亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于2-階段成本優(yōu)化的多播容量供應(yīng)

        2021-11-20 03:21:48杜文龍
        關(guān)鍵詞:成本

        杜文龍,黃 余

        (1.江蘇電子信息職業(yè)學(xué)院 計(jì)算機(jī)與通信學(xué)院,江蘇 淮安 223003;2.圣路易斯大學(xué) 研究生院,菲律賓 碧瑤 2600)

        0 引 言

        網(wǎng)絡(luò)技術(shù)的進(jìn)步和可用帶寬的增長(zhǎng)導(dǎo)致了眾多媒體內(nèi)容提供商提供數(shù)據(jù)傳播服務(wù),如實(shí)時(shí)和按需媒體流。這些媒體內(nèi)容提供商的一個(gè)主要關(guān)注點(diǎn)是網(wǎng)絡(luò)資源(即網(wǎng)絡(luò)容量)的供應(yīng);媒體內(nèi)容提供商的要求以及對(duì)使用資源的付費(fèi)通過(guò)服務(wù)級(jí)協(xié)議(service level agreements,SLA)[1,2]和因特網(wǎng)服務(wù)提供商(internet service providers,ISPs)獲得。超出SLA中規(guī)定限額的使用一般會(huì)引起高于SLA中最初商定的額外費(fèi)用。由于客戶的未來(lái)需求本身是不確定的,所以媒體內(nèi)容提供商的初始容量供應(yīng)過(guò)程必須基于預(yù)期客戶使用模式和需求的預(yù)測(cè)對(duì)成本達(dá)成平衡。

        由于多播利用了信息的可復(fù)制性,從而可獲得高效的帶寬利用和高吞吐量[3]。如果進(jìn)一步利用網(wǎng)絡(luò)編碼,將使得多播路由算法是最優(yōu)的和高效可計(jì)算的。對(duì)于有向和無(wú)向網(wǎng)絡(luò)中的多播來(lái)說(shuō),采用網(wǎng)絡(luò)編碼會(huì)得到更高的吞吐量以及更便宜的路由成本[3,4]。此外,還可以采用線性規(guī)劃(linear programs,LP)來(lái)計(jì)算高效多播。

        已有大量文獻(xiàn)研究了不同情形下通信網(wǎng)絡(luò)的容量規(guī)劃。文獻(xiàn)[5]提出了一種用于需求不確定時(shí)的容量規(guī)劃算法;文獻(xiàn)[6]針對(duì)面臨不確定性流量需求時(shí)需要提前預(yù)留最佳帶寬的虛擬專用網(wǎng)絡(luò)(virtual private networks,VPN)客戶,提出了一種基于隨機(jī)規(guī)劃模型;文獻(xiàn)[7]通過(guò)對(duì)不同場(chǎng)景下網(wǎng)絡(luò)資源分配方法進(jìn)行需求分析,提出了完全壟斷和完全競(jìng)爭(zhēng)的網(wǎng)絡(luò)資源分配模型;文獻(xiàn)[8]提出并分析了一種基于定價(jià)的收入管理模型,同時(shí)針對(duì)隨機(jī)需求提出了一種基于動(dòng)態(tài)規(guī)劃的解決方案。

        也有不少文獻(xiàn)對(duì)隨機(jī)優(yōu)化進(jìn)行研究。文獻(xiàn)[9]采用隨機(jī)優(yōu)化理論對(duì)異構(gòu)網(wǎng)絡(luò)中的若干關(guān)鍵問(wèn)題進(jìn)行了研究,同時(shí)介紹了隨機(jī)優(yōu)化中采用的一些技術(shù)和模型;近年來(lái),隨機(jī)優(yōu)化問(wèn)題還受到了計(jì)算機(jī)理論界的廣泛關(guān)注。文獻(xiàn)[10]對(duì)各種經(jīng)典組合優(yōu)化問(wèn)題的各種隨機(jī)形式進(jìn)行了研究;文獻(xiàn)[11]將LP四舍五入用來(lái)得到隨機(jī)Steiner樹(shù)問(wèn)題的常數(shù)因子近似;文獻(xiàn)[12]采用了一種新的原始對(duì)偶技術(shù)來(lái)求解隨機(jī)環(huán)境中尋找最優(yōu)Steiner森林的問(wèn)題。

