文摘
介绍了新的教育媒体平台共享教学内容相关的问题,促进学生的学习能力。然而,有几个问题分配教育资源在新媒体平台上,全球和国内。在资源方面,教学资源稀缺和个人和缺乏系统化,从而影响我们的管弦乐教育的实施和发展,在新媒体教学。关于技术,目前空缺职位在不同数据库之间的数据连接和交换资源共享平台和现有系统是用于操作。丢包率由现有技术太高。为解决这一问题,本文设计一个新的平台以及一个算法,适用于网络教学资源分配基于新媒体平台,计划管弦乐音乐专业的教学资源属性,研究资源共享博弈模型的最优解关于负载平衡和诚实分配原则在分布式异构网络的场景。实验表明,我们的策略减少网络由大量需求。结果使算法适用于创建设计,开发和部署。
1。介绍
网络教育必须由丰富的教学资源建设提供支持教学内容,促进学生学习的知识。现代网络教育必须有丰富的教学资源。无论是国际还是国内网络学院,教学资源的建设是一个高效的开放网络教育的关键;否则,网络教学资源的缺乏或系统势必影响到可用的网络教育的发展(1]。这个开放的教学资源共享方法没有采用,因为它不满足发展需求。集成、发布和互动分享教学资源缺乏完整性和可伸缩性由于信息技术的不断发展。因此,开放和分享更多的优质课程资源在新媒体环境中,如网络媒体,无疑将提供更多的学习机会和更好的学习支持服务(学习者)的一般社会成员。
传统的教学资源依赖教师的讲义和课件。教师或教材的变化可能导致原来的教学资源没有被通过。所有的老师都可以改善随着时间的推移,网络课程资源;好的资源可以通过,但新的资源也可以了。除了面对面的教学,它打开了一个独特的学习和在职学生的沟通渠道。他们可以审查或审查上的知识教在线教学平台和完整的各种实际的内容和测试(2]。学生还可以在线讨论的所有课程的教师或学生通过在线平台对于任何专业知识,他们不理解或遇到的问题在他们的工作。
随着计算机技术的迅速发展,各种新媒体的出现;采取了不同的教育模式和教学方法,提高教育的质量。然而,每个资源平台有其阵列和标准缺乏统一管理,从而无法实现完整的资源共享。从技术的角度来看,不同的平台上使用不同的计算机设备、网络设备、系统,形成了一个异构网络。与一个单一的网络相比,异构网络有丰富的网络服务,更复杂的通信环境,网络状态和用户需求的变化。各种网络技术的不同建筑,底层访问技术和实现方法。这一点,加上用户需求实时的和可变的特性,提出了一个相当大的挑战在异构网络高效的资源整合。传统的无线资源管理机制为单一的网络需要各种接入技术独立工作根据资源管理算法。唯一的目的是为用户提供的服务质量保证终端参与网络。在异构multinetwork共存的情况下,各种无线接入技术在传输速率显著不同,稳定性和流动性支持通过整合不同的接入网络架构。 Mobile users should meet the quality-of-service requirements in different scenarios and improve the utilization of network spectrum resources.
