合作动态移动人群网络设备间的通信

文摘

炸药使用智能设备启用的出现集体移动个人之间的资源共享。移动用户需要相互合作来提高整个网络的服务质量。合作行为在移动人群建模到进化的“囚徒困境”游戏中,我们调查的合作率之间的关系和一些主要的影响因素,包括人群密度、沟通范围,诱惑缺陷,和流动属性。运用进化博弈理论,分析合作行为的移动需要合作推广的,深层次的洞察与自私的独立用户在动态网络中。实验结果表明,移动用户的特性,包括速度、移动概率,半径和反应,有一个明显影响合作的移动社交网络的形成。我们也发现了一些最佳状态当群众的合作率达到最好的。这些研究结果非常重要,如果我们想要建立一个移动社交网络有良好的性能。

1。介绍

无线通信技术的迅速发展,智能设备之间的通信(如智能手机、垫、可穿戴设备和智能车辆)信息传播和网络资源共享变得越来越普遍。大量的研究来解决无线设备间(D2D)通信的设计挑战。提出了许多新方法使D2D通信网络的形成成为可能(1- - - - - -4]。作为一个新兴市场和创新技术在下一代蜂窝网络,LTE-A能够充分利用拓扑的网络节点。它使无线节点彼此直接沟通,没有网络基础设施的支持。另一个使能技术是无线直接,支持文件传输设备相互连接而不需要一个无线接入点。LTE-A和WiFi直接技术使geography-aware信息共享和协作任务解决在人群中更容易在我们的日常生活中。

手持智能设备连接彼此通过直接无线D2D交流当他们遇到和发展整个人群变成一个自组织网络。我们称这种网络移动人群网络(m cn)。一般来说,没有中央控制机制在其中管理节点之间的通信。每个节点决定参加或独立网络本身。一个节点与其他节点共享其资源和合作自愿当网络。节点之间的通信链路通常是由于节点的运动时间和不稳定。节点的移动属性(包括移动概率,速度,方向,和轨迹)很难预测;也就是说,m cn完全动态的拓扑。

节点之间的资源共享与合作,m cn带给我们更高的网络覆盖和更大的网络容量(1,2]。m cn还允许其节点经验额外的好处的通信延迟小,增加了数据率,减少了能源消耗在设计良好的合作和激励机制5]。此外,m cn人群提供了一个新的范式的移动应用程序,比如社区公共安全动态监控,交通监测和规划在城市,geography-aware和参与性在环境和天气数据收集传感、和其他协作解决复杂的任务在移动人群,也称为已被称作移动群体感知/众包。

D2D通信在其中可以被视为一种节点之间的合作行为,愿意运输或继电器数据节点周围的某些类型的相互依存,互惠互利。协作通信,大大提高整个网络的质量和生产能力(6]。然而,也有一些障碍在促进合作行为,可以提高价值的网络性能。

首先,m cn是一种完全分布式和自组织的无线网络。在其中,与无线ad hoc网络和无线传感器网络,没有网络运营商或协调器节点在整个网络水平,有丰富的整个网络信息,网络性能管理的负责。因此,很难设计和部署一个集中控制机制提高了协作通信在其中。

其次,大多数节点通常是手持智能设备。资源共享的应用程序级或系统级可能开启/关闭设备持有者在任何地方任何时间。这些自治之间的协作通信节点完全依靠以人为中心的沟通会。因为所有的移动设备都由不同的人无关紧要,一个自然的问题是设备持有者是否愿意当他们与他们的邻居交流合作。D2D通信,正如我们所知,利他行为,与他人共享自己的资源,产生额外的能源消耗和效用损失存储、计算和通信。因此,它是合理的,m cn节点倾向于做出自私的决定没有有效的激励机制;也就是说,他们不与他人分享自己的资源。自私的行为会破坏合作推广价值的尝试。因此,激励机制设计以数据为中心的自组织网络,如移动ad hoc网络和车载网络,不能有效工作的参与以人为中心的网络价值,由于频繁的人工干预。