        資源供應(yīng)最主要的挑戰(zhàn)是未來(lái)需求的不確定性,因此,本文假設(shè)存在一個(gè)概率分布,這個(gè)概率分布可以用來(lái)估計(jì)對(duì)多播服務(wù)感興趣的未來(lái)客戶集,于是將采用網(wǎng)絡(luò)編碼的多播容量供應(yīng)問(wèn)題建模為一個(gè)2-階段隨機(jī)優(yōu)化問(wèn)題,目標(biāo)就是設(shè)計(jì)指導(dǎo)在第一階段容量購(gòu)買(mǎi)決策的算法,從而使得兩個(gè)階段的總體成本在預(yù)期中最小化。

        1 預(yù)備知識(shí)

        將通信網(wǎng)絡(luò)建模為一個(gè)圖G=(V,E,C,w), 其中V是節(jié)點(diǎn)的集合,E是邊的集合,C和w分別為容量和成本向量。邊e∈E有固定容量C(e), 以及相關(guān)的每單位流量成本w(e)。

        假設(shè)一個(gè)固定的源節(jié)點(diǎn)s∈V為多播接收者集合T?V提供多播服務(wù)。要研究的問(wèn)題是采用網(wǎng)絡(luò)信息流時(shí),對(duì)隨機(jī)環(huán)境中一個(gè)給定的數(shù)據(jù)速率,最優(yōu)化其多播成本。多播流是一個(gè)向量f∈Q+E, 其中Q+是非負(fù)有理數(shù)集合。假設(shè)期望的多播(數(shù)據(jù))吞吐量為d,目標(biāo)是得出一個(gè)流量路由方案,使得多播服務(wù)的總成本最小化。假設(shè)e∈E的每單位流量成本為w(e), 用W(T) 表示服務(wù)集T的多播最優(yōu)成本,多播成本函數(shù)對(duì)于有向網(wǎng)絡(luò)是次可加性的,即對(duì)于不相交集合A,B?T, 滿足

        W(A∪B)≤W(A)+W(B)

        (1)

        網(wǎng)絡(luò)編碼結(jié)果表明,當(dāng)且僅當(dāng)一個(gè)速率d是從源分別到每個(gè)接收者的可行單播速率時(shí),d的多播速率就是可行的[13,14],即如果能在獨(dú)立單個(gè)的會(huì)話中得到每個(gè)接收者的速率d的單播流,則該速率的多播流也存在。這樣,可以把有效多播看作是從源到每個(gè)接收者的概念單播流的結(jié)合,因而可以通過(guò)線性規(guī)劃來(lái)計(jì)算概念單播流的有效結(jié)合。

        假設(shè)每個(gè)接收者t∈T都有一個(gè)通往源的路徑集合Pt。對(duì)于路徑p∈Pt,用f(p)表示沿p從s到t的概念流,用f(e)表示邊e上的真實(shí)流,則可以通過(guò)下面的LP計(jì)算最小的多播流成本

        Minimize: ∑ew(e)f(e)

        (2)

        滿足

        ∑p∈Ptf(p)=d?t

        (3)

        f(e)≥∑p∈Pt∶e∈pf(p) ?e,?t

        (4)

        C(e)≥f(e) ?e

        (5)

        f(e)≥0;f(p)≥0 ?e,?p∈Pt,?t

        約束條件式(3)要求全部多播接收者必須獲得d的流速率。每個(gè)邊上的真實(shí)流是采用該邊的全部概念流的最大值,即

        f(e)=maxt∑p∈Pt;e∈pf(p)

        (6)

