 910 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
分析报告
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
报价请求热门专利
QQ群二维码
意见反馈
意见反馈