第三,移动节点的属性,如移动的可能性,速度,和方向,也大大影响了节点之间的合作。移动属性影响会议的可能性和通信节点之间的连通性。短暂的节点之间的联系使m cn高度的拓扑变量。因此,架构激励机制不能直接用于促进价值的合作,如针锋相对,声誉机制,和拍卖方案(7,8)提出了结构化网络。其中的有效激励机制设计之前,我们应该知道节点的移动性属性如何影响资源共享的行为在m cn(合作或背叛)。然而,我们所知,目前还没有全面的工作价值调查之间的关系节点的移动性和m cn的合作率。

在本文中,我们的目的并非是要设计一个有效的激励机制来促进合作的一个指定的m cn但探索合作动态广义价值,探讨影响价值的合作率的因素,而且,更重要的是,合作率之间的关系进行分析,其中的主要影响因素。解决上面的障碍,我们的合作率的主要影响因素进行分类价值分成三个类别如下。

(我)设备因素。设备因素是一把双刃剑9]。设备因素的有利方面是一个设备可能受益于与其他节点的合作,如提高网络性能,扩大其感应范围,促进特定于应用程序的性能。然而,主要设备因素的不利方面是利他的额外资源消耗产生资源共享合作,包括能源消耗、带宽损失、额外的CPU周期和内存占领。

(2)网络因素。网络因素主要来自节点的移动,包括移动概率,移动速度和方向变化。假设每个智能设备可以与多个它毗邻通信节点,同时(在本文中,我们分析D2D沟通在应用程序层。我们考虑一个节点可以与多个其他节点通信,同时;实施multiple-to-multiple D2D通信的物理层并非本文的重点)。无线通信链路的长度(或半径)和节点的密度(或人口)在网络也影响价值的合作率。

(3)人类的意志。智能设备持有者作出最终的决定,分享。假设所有的参与者在一个m cn是理性的。因此,他们做出的决定。因此,我们总是需要适当的奖励来激励更多的合作参与者(10];因此,我们可以建立一个令人满意的MSN。根据最负盛名的社会行为,如(7,8,11- - - - - -13),互惠机制导致高合作率在社交网络。这些作品表明,激励和惩罚合作行为中扮演很重要的角色。

2。贡献

考虑的三个影响因素和可能的社会困境中提到的部分1,我们的目标是找出如何以及在多大程度上合作率的影响和变化。不失一般性,我们学习上的合作动态移动人群定位的非结构化的人口,移动,和一个固定大小的区域内相互通信。突出的影响从节点的移动性,在同样的人口规模和区域大小,我们比较合作动态移动的人群与人群的静态空间结构。此外,分析更现实的情况,我们也探讨合作动力的m cn包含特殊节点的比例,这是特意放在人群中推广的合作率或降低m cn。在本文中,我们使用“囚徒困境”游戏(PDG)模型功能价值的合作行为。然后,从进化博弈理论的角度来看,我们构造一个PDG进化模型探索合作率之间的关系和主要影响因素。该博弈模型充分考虑影响因素的三种类型。我们认为,定量研究是有价值的设计有效的激励机制在其中。

我们的主要贡献在这工作如下:(我)我们合作动力学模型在其中PDG D2D通信到进化的动态模型,其中智能设备被视为理性游戏玩家/代理。我们所知,这是一种新型的工作,分析了合作动态价值考虑同时上述三类影响因素。在我们的模型中,该设备因素和人类意志parameterised回报函数、进化规则。代理(手持智能设备)应该是自私的和理性的。与此同时,他们也希望与其他代理建立互惠的关系。因此,网络因素主要是动态网络拓扑、代理商的流动属性。人口综合实验和模拟非结构化的人群展示合作的价值提出了有变化的影响因素变化时的时间。定量实验结果也表明合作率之间的关系和主要影响因素,包括密度的代理,通信范围,诱惑缺陷,和流动属性。(2)我们完全调查影响合作的价值从代理的移动性。本文我们主要关注流动属性包括移动概率和速度。考虑到m cn中的节点不改变他们的地方。我们使用新方法引入移动概率可以被视为稳定的人群,然后系统地调查合作率在不同概率,移动速度、通信半径、缺陷和诱惑。我们发现太快和太慢移动速度都由固定其他参数导致合作率低。对于一个给定的人群,可以观察到有一个最佳的平均移动速度达到最高的合作率。此外,对于一个给定的平均移动速度,人群的合作率增加当移动平均概率增加从静态情况;和合作率降低当移动平均概率不断增加从某个移动平均概率。有一个最优移动概率实现合作率最高。(3)根据我们的实验结果,我们发现移动人群的合作率很低,当人口都过于分散和密集的人群。和合作水平达到最高的一个温和的人群密度。我们还发现,在代理的合作率最高温和的通信半径。特别是,当代理人的通信半径大于或小于给定配置的适度值范围,移动人群的合作率显著下降。(iv)模拟飞机在广场上表明,合作率在一个移动的人群已经有依赖个人的行为包括移动概率,速度、通信半径、缺陷和诱惑。