        盡管max(·)函數(shù)是非線性的,但約束條件式(4)等價(jià)地給出了優(yōu)化方向,最后,每個(gè)邊上的流量必須遵從容量約束條件式(5)。

        圖1 不采用網(wǎng)絡(luò)編碼與采用網(wǎng)絡(luò)編碼的成本比較

        2 基于2-階段成本優(yōu)化的隨機(jī)多播

        2.1 最優(yōu)多播模型

        這部分建立一個(gè)隨機(jī)環(huán)境下的最優(yōu)多播模型。如前所述,本文研究的隨機(jī)多播問(wèn)題包括2個(gè)階段。在第一階段,得到潛在多播接收者集合T的概率分布,這些分布基于市場(chǎng)預(yù)測(cè)或歷史客戶使用模式;在第二階段,將此建模為真實(shí)的多播接收者集合A的實(shí)現(xiàn)。對(duì)于一個(gè)接收者t∈T,令P(t) 為t在第二階段將要訂閱的多播服務(wù)的概率,并假設(shè)這些概率是獨(dú)立的,即?t,t′∈T,P({t,t′}?A)=P(t)P(t′)。 定義一個(gè)膨脹參數(shù)λ,它使得在第二階段中邊e的成本從w(e)增加到λw(e),這相當(dāng)于使用了超過(guò)SLA規(guī)定限額而引起的更高價(jià)格。目標(biāo)就是在第一階段要明智地購(gòu)買(mǎi)容量,使得在第二階段中對(duì)于多播集的所有可能實(shí)現(xiàn)A?T的期望總成本最小化。令g∈Q+E為在第一階段購(gòu)買(mǎi)容量的向量,hA∈Q+E表示當(dāng)集合A實(shí)現(xiàn)時(shí)在第二階段所需要的額外容量的向量,定義

        P(A)=∏t∈AP(t)∏t?A(1-P(t))

        (7)

        則可以將2個(gè)階段的最小化期望成本構(gòu)建為一個(gè)LP

        Minimize: ∑ew(e)g(e)+∑e∑A?TP(A)λw(e)hA(e)

        (8)

        滿足

        ∑p∈PtfA(p)=d?t∈A,?A

        (9)

        fA(e)≥∑p∈Pt∶e∈pfA(p)?e,?t∈A,?A

        (10)

        C(e)≥fA(e) ?e,?A

        (11)

        g(e)+hA(e)≥fA(e) ?e,?A

        (12)

        g(e),hA(e),fA(e),fA(p)≥0 ?e,?p∈Pt,?t∈A,?A

        LP式(8)計(jì)算服務(wù)集A的全部可能實(shí)現(xiàn)的最小期望成本即最優(yōu)解。前3個(gè)約束條件表明,對(duì)于每個(gè)集合A?T,網(wǎng)絡(luò)編碼多播的可行性要求必須滿足,最后的約束條件表明,在2個(gè)階段購(gòu)買(mǎi)的容量數(shù)量必須足以容納服務(wù)集A的多播流fA。

        在獨(dú)立分布概率的情況下,存在指數(shù)級(jí)的多個(gè)集合A,而且直接用LP式(8)計(jì)算最優(yōu)向量g*是很難的。因此,下面提出2種算法來(lái)指導(dǎo)第一階段的購(gòu)買(mǎi),使得總成本接近通過(guò)LP式(8)計(jì)算得到的最優(yōu)解成本。

        2.2 啟發(fā)式算法

        算法基于以下前提:由于容量因因子λ而變得更昂貴,直觀上,如果e上需要c的概率大于1/λ,則可以通過(guò)在e上購(gòu)買(mǎi)容量c來(lái)最小化預(yù)期成本。

        具體來(lái)說(shuō),假設(shè)T是潛在接收者集合,令f為從源到T的全部成員的最優(yōu)最小成本流。對(duì)于每個(gè)邊e,令ft(e)為該邊上從s到一個(gè)特定接收者t∈T的總的概念流。由于概念流不競(jìng)爭(zhēng)帶寬,因此,全部接收者在每個(gè)邊上就存在k≤|T| 個(gè)不同級(jí)別的總的概念流。用li表示邊e上的級(jí)別為i∈{1,2,…,k} 的總流量,不失一般性,假設(shè)這些級(jí)別按總流量的降序排序,即li+1li的接收者t出現(xiàn)的概率,這相當(dāng)于沒(méi)有從子集Ti-1(e) 中得到未來(lái)接收者的概率。更準(zhǔn)確地說(shuō),用P≤(li,e) 表示邊e需要至多l(xiāng)i個(gè)單位流的容量的概率,同樣,P≥(li,e) 為邊e需要至少li個(gè)單位流的容量的概率,則P≤(li,e) 可計(jì)算為

        P≤(li,e)=∏j∈Ti=1(e)(1-P(j))

        (13)

        此外,還有

        P≥(li,e)=1-P≤(li+1,e)

        (14)

        可見(jiàn),在預(yù)期中,無(wú)論概率P≥(li,e) 是否大于1/λ,當(dāng)單獨(dú)考慮這個(gè)邊時(shí),通過(guò)購(gòu)買(mǎi)等于li個(gè)單位流量的容量可以使得成本最小化。