异构网络无线资源共享管理考虑用户的移动性、网络资源的多样性、服务特点、网络效率,和其他因素。他们评估每个异构网络和用户参与服务的独特资源和对待个人可用资源作为集团的一部分资源。用户可以选择出租或分享所有的集团资源系统中,以便用户和网络可以积极参与协调分配无线资源和建立一个混合网络资源管理模式3]。目的是更好地利用系统资源,扩大网络容量,扩大网络覆盖,提高信道资源利用率和用户服务质量,适应网络环境变量,实现网络和用户的双赢的局面。同样,异构网络融合的必然结果是用户操作,市场需求和技术发展;如图1,异构网络共存,形成典型的部署不同的访问技术(4]。因此,用户提供的资源共享优化技术研究是一个优化和升级研究异构网络资源共享管理的解决方案。它的目标是解决现有研究的缺陷,提高异构网络资源共享的优势,为用户提供更加便利和有效地选择和服务。等传统策略与系统能量效率优化,用户提供的资源共享优化算法研究主要关注使用以下:(我)用户升级到网络用户的资源(2)自组织参与协调和资源分配(3)设计最优资源共享和分配策略从多个视角来实现更好的通信服务
其余的研究结构如下:部分2解释了在这个研究论文相关工作。它是被跟踪的方法部分3。部分4描述了算法的实现,而部分5描述了仿真结果和分析。最后,结束语部分中解释6。
2。相关工作
管弦乐网络被用来保证数据共享在几个平台多年。研究人员已经提出了几个相关的工作来提高智能和安全的共享资源在不同的媒体,随着时间的推移,这些网络不断更新。部分是基于现有文献部分提出了相关工作。
2.1。教学资源共享的现状
教学资源没有往日与适当的共享和安全的媒介。但是现在,在这个先进的时代,事情正在改善,网络也是如此。他们有效地执行,并比传统的更好的使用。但是仍有一些需要克服的挑战。以下是当前教学资源共享网络的缺点。
2.1.1。缺乏统一的标准,新媒体平台的课程资源
建设标准、规范和流程的每个新媒体平台是独立的课程资源,形成自己的系统。这些标准是必要的网络标准所需的任何资源共享平台。缺乏统一的教学资源建设标准相当于“关闭”教学资源的建设与不同标准和高质量的内容,不能共享的平台(5]。
2.1.2。缺乏统一的平台管理的资源
很长一段时间,缺乏频繁的沟通和各种课程资源的建设在新媒体平台上导致了教学资源的同质化,缺乏相互识别机制和访问教学资源管理系统,渠道和无法共享数据信息,以及数据仓库的形成,导致资源的低利用率和资源共享的效果差5]。
2.1.3。缺乏统一的资源共享平台
每个新媒体平台建立了自己的数字化教学资源平台,缺乏一个统一的共享平台;教学资源不是“开放”和“共享”,和教学知识,教学工具和教学方法分散(5]。
建立一个强大的平台,分享课程资源在各种新媒体平台上,弥补短缺资源平台之间的一种方式发展优质教育资源。
2.2。资源共享优化算法
学者们越来越多的关注他们的研究资源共享优化算法,取得了良好的效果。它总结了以下优化方向基于一些关键的文献研究结果。
2.2.1。分布式资源共享游戏算法
博弈论已经成为常用的方法在资源共享的研究,尤其是在分布式异构网络的场景。它减少了信息收集的集中优化,允许用户参与资源的动态管理。这使得网络拓扑的扩张,提高系统性能,并提供了更加灵活和方便的服务。例如,斯坦伯格模型运营商和用户之间的互动游戏。也检查运营成本的影响,网络覆盖区域,空间重用和用户竞标网络和用户在游戏中算法性能。Hamouda(2022)调查了节能对异构网络频谱共享和功率分配问题与认知能力。它制定节能资源分配问题认知无线网络作为博弈论的异构问题模型(6]。
游戏的效用函数在每个级别考虑能源效率和使用梯度迭代法解决了最优解。文献[7]研究了分布式动力模型鼓励用户分享可用资源,优化用户的访问来帮助和共享资源。能耗建模使用虚拟货币策略作为纳什讨价还价的博弈模型。资源共享的纳什最优解是通过解决讨价还价的优化问题。拍卖的方法也已经提出了在文献[8使用动态频谱接入技术,为二级市场分配频谱资源,可以出售或出租和共享频谱资源,和专用的用户有权对资源的竞争。
这个文献表明,当前的研究主要集中在提高资源利用率和传输能量消耗在异构网络优化副载波和功率分配有效利用用户的空闲资源和能耗节省下载。然而,大多数研究忽视用户的主动参与游戏资源共享。他们无法避免自私和贪婪行为和恶意竞争网络内的用户,这将导致不均匀的负载在网络和降低服务性能。因此,分布式资源共享算法优化的核心是让用户愿意参与资源共享服务,确保相对合理和网络资源的有效配置,并控制互联网络负载和传输分配过程中能源消耗。