3所示。相关工作

合作的形成D2D移动节点之间的通信是非常重要的一个高效合作的无线网络,这些人与他们的邻居共享数据,大大提高整个网络的性能。许多研究已经完成解决D2D网络的设计挑战,并提出了许多新方法D2D网络的形成可能的(1,3,4]。

然而,除了设计挑战,因为,所有的移动设备都由不同的人无关紧要,一个自然的问题是设备持有者是否愿意合作,他们和他们的邻居交流14]。

鉴于爆炸性增长的在线社交网络如Facebook, Twitter,和微博,一些研究使用新方法利用社会关系,促进合作D2D网络(5]。也有一些论文试图探讨公共物品游戏的合作率(HPGG)和“囚徒困境”游戏(PDG)建模协作社交网络(csn) [15,16]。

正如我们所知,随着D2D的流行可能通信模型,已被称作越来越多的群体感知和众包应用程序将被部署在人口聚集。此类应用程序的实现非常依赖移动节点的合作。大多数现有的工作节点在一个给定的空间结构和展示合作的节点在这种空间结构从进化机制的角度(17- - - - - -19]。

最近,关于人类运动的统计特性的研究引起了大量关注。与代理商在一些特定的网络拓扑结构相比,我们认为这有意义的扩展是自然和更接近真实的社交网络,考虑到个人的运动是一项基本属性和代理可能会改变他们的位置已被称作在一个典型的群体感知或众包的环境。然而,大多数研究对这个假设每个节点将所有的时间在仿真(20.- - - - - -22]。在我们的论文中,我们假定节点定位一个正方形平面上和每个节点可能转移概率。

囚徒困境(PD)游戏一直是最受欢迎的游戏模型来模拟生物系统和人类行为11,21]。像大多数对CSN的应用研究,我们也使用PDG网络上的合作D2D动力学模型。PDG D2D通信建模,每个节点可以同时选择合作或者缺陷,然后得到他们的回报。当一个节点传输数据愿意牺牲自己的邻居,我们说它选择合作,我们称之为合作者;否则,我们认为这是一个叛逃者。叛逃者意味着人只能从其他人得到他们所需要的数据和牺牲没有帮助别人。

这样的社会困境通常观察到整个人类社会。的出现和存在合作仍然是一个悬而未决的问题在生物学和社会科学(12]。音调的作品已经完成研究显示和持久的合作在自私的个体组成的人群23- - - - - -25]。在范围广泛的学科,进化博弈理论正在成为最富有成果的框架来调查这一困境。

自从诺瓦克和可能第一次显示我们进化PD出现一个简单的空间结构可以产生显著的合作(13),大量的研究来了解网络拓扑结构之间的相互作用及进化的游戏。一些自然的行为在现实世界中也介绍了同时和许多有趣的现象被观察到。我们已经知道亲缘选择等社会关系,直接互惠,间接互惠网络互惠和群体选择有可能导致合作(7]。为了刺激D2D间的合作交流,一些研究试图利用人类社会关系来解决合作问题D2D合作网络(5,26]。最近,关于人类运动的统计特性的研究引起了大量关注。最近,许多研究扩展研究进化游戏组成的移动代理系统随机位于正方形平面周围和玩游戏代理(11]。

4所示。移动人群网络模型

摘要移动人群网络研究是由移动节点。节点相遇时,伺机相互连接,共享资源。每个节点都是一个独立和理性的代理人在与他人合作。许多功能节点的影响他们的合作行为,主要包括人群密度、移动概率,速度、通信半径、缺陷和诱惑。容易理解的m cn模型中,我们列举一些重要的概念如下: :在一个游戏的玩家数量。 :方形平面的长度。 :人群的密度。 :节点的移动速度。 :节点的移动方向的时刻。 :人群的合作率。 :移动的概率。 :移动速度。 :节点在圆的位置。 :节点在一轮的回报。 :节点在一轮的策略。 :邻居的数量在轮。 缺陷:诱惑。 :反应半径。