        將網(wǎng)絡(luò)中的每個(gè)邊應(yīng)用上面的算法思想,其偽代碼實(shí)現(xiàn)如算法1;算法首先計(jì)算最小成本流f,然后檢查每個(gè)邊上不同的概念流級(jí)別。然后,算法建議當(dāng)且僅當(dāng)P≥(li,e)>1/λ時(shí)對(duì)于邊e購(gòu)買(mǎi)等于li個(gè)流量單位的容量。

        算法1: 啟發(fā)式算法

        Input: 潛在多播接受者集合T,t∈T的訂閱概率P(t), 網(wǎng)絡(luò)圖G(V,E,C,w)

        Output: 在第一階段要購(gòu)買(mǎi)的容量向量g∈Q+E

        (1)在T上運(yùn)行LP式(2), 令f為得到的流;

        (2)g(e)∶=0,?e∈E;

        (3)for eache∈Edo

        (4) for eacht∈Tdo

        (5)ft(e)∶=∑p∈Pt∶e∈pf(p);

        (6)F(e)∶={ft(e)|ft(e)>0};

        (7) 對(duì)F(e)排序, 令l1,…,lk為e上概念流級(jí)別的降序;

        (8)Ti(e)∶={t|ft(e)≥li} ?i∈{1,…,k};

        (9) for eachi∈{1,…,k} do

        (10)P≤(li+1,e)∶=∏j∈Ti(e)(1-P(j));

        (11)P≥(li,e)∶=1-P≤(li+1,e);

        (12) ifP≥(li,e)>1/λthen

        (13)g(e)∶=li;

        (14) end

        (15) end

        (16)end

        (17)輸出g

        圖2 啟發(fā)式算法導(dǎo)致沒(méi)有恒定約束的示例網(wǎng)絡(luò)

        在這個(gè)示例中算法1性能較差,因?yàn)樵诔跏甲钚〕杀玖饔?jì)算中沒(méi)有考慮接收者的概率分布。這就要求求解方法需要考慮初始流計(jì)算階段的分布。因此,下一節(jié)提出一種基于采樣的方法,為預(yù)測(cè)未來(lái)情形提供一種更準(zhǔn)確的方法,并在理論上具有可證明的性能保證。

        2.3 采樣算法

        下面首先給出具體的采樣算法,然后證明它的性能約束。

        2.3.1 采樣算法

        算法2: 采樣算法

        Input: 潛在多播接受者集合T,t∈T的訂閱概率P(t), 網(wǎng)絡(luò)圖G(V,E,C,w)

        Output: 在第一階段要購(gòu)買(mǎi)的容量向量g∈Q+E

        (1)Λ∶={?};

        (3)Ai={?};

        (4) for eacht∈Tdo

        (5)r∶=[0,1] 中的隨機(jī)數(shù);

        (6) ifr≤P(t) then

        (7)Ai∶=Ai∪{t};

        (8) end

        (9) end

        (10)Λ∶=A∪Ai;

        (11)end

        (12)在Λ上運(yùn)行LP式(2), 令f*為最優(yōu)最小成本流向量;

        (13)for eache∈Edo

        (14)g(e)=f*(e);

        (15)end

        (16)輸出g

        在第二階段,一旦接收者的真實(shí)集合S已知,就需要用服務(wù)集合S所需的額外容量來(lái)增加第一階段的解。對(duì)于每個(gè)邊e,用兩個(gè)邊e′和e″替換它。設(shè)e′的容量為g(e),成本w(e′)=0, 并將剩余容量和初始成本分配給e″,即C(e″)=C(e)-g(e) 且w(e″)=w(e), 則在這個(gè)新圖上計(jì)算得到的最小成本是集合S/Λ對(duì)Λ增加的成本,用WAUG(Λ,S/Λ) 表示。

        盡管算法本身相對(duì)簡(jiǎn)單明瞭,但關(guān)鍵在于證明算法有一個(gè)好的性能約束。為此,首先引入成本分?jǐn)偡桨傅母拍?。成本分?jǐn)偡桨甘菍⒍嗖ソ獾某杀痉峙浣o接收者集合的一種方法。具體說(shuō),給定一個(gè)最優(yōu)多播算法AM,它計(jì)算一個(gè)接收者集合A的多播成本,則成本分?jǐn)偡桨甫危?V×V→R≥0將成本份額ξ(A,t) 分配給每個(gè)接收者t∈A。

        定義1 設(shè)AM是一個(gè)計(jì)算多播最優(yōu)最小成本的算法,ξ(·,·) 是相關(guān)的成本分?jǐn)偡桨?,則對(duì)于任意兩個(gè)不相交接收者集合A,B?T來(lái)說(shuō),如果以下3個(gè)屬性都滿足,稱ξ(·,·) 為β-嚴(yán)格的成本分?jǐn)偤瘮?shù):