2.2.2。分析基于光谱异质性
大多数研究在资源共享忽略频谱变化对资源配置的影响。他们总是假定用户之间的信道条件是一致的,所有可用的通道是nondifferentiable有关用户服务,和这些假设并不理想,在实际场景与多个访问异构网络中的条件。在最近的研究结果,研究人员认为通道载波频率变化的频谱分配通过研究载波频率对用户通信的影响范围和相互干扰的关系在空间传播模型相同的传输能量(9]。但是没有考虑用户信道之间的差异性需求,也有研究网上拍卖(10),以反映用户频谱需求的差异在时域但不考虑资源的不同渠道本身的质量。
它研究了负载平衡方法是面向异构光谱,网络侧收集负载信息和用户吞吐量最大化推导出并联概率,考虑到资源传输通道的异质性和表达异构无线接入网络的静态速率分配问题作为加权讨价还价的游戏框架,协作传输流量和控制网络负载平衡(11]。从实验结果可以看出,尽管这些算法基于光谱异质性分析有一些性能改进,没有一个单一的视角考虑光谱差异可以达到满意的资源分配的结果。目前大多数的研究依赖于第三方平台(或中央控制)(12),集中控制方法容易自私和贪婪行为。它会导致失真模型,平衡误判,扭曲和机制问题,如模型,平衡误判,机制的失败,不受控制的分布。当前研究的核心是同时考虑到频谱资源和用户需求的差异,提高信道利用率和用户服务满意度,和设计灵活、公平、和实际资源共享优化策略。
2.2.3。基于网络的干扰协调分析
多层异构网络的用户设备更为复杂和多样化。用户移动性和网络状态的不确定性使得用户网络资源共享过程中受到不同程度的干扰,导致网络资源状态的变化。这将导致该地区资源的分布不均,甚至导致网络瘫痪,影响资源共享的合理公平的结果。因此,网络干扰协调算法已经成为网络资源共享优化技术的一个研究热点。
学者先后提出了一些优化方案,诸如干扰对齐,多点协作和联合处理(13),所有这些都强烈依赖于环境信息等网络资源。干扰对齐是一个线性预编码技术,试图使干扰信号,频率,或空间。多点协作提供网络通过几个节点。联合处理指南提供一个高级的方法使档案材料可访问在一个开放、高效和可持续发展的网络。通过实验,14)发现,如果网络状态信息资源共享交付期间受损,系统容量有限,即使网络终端全面合作。
不能取得预期的结果。同时,当使用集中式处理时,大量的网络状态信息收集系统的负担,影响传输效率,导致网络负载不平衡,改善总体性能无关紧要的。因此,为了确保异构分层网络的优势发挥,当务之急是解决用户网络状态变化的影响在资源共享系统中的资源分配的结果。
有些是这类研究的关键问题,提出了若干问题。如何调整资源分配策略基于实时用户网络信息?如何确保每一层网络的不同层次的要求吗?什么研究减少相应的分布式的信息收集和集中计算同时减少同一层的影响或跨层干扰用户服务和保证灵活、公平、高效资源共享结果?本文地址上面的查询和提供了一个管弦乐网络算法来解决这些问题。
3所示。提出的方法
分布式频谱资源共享服务是一种新的动态资源管理技术与低成本和高效率。在分布式场景中,用户可以参与积极管理自己的资源,这有助于缓解网络拥塞和满足用户的通信需求。分布式频谱资源共享服务旨在积极鼓励用户分享网络资源闲置,这将是合理的和有效的资源分配和管理根据不同用户的需求;同时,博弈理论进行了研究,发现这是一个明智的冲突与合作,数学模型是适合解决问题的贪婪和自私用户频谱资源共享过程中的合作和竞争。博弈论是占主导地位的资源共享研究方法(15]。通过分布式资源共享游戏算法的研究文献中,基于博弈理论的分布式频谱资源共享服务。这是一个精心设计的激励机制对提高用户参与服务计划,以确保用户之间的信息共享的诚实和可靠性,同时避免自私贪婪和恶意用户在网络之间的竞争。服务性能保证。因此,在分布式game-theory-based频谱共享算法的优化过程中,应确保网络资源利用率,应该改进激励机制来提高用户参与。网络拓扑需要扩大和进一步研究网络和用户的效用受负载变化的影响,以避免资源的分布不均和负载平衡的控制。
我们的工作已经扩展到分布式频谱资源共享算法基于博弈论的优化问题。主要优化目标是设计激励机制来避免自私和恶意用户之间的竞争,