4.1。移动人群网络

假设一个移动人群组成节点(或智能设备)内移动广场平面与周期性边界条件。最初,节点随机定位在飞机上和随机移动。他们相遇并通过D2D相互沟通交流互惠资源共享。在这里,两个节点满足意味着他们都定位在其他的通信覆盖范围。瞬时之间的连接节点动态使他们形成一个移动人群网络,m cn。

在这里,我们使用代表人群的密度。在m cn,每个节点()有一个固定的通信半径。指出所有节点的平均度。我们使用,表示的移动速度和方向的时刻,分别。在任何时候,可以接触它的邻居节点,也就是说,一组内的节点定位的通讯报道。在时间,的邻居集表示,在那里。在这里,代表之间的欧氏距离和。

在这个m cn,节点之间的合作行为是受到节点D2D通信半径和他们的合作意愿。当,我们假设可以传输数据和不能接收数据从哪来。这意味着和形成一个单向沟通。当,和可以互相传输数据和接收数据基于他们的合作意愿,这是一个双向的沟通。

4.2。“囚徒困境”游戏价值

上述合作行为在m cn可以通过囚徒困境博弈建模(PDG)的独立的节点代理的游戏。PDG每个节点中与邻国一轮轮和固定的时间内任意两个节点相遇时轮。同步所有节点选择策略和计算他们的回报。

节点自主决定合作或背叛这意味着共享或分享资源,其邻居节点。每个节点可以选择其战略:合作()或缺陷()。战略意味着分享而意味着不共享。一个节点的策略是一个合作伙伴;否则,它是一个叛逃者。合作者将不得不牺牲自己的资源;因此,合作伙伴将创建一个有利于每个邻国有自己的资源消耗。相反,一个叛逃者不会失去任何东西,但只有从合作中受益的邻居。PDG的支付矩阵可以表示为。

两个节点同时满足得到一个和回报为了共同合作和为了共同缺陷。当两个合作者相遇时,他们会选择牺牲自己利益,所以他们得到相同的回报等于从合作中获益的邻居-他们的消费选择合作伙伴。然而,两个叛逃者将什么也不做和没有接待对方,这意味着他们的回报。事情会改变合作伙伴遇到叛逃者;合作者会选择牺牲自己分享其信息的叛逃者,然而,叛逃者什么都不做只会受益于其合作者的邻居。因此,合作者的收益玩一个有缺陷的邻居将小于0,因为它将从叛逃者牺牲其资源但一无所获;另一方面,叛逃者的回报将是最大的,因为它得到它所需要的在不牺牲任何东西。很容易推断出对所有节点。因此,叛逃者总是优于合作者,因为它将获得更多的无论什么是邻国。然而,当所有节点选择策略,他们都将得不到别人的和网络的行动。情况,整个网络遭受合作率低的问题被称为社会困境(囚徒困境博弈模型首先说明了什么最适合个体之间的利益冲突和什么是最好的组织和创建社会困境27])。

探讨合作动态价值,我们模型的长期PDG移动节点到进化之间的交互。初的进化过程中,每个节点随机选择策略(或)在其初始位置。每个代理PDG扮演了一个与他们的邻居同步。在这个multiround(或multigeneration)进化游戏,一轮分为两个阶段。在第一阶段,所有节点计算并得到回报根据他们的策略。在第二个阶段,所有节点移动和选择下一轮战略。从一个节点位于不同的位置,满足不同的邻居,其策略的变化不同。很明显,从迭代pdg multiround游戏不同,因为一个节点在不同轮的比赛对手正在改变。

采用配置在进化pdg的惯例,如工作(11,21,22),我们让,,支付矩阵。可以被认为是缺陷的诱惑,。因此,我们重新调节支付矩阵。

在区间来、代理与移动速度和方向。在这里,是一个变量随机选择在第二阶段的圆的,。这意味着拓扑m cn的不规则变化。不同于大多数相关工作在移动人群/社交网络,我们使用新方法引入一个新的参数来描述节点的移动的现实可能性。当所有节点获得的回报,每个节点应选择下一轮的策略。让表示节点的回报,表示在一轮的策略。在这个进化的游戏,一个节点改变其策略根据以下机制:

(1)代理不需要改变其战略没有邻居节点圆的;也就是说,。

(2)代理随机选择一个邻居并比较与。如果,将继续下一轮战略没有改变;也就是说,。

(3)代理随机选择一个邻居并比较与。如果,采用的圆的策略,,一个概率。概率正比于收益的区别(22]。在这里,和邻居的数量吗和在轮。

值得注意的是,这种机制对multiround演化过程十分重要,因为一个理性经纪人的时候,往往会改变其策略并不满意在上一轮的回报。所有代理执行策略同步更新过程。在圆形的的合作率m cn,在那里;在这里为。

5。实验和讨论

在本节中,使用PDG进化模型,我们进行模拟m cn调查合作率变化的移动概率()、速度(),半径()和诱惑缺陷()。在我们的实验中,m cn由1000个移动节点。人群前进广场。为了避免边界效应,我们假设平面环形广场。在一个给定的,我们给代理商的半径不同的分布。我们也比较的合作动态移动人群和不同半径分布,包括统一的、正常的,指数和幂律。为了找出其他的影响,我们配置了其他三个参数作为所有代理相同的特性,然后相应地改变得到不同的合作动力。

假设代理的位置在时间(或圆形)是。在轮,是指代理人的速度和移动意味着代理的移动方向。然后,下一轮的位置是这可以很容易地计算圆环面。为了简化计算,我们让时间间隔从圆的来是1。

在模拟,保证准确性,我们收集数据的最后痕迹从50000代3000代(轮)。和每一块数据平均100运行在相同的配置下,

5.1。移动概率不同的移动速度

移动概率确定节点的稳定性和影响合作代理。分析影响合作率()从代理的移动概率(),在这个实验中,我们计算通过改变代理商的转移概率和固定其他参数,包括速度(),半径()、人群密度()和缺陷的诱惑()。这个实验的结果如图所示1。

相比之下,相关工作(11)表明,合作率可以提高下温和的价值和,在图1,我们发现整个人口的合作率也大大提高了温和和。相对于静态网络模型()用黑线在图1当让人群节点移动,一些温和的概率,在人群中合作率显著提高。

很明显,合作率减少单调增加,但无关紧要的改变。当是固定的,我们发现同时也降低了,正在增加。值得注意的是,不同速度的递减曲线(,,,)有不同的振幅。当= 0.03,仍然几乎相同,只有一个小小的减少时可以观察到增加近1。这意味着的影响与适度是有限的。但是,当涉及到更大的情况下,的影响看来,这是显示的曲线,,。看着这些曲线,可以发现的下降程度代理的移动速度增加时变得更快。和的主导地位流动只能观察到在一个相对较小的地区。基于这一发现,我们发现的影响还部分取决于代理商的移动速度。影响合作率从代理的移动概率是更重要的在一个相对较大的移动速度。

在图1,我们也意识到,当整个移动人群快速行动,就可以形成一个完美的合作网络与一个温和的转移概率,这意味着个人的人群是相对稳定的。另一方面,当人群是相对较慢的速度,速度达到一个高水平的合作虽然群众不够稳定,这意味着移动概率相对较大的影响合作比移动的速度。

5.2。人群进化动力学

捕捉一系列的快照的进化过程中,我们发现一些主要移动人群网络系统的演化特征。图2显示了模拟快照的8倍,这表明如何移动人群发展全面合作网络有一些有利条件。在时刻0[图2(一个)),这两个合作者(绿点)和叛逃者(红点)玩家随机位于方面,用同样的分数(0.5)。因为代理移动概率,每个球员的连接数量将会改变。因此,它本质上是不同于静态状态。不久之后,初始状态,图2 (b)显示系统的状态。我们可以看到一个快速减少的合作者。大多数人向一个叛逃者寻求更好的回报,除了小型集群的合作者在广场的右上角。

许多现有相关工作发现,合作者可以执行他们的成功只有在移动环境中形成集群(21]。在我们的模拟,也可以发现小合作者集群成为扩大随着时间的增长。从数据2 (c)- - - - - -2 (h),我们可以看到合作者慢慢扩展到整个广场地区基于小合作者。然后,大约3000次后的步骤合作网络,系统最终的发展。