        (1)ξ(A,t)>0僅當(dāng)t∈A;

        (2)∑t∈Aξ(A,t)≤W(A);

        前兩個(gè)屬性在博弈論中分別稱為個(gè)體理性和預(yù)算平衡[15]。第一個(gè)屬性表明,如果一個(gè)多播接收者沒(méi)有接收到服務(wù),則不應(yīng)當(dāng)要求它支付。第二個(gè)屬性表明,收到的支付總額不應(yīng)超過(guò)解的成本。最后一個(gè)屬性關(guān)系到集合B中接收者在集合A∪B中被服務(wù)時(shí)的成本分?jǐn)?,即將B增加到A的現(xiàn)有解的成本。如果β-嚴(yán)格的成本分?jǐn)傟P(guān)于算法AM存在,則B中接收者的成本分?jǐn)倯?yīng)該至少涵蓋集合A的多播解的增加成本的1/β。β-嚴(yán)格的成本分?jǐn)偞_保了增加的成本可以受到這些成本分?jǐn)偟募s束,因此,改用符號(hào)將∑t∈Bξ(A∪B,t) 表示為ξ(A∪B,B)。 下面來(lái)表明算法2的性能約束。

        定理1 給定一個(gè)采用網(wǎng)絡(luò)編碼的多播最優(yōu)最小成本的相關(guān)β-嚴(yán)格的成本分?jǐn)偤瘮?shù),算法2構(gòu)建了一個(gè)采用2-階段隨機(jī)多播問(wèn)題的(1+β)-近似解。

        由于篇幅所限,這里不給出該定理的證明過(guò)程。

        注意,算法2未明確采用成本分?jǐn)偡桨?。性能約束的證明只需要存在某個(gè)β-嚴(yán)格的成本分?jǐn)偡桨?,它可以與用于計(jì)算最優(yōu)多播流的算法相關(guān)聯(lián)。因此,本文的目標(biāo)是證明成本分?jǐn)偟拇嬖?,特別是對(duì)于網(wǎng)絡(luò)編碼多播是嚴(yán)格的,并且有有界的嚴(yán)格因子β,這樣才能表明算法2是隨機(jī)多播問(wèn)題的一個(gè)很好的解決方案。對(duì)于任意兩個(gè)不相交集A,B?T, 以及一個(gè)給定的成本分?jǐn)偡桨甫?·,·), 可以將β定義為

        (15)

        2.3.2 平均成本分?jǐn)偸荗(|T|)-嚴(yán)格的

        圖3 平均成本分?jǐn)倢?dǎo)致無(wú)約束嚴(yán)格因子的網(wǎng)絡(luò)(這時(shí)β=k)

        (16)

        因此,增加的成本為kξ(T,tk), 這意味著β=k=O(|T|)。 因此,平均成本分?jǐn)倢?duì)于證明采樣算法的約束來(lái)說(shuō)不是一個(gè)可行的候選方案。

        2.3.3 成本分?jǐn)偟腖P對(duì)偶解是2-嚴(yán)格的

        LP式(2)的對(duì)偶線性規(guī)劃為下列最大化問(wèn)題

        Maximize: ∑txtd-∑eC(e)s(e)

        (17)

        滿足

        ∑tyt(e)≤w(e)+s(e) ?e

        (18)

        xt≤∑e∈pyt(e) ?p∈Pt,?t

        (19)

        xt<>0;yt(e)≥0;s(e)≥0 ?t,?e

        在對(duì)偶LP中,變量xt、yt(e)和s(e)分別對(duì)應(yīng)于原始LP式(2)中的約束式(3)~式(5)。將對(duì)偶最優(yōu)解表示為 (x*,y*,s*)。 具體來(lái)說(shuō),如果無(wú)限小流量單位是一個(gè)非合作多播路由博弈中的自私代理,則基于對(duì)偶變量的成本分配方案就能確保最優(yōu)最小成本流是納什均衡。因此,對(duì)偶解成本分?jǐn)偡桨冈诜呛献骶W(wǎng)絡(luò)環(huán)境中執(zhí)行最優(yōu)多播流。

        (20)

        因此,變量xt表示t的每單位流量成本,這樣,每個(gè)接收者的總成本為xtd。但這種成本分配方案只在成本度量w(e)下是預(yù)算平衡的,也就是說(shuō),如果用成本w(e)+s(e) 替換每個(gè)邊的成本w(e),且W′(T) 是該新度量下的最小多播流的成本,則成本分配方案就是預(yù)算平衡的,因此∑t∈Txtd=W′(T)。 下面來(lái)證明這樣的成本分?jǐn)偡桨甘?-嚴(yán)格的。

        令W(T)為由LP式(2)計(jì)算得到的接收者集合T的最優(yōu)流量成本,考慮下列線性規(guī)劃

        Minimize: ∑ew(e)f(e)

        (21)

        滿足

        ∑ew(e)f(e)=W(T)

        (22)

        ∑p∈Ptf(p)≥d?t

        (23)

        f(e)≥∑p∈Pt∶e∈pf(p) ?e,?t

        (24)

        f(e)≥0;f(p)≥0 ?e,?p∈Pt,?t

        在總成本等于W(T)下,LP式(21)使得多播流成本最小化,即目標(biāo)函數(shù)為W(T)。式(21)的對(duì)偶LP如下

        Minimize: ∑txtd+βW(T)

        (25)

        滿足

        xt≤∑e∈pyt(e) ?p∈Pt,?t

        (26)

        ∑tyt(e)≤(1-β)w(e) ?e

        (27)

        β<>0;xt≥0;yt(e)≥0; ?t,?e

        下面的引理表明,LP式(25)中的對(duì)偶向量x構(gòu)成了一個(gè)有效的成本分?jǐn)偡桨福摲桨戈P(guān)于W(T)是預(yù)算平衡的。

        引理的證明可以直接從LP的對(duì)偶性得到。因?yàn)閮蓚€(gè)LP的目標(biāo)函數(shù)有相同的最優(yōu)解值,因此,具有所述性質(zhì)的解一定存在。事實(shí)上,如果在具有無(wú)限邊容量的網(wǎng)絡(luò)中最小成本流更便宜,則對(duì)于LP式(25)的每個(gè)最優(yōu)對(duì)偶解,可得到β=0。下面給出有效的成本分?jǐn)偡桨浮?/p>

        定義2 令 (x*,y*,β*) 是對(duì)于接收者集合T、多播速率為d的LP式(15)的任意最優(yōu)解,這樣β*=0, 則定義成本分?jǐn)偡桨笧?/p>

        (28)

        成本分?jǐn)偡桨甫?·,·) 是一種有效的成本分?jǐn)偡桨?,因?yàn)樗穷A(yù)算平衡的,而且不在多播集中的接收者有零成本。

        下面表明分?jǐn)偡桨甫?·,·) 是2-嚴(yán)格的,它基于以下3個(gè)引理,引理的證明略。

        引理2 在網(wǎng)絡(luò)編碼多播中,成本分?jǐn)偡桨甫?·,·) 對(duì)于任意兩個(gè)不相交集合A和B,ξ(A∪B,A)≤W(A);

        引理3ξ(A∪B,B)≥W(A∪B)-W(A);

        引理4W(A∪B)-W(A)≤WAUG(A,B)≤2(W(A∪B)-W(A))。

        由上面3個(gè)引理可以得到下面的定理。

        定理2 LP式(17)的對(duì)偶變量定義了2-嚴(yán)格的成本分?jǐn)偂?/p>

        證明:由于成本分?jǐn)傊贿m用于多播接收者,因此要尊重個(gè)體理性,根據(jù)定義,成本分?jǐn)傄彩穷A(yù)算平衡的。根據(jù)引理3和引理4得到

        (29)

        證明完成。

        作為成本分?jǐn)偟膶?duì)偶變量的嚴(yán)格因子的上界顯然是2?,F(xiàn)在通過(guò)考慮圖1所示的網(wǎng)絡(luò)來(lái)給出β的下界。假設(shè)目標(biāo)多播率為1,可以發(fā)現(xiàn)對(duì)偶變量定義了在這種情形下唯一的成本分?jǐn)偅绂?T,t1)=1.5, 其中T={t1,t2,t3}。 此外,WAUG(t2∪t3,t1)=2, 因此β=2/1.5=1.333。