图2表明合作者如何形成集群,然后吸引缺陷节点周围的边界,确保成功合作。为了定性解释结果生成的图1,我们评估合作伙伴的平均回报和叛逃者躺在边界。因为所有节点是理性的,他们的策略将会改变根据他们能得到多少回报。如图3叛逃者的显示,平均收益()周围的边界是0时移动概率()小于0.38;相反,合作者的回报()在边界上的最高水平。因此,在这一地区,我们可以知道他们没有住的地方(在人群中),而合作者蓬勃发展并获得最高的回报。当大于0.38,开始减少,开始增加。我们能够看到合作者的减少和叛逃者出现不断增加。有趣的是,当超过0.62,两个和往往会下降。这可能是由于持续增长的叛逃者。当叛逃者的数量足够大,那么脱北者将有更多的机会与那些也叛逃者。相比之下,大多数节点躺在有缺陷的一个合作者,事实上,这肯定会降低他们的回报。然后,在,我们可以找到合作者和叛逃者得到的回报为0,这意味着人群分为一个背叛国家,和叛逃者永远不能获得回报通过利用他们的合作者的邻居。

5.3。移动的概率在不同缺陷的诱惑

为了分析的角色移动概率,给出缺陷的诱惑的条件()变化,图4显示了我们的合作水平曲线仿真结果()作为功能缺陷的诱惑。每个曲线表明不同移动概率(),这里有四个曲线表示,,,。不奇怪,就像最经典的研究缺陷的诱惑和之间的关系进化博弈理论,值得注意的是,减少单调与增加到一个阈值,合作消失,在静态和动态状态。这是合理的,因为大缺陷意味着更强的诱惑。所有节点的人群会诱惑足够大时,缺陷。但我们可以找到各种阈值不同。当不是0,很明显,合作水平降低,而移动的概率增加。通过修复,我们发现移动的概率(成反比)。当相对较小(小于1.3),大幅提升当个人选择概率。当我们看到在图3,为总是占主导地位静态状态()。但是,对于一个更高的移动概率(,),与静态状态相比,合作率是促进在一个相对较小的地区。它是关于0 - 1.19时和0 - 1.16时。

从图4,我们发现,当给定一个温和的缺陷的诱惑,一个相对稳定的(小)人群有助于形成一个合作网络。我们也可以发现下降时,移动人群系统变得更加不稳定。同样重要的是,要注意到一个相对较小的意味着一个更大的地区可以确保合作是成功的。

5.4。人群密度和通信半径

类似于大多数相关工作,有趣的是调查的影响(人群密度),(节点的通信半径),(分别为移动速度),进化后的合作我们给移动节点的概率。

与固定和我们调查的影响在三个不同的移动概率()在图5。为了得到不同,我们改变人群的人口。显然,小意味着较低的人群密度。与工作相比(11,21,25),我们找到一个理想的地区的玩家的密度有利于合作的人群在三种不同的形式。从图4,我们可以看到,合作水平()往往是低人口时也传播(是密度小)和(大)在三个不同。出于这个原因,这两个条件是合作者很难形成集群,唯一能够执行的机制,他们的成功。当涉及到不同图中显示,不同获得不同的理想密度区域。很明显,得到了最大范围的理想密度区域,有利于合作的进化。有趣的是,当修复,较小的移动概率()占据了更大的(和)。它表明,一个相对较小的个人移动概率可以更多的合作网络。与此同时,当太大或小,群众只能得到一个完整的有缺陷的结果,这意味着等于0。

每个节点只与节点通信半径内,这意味着节点的半径()有一个重要的角色在进化游戏动态。图6显示移动人群的合作动力半径时,有四个不同的看法正在发生变化。很明显,单调随的增加而减小。然而,不同的半径分布可以引起不同的合作水平。我们可以很容易从图6。我们可以知道人群会得到一个最低的合作水平,当所有节点具有相同的半径。然而,合作率将显著改善当观众有更多的非均匀分布。幂律分布我们可以看到,这是最不均匀,得到最高的合作水平。先前的研究已经显示半径有一些重要的连接节点的移动属性(21]。从图6,我们推断不同半径的影响仍然存在在一个移动的概率分布。