        定理1和定理2為采樣算法提供了理論上的性能保證。

        3 算法仿真結(jié)果及分析

        3.1 仿真環(huán)境及設(shè)置

        仿真在采用C++的BRITE[16]網(wǎng)絡(luò)拓?fù)渖善麟S機(jī)生成的網(wǎng)絡(luò)上進(jìn)行。BRITE是一種用于生成與Internet非常相似的拓?fù)涔ぞ?,它可以用自頂向下和自底向上兩種方法來(lái)產(chǎn)生GT-ITM層次模型,同時(shí)可為多個(gè)網(wǎng)絡(luò)模擬程序提供接口,如NS-2、SSF、Omnet++和Jsim等,并支持可視化工具Otter;BRITE能生成路由器層、AS層以及分層結(jié)構(gòu)拓?fù)鋱D,并可為連接分配帶寬和延遲,具有可視化用戶接口;我們?cè)谒惴ㄖ须S機(jī)分配邊容量和成本值,源節(jié)點(diǎn)和多播接收者集合也隨機(jī)選擇。除非特別說(shuō)明,全部接收者都按均勻分布隨機(jī)分配一個(gè)訂閱概率。在第一階段,根據(jù)算法1和算法2的建議購(gòu)買(mǎi)容量,在第二階段,用接收者的訂閱概率隨機(jī)生成真實(shí)的接收者集合,并以膨脹因子為λ的價(jià)格購(gòu)買(mǎi)額外的容量。得到的每個(gè)數(shù)據(jù)點(diǎn)是重復(fù)實(shí)驗(yàn)200次并取平均值的結(jié)果;為了表明本文算法的性能,將通過(guò)LP式(8)得到的最優(yōu)解作為比較基準(zhǔn),并與文獻(xiàn)[8]的基于網(wǎng)絡(luò)收益最大化的定價(jià)管理模型的成本解進(jìn)行比較。

        3.2 仿真實(shí)驗(yàn)結(jié)果

        圖4為對(duì)于不同網(wǎng)絡(luò)大小和不同多播接收者數(shù)量得到的不同算法的解成本,其中膨脹參數(shù)λ設(shè)置為5??梢?jiàn),對(duì)于不同網(wǎng)絡(luò)大小時(shí),本文提出的兩種算法與最優(yōu)解非常接近,甚至在某些情形下還優(yōu)于最優(yōu)解。對(duì)于不同多播接收者數(shù)量時(shí)(這時(shí)網(wǎng)絡(luò)大小固定在100個(gè)節(jié)點(diǎn)),啟發(fā)式算法始終優(yōu)于最優(yōu)解;還可看到,在兩種情形下,啟發(fā)式算法略優(yōu)于采樣算法,而且在兩種情形下,本文的兩種算法始終優(yōu)于文獻(xiàn)[8]的方案。

        圖4 不同算法得到的解成本比較

        圖5為膨脹參數(shù)λ對(duì)兩種算法性能的影響。對(duì)于小的λ值變化,如圖5(a)所示,兩種算法的性能與最優(yōu)解的差都在10%以內(nèi),基本不受λ值的影響;隨著膨脹參數(shù)的不斷增大,如圖5(b)所示,兩種算法的性能基本都能收斂到最優(yōu)解。這是因?yàn)楫?dāng)?shù)诙A段的成本增大時(shí),兩種算法都能為第一階段的全部接收者集合提供最優(yōu)解。

        圖5 膨脹參數(shù)λ對(duì)算法1和算法2性能的影響

        由前面分析知道,啟發(fā)式算法在初始最小成本流計(jì)算中不考慮接收者的概率分布,從而在某些情形下可能運(yùn)行很差,而采樣算法考慮了接收者的概率分布,為預(yù)測(cè)未來(lái)情形提供了一種更準(zhǔn)確的方法,并具有理論上的性能保證。為了比較兩種算法,我們將訂閱概率在范圍[0,0.1]內(nèi)均勻抽取,網(wǎng)絡(luò)大小由100個(gè)節(jié)點(diǎn)構(gòu)成,有10個(gè)多播接收者且設(shè)置λ=10;圖6為通過(guò)啟發(fā)式算法和采樣算法得到的解成本??梢钥吹?,兩種算法的解都接近最優(yōu)解,但采樣算法的性能要優(yōu)于啟發(fā)式算法。原因是啟發(fā)式算法最初計(jì)算全部接收者的最優(yōu)多播流,可能最終在更昂貴的邊上購(gòu)買(mǎi)容量,另一方面,當(dāng)在計(jì)算第一階段的目標(biāo)多播集時(shí),采樣算法通過(guò)考慮訂閱概率來(lái)求解這個(gè)問(wèn)題;還可看到,隨著極低訂閱概率的接收者數(shù)量的增加,與采樣算法相比,啟發(fā)式算法的性能受到的影響越來(lái)越大。