在图7,我们固定其他参数以研究观点的影响半径发生变化。我们可以发现,合作者最高频率下可以获得一些温和的值(在1.0 - -1.6)。当是大于或小于这个值区域,我们观察一个人群的合作水平的明显下降。这是按照21,22]。显然,节点较少交互与小邻居和合作者不能形成集群,抵抗入侵的叛逃者。相反,大人群中,节点往往是混合不够;或多或少都与彼此,所以我们不可避免地合作水平较低。

5.5。移动速度

接下来,假设节点将概率(),我们固定其他参数对速度的影响进行调查在图8。如图4即使有不同的速度,合作水平下降,当我们增加缺陷的诱惑()。相对于静态情况下(,),值得注意的是,合作是极大地增强了玩家可以移动时速度低(例如,)。除此之外,不同的移动速度能引起不同的合作水平,和一个可以很容易地解决合作水平:。类似于图4外,我们还观察到一个较低的速度可以提高更大地区的合作者,表明低速度可以倾向于更多的合作者的生存。

6。结论

在本文中,我们研究的合作动力的典型移动人群网络D2D沟通。运用进化博弈理论,我们的合作行为的模拟和分析手机用户采取合作推广这样一个动态的,深层次的洞察与自私的自治网络用户。实验结果表明,移动用户的特性,包括速度、移动的概率,和反应半径,对合作的形成有明显影响m cn。我们也发现了一些最佳状态当群众的合作率达到最好的。(1)人群可以达成良好的合作率有一个温和的移动速度和概率,这是不超过0.5;(2)我们发现一个节点的最佳反应半径在m cn,大概是0.8到1.5在我们的模拟;(3)所示的理想人群也在我们的实验中,大概是1 - 3;(4)人群研究更高的合作率高等缺陷的诱惑时,这是合理的。这些规律是很有用的一个网络设计师设计一个m cn具有良好的性能。

相互竞争的利益

作者宣称没有利益冲突。

确认

这部分工作是支持中国NSF资助61472365,61472364,61572435和ZJNSF格兰特LZ16F020001。

引用

1. g . Fodor大肠Dahlman, . . g . Mildh et al .,“网络辅助设备间通信的设计方面,”IEEE通讯杂志,50卷,不。3、170 - 177年,2012页。视图:出版商的网站|谷歌学术搜索
2. a . Antonopoulos大肠Kartsakli, c . Verikoukis”游戏理论D2D内容在4 g蜂窝网络传播,”IEEE通讯杂志,52卷,不。6,125 - 132年,2014页。视图:出版商的网站|谷歌学术搜索
3. Shalmashi和美国本Slimane,“合作设备间通信的下行蜂窝网络,”IEEE无线通信和网络研讨会论文集(WCNC 14),页2265 - 2270,伊斯坦布尔,土耳其,2014年4月。视图:出版商的网站|谷歌学术搜索
4. l . Lei z中,c·林和x沈,“LTE-advanced操作员控制设备间通讯网络,”IEEE无线通信,19卷,不。3、96 - 104年,2012页。视图:出版商的网站|谷歌学术搜索
5. b•陈x, x锣,j .张“社会信任和社会互惠合作D2D通信为基础,”学报》第14届ACM国际研讨会上移动Ad Hoc网络和计算(MobiHoc 13)ACM,页187 - 196年,班加罗尔,印度,2013年8月。视图:出版商的网站|谷歌学术搜索
6. I.-R。陈,j .郭f·鲍,黄永发。秋,“移动ad hoc网络的信任管理偏差极小化和应用程序的性能最大化,”特设网络卷。19日,59 - 74年,2014页。视图:出版商的网站|谷歌学术搜索
7. m·a·诺瓦克“五合作的进化规则,”科学,卷314,不。5805年,第1563 - 1560页,2006年。视图:出版商的网站|谷歌学术搜索
8. d·r·埃莫和j .堡”效应的惩罚在流动人口“囚徒困境”游戏,”物理评论E,卷84,不。6、文章ID 066115, 2011。视图:出版商的网站|谷歌学术搜索
9. z汉,博弈论在无线通信网络:理论、模型和应用程序英国剑桥,剑桥大学出版社,2012年。
10. f . d . Peng Wu, g·陈,“支付你怎么好:质量已被称作激励机制为基础群体感知”学报》第16届ACM国际研讨会上移动Ad Hoc网络和计算(MobiHoc 15)ACM,页177 - 186年,杭州,中国,2015年6月。视图:出版商的网站|谷歌学术搜索
11. 梅洛尼,a . Buscarino l .命运et al .,“影响人口流动的囚徒困境的球员,”物理评论E,卷79,不。6、文章ID 067101, 2009。视图:出版商的网站|谷歌学术搜索
12. m·a·诺瓦克演化动力学,哈佛大学出版社,2006年。视图:MathSciNet
13. m·a·诺瓦克和r . m .可能“进化游戏和空间混乱,”自然,卷359,不。6398年,第829 - 826页,1992年。视图:出版商的网站|谷歌学术搜索
14. c·p·罗卡角和d·海尔宾”模型中出现的社会凝聚力的社会贪婪,移动个人,”美国国家科学院院刊》上的美利坚合众国,卷108,不。28日,第11374 - 11370页,2011年。视图:出版商的网站|谷歌学术搜索
15. c . Hauert s d·蒙特j . Hofbauer和k·西格蒙德”志愿服务为红桃皇后合作机制在公共物品游戏中,“科学,卷296,不。5570年,第1132 - 1129页,2002年。视图:出版商的网站|谷歌学术搜索
16. g .魏·朱a . v . Vasilakos毛y, j .罗和y .凌,“合作动态协作的社会网络的异构人口,”IEEE在选定地区通讯》杂志上没有,卷。31日。6,1135 - 1146年,2013页。视图:出版商的网站|谷歌学术搜索
17. l .歌曲,d . Niyato、z汉和e·侯赛因“博弈论的资源分配设备间通信的方法,”IEEE无线通信,21卷,不。3、136 - 144年,2014页。视图:出版商的网站|谷歌学术搜索
18. l . b . Di, t . Wang歌,和z汉,“激励机制为协同智能手机感知使用重叠的联盟形成游戏”《IEEE全球通信会议(GLOBECOM 13),页1705 - 1710年,亚特兰大,乔治亚州,美国,2013年12月。视图:出版商的网站|谷歌学术搜索
19. g ., A . v . Vasilakos y,和n .熊”的博弈论的方法为云计算服务公平的资源分配,”《华尔街日报》的超级计算,54卷,不。2、252 - 269年,2010页。视图:出版商的网站|谷歌学术搜索
20. h·林D.-P。杨,J.-W。帅,”移动的个体间的合作与回报预期在空间“囚徒困境”游戏中,“混乱,孤波和分形,44卷,不。1 - 3、153 - 159年,2011页。视图:出版商的网站|谷歌学术搜索
21. j . Zhang W.-Y。王,W.-B。杜,X.-B。曹,“进化移动代理之间的合作与异构视图半径,”自然史答:统计力学及其应用,卷390,不。12日,第2257 - 2251页,2011年。视图:出版商的网站|谷歌学术搜索
22. Y.-T。林,H.-X。杨,Z.-X。吴,B.-H。王”,促进合作,aspiration-induced迁移,”自然史答:统计力学及其应用,卷390,不。1,第82 - 77页,2011。视图:出版商的网站|谷歌学术搜索
23. f·c·桑托斯·m·d·桑托斯和j·m·帕切科”社会多样性促进合作在公共物品游戏的出现,“自然,卷454,不。7201年,第216 - 213页,2008年。视图:出版商的网站|谷歌学术搜索
24. h . Ohtsuki c . Hauert e·利伯曼和m·A·诺瓦克,”一个简单的规则,合作图和社交网络的发展,“自然,卷441,不。7092年,第505 - 502页,2006年。视图:出版商的网站|谷歌学术搜索
25. Z.-X。吴和p .河中沙洲strategy-migration方向和噪音的影响在进化空间囚徒困境,”物理评论E,卷80,不。2、文章ID 026108, 2009。视图:出版商的网站|谷歌学术搜索
26. k . f . Wu锣,t·张,g . Chen和c·乔,”科摩:对策论方法联合多重速率的机会主义路由和转发在非合作的无线网络,”IEEE无线通信,14卷,不。2、948 - 959年,2015页。视图:出版商的网站|谷歌学术搜索
27. 拉波波特和a . m .查马囚徒困境:冲突与合作研究,密歇根大学出版社,安阿伯市,密歇根州,美国,1965年。

版权

版权©2016邓等。这是一个开放访问分布在条知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。