        圖6 不同訂閱概率接受者數(shù)量對(duì)算法性能的影響

        圖7 采樣輪數(shù)對(duì)采樣算法性能的影響

        4 結(jié)束語(yǔ)

        由于互聯(lián)網(wǎng)數(shù)據(jù)傳播服務(wù)的普及以及內(nèi)容提供商和ISPs之間的SLA商業(yè)模式,明智的多播容量規(guī)劃使得其自身成為一個(gè)重要的研究方向;本文將具有不確定性的多播容量規(guī)劃構(gòu)建為一個(gè)具有追加的2-階段隨機(jī)優(yōu)化,提出了2種解決方案,即利用網(wǎng)絡(luò)編碼優(yōu)勢(shì)的啟發(fā)式解決方案和進(jìn)一步結(jié)合采樣技術(shù)的改進(jìn)方案。仿真結(jié)果表明,2種解決方案的實(shí)際性能接近最優(yōu)解的性能。

        盡管本文的研究為采用網(wǎng)絡(luò)編碼的多播容量規(guī)劃問(wèn)題提供了新的見(jiàn)解,但仍存在一些局限性。本文的解決方案更適用于替代網(wǎng)絡(luò),如無(wú)線Mesh網(wǎng)或大規(guī)模無(wú)線Ad-hoc網(wǎng)絡(luò),所以將本文的研究擴(kuò)展到更好的內(nèi)容分發(fā)模型系統(tǒng)是未來(lái)研究的一個(gè)重要方向;此外,本文的研究只考慮了在所有網(wǎng)絡(luò)鏈路的成本一致增加的情況,且只有一個(gè)不確定的階段,還存在非均勻的成本增加,以及多播接收者可以動(dòng)態(tài)訂閱和離開(kāi)多播會(huì)話的多個(gè)階段,這些都是我們未來(lái)研究的內(nèi)容。

        猜你喜歡
        成本
        破產(chǎn)銀行處置成本分擔(dān)論
        成本上漲支撐國(guó)內(nèi)LNG 價(jià)格走高
        2021年最新酒駕成本清單
        河南電力(2021年5期)2021-05-29 02:10:00
        溫子仁,你還是適合拍小成本
        電影(2018年12期)2018-12-23 02:18:48
        鄉(xiāng)愁的成本
        特別健康(2018年2期)2018-06-29 06:13:42
        “二孩補(bǔ)貼”難抵養(yǎng)娃成本
        可靠性比一次采購(gòu)成本更重要
        風(fēng)能(2015年9期)2015-02-27 10:15:24
        時(shí)間成本和資金成本要考慮
        獨(dú)聯(lián)體各國(guó)的勞動(dòng)力成本
        揪出“潛伏”的打印成本
        亚洲乱码国产乱码精品精| 国内精品熟女一区二区| va精品人妻一区二区三区| 人妻熟妇乱又伦精品视频| 亚洲免费网站观看视频| 日本成人一区二区三区| 精品一区二区三区不老少妇| 亚洲国产av一区二区四季| 亚洲av无码乱码在线观看裸奔 | 免费观看黄网站| 911国产在线观看精品| 日本人妻高清免费v片| 久久久久亚洲av无码专区首| 精品久久久噜噜噜久久久| 白白色免费视频一区二区| 天堂久久一区二区三区| 亚洲av永久无码一区二区三区| 丰满人妻无奈张开双腿av| 2020最新国产激情| 久久久人妻精品一区bav| 精品久久久无码中字| 久久欧美与黑人双交男男| 精品久久久久久无码人妻蜜桃| 伊人久久大香线蕉av色婷婷色| 日本欧美大码a在线观看| 色播亚洲视频在线观看| 久久国产精品波多野结衣av | 伊人久久亚洲综合影院首页| 少妇隔壁人妻中文字幕| 国产精品免费一区二区三区四区 | 午夜影院91| 国产精品毛片毛片av一区二区| 婷婷成人丁香五月综合激情| 国产乱妇乱子在线视频| 国产伦码精品一区二区| 国产婷婷成人久久av免费| 亚洲人成网站色www| 欧美日韩国产在线观看免费| 美女被强吻并脱下胸罩内裤视频 | 亚洲VA不卡一区| 久久一区二区视频在线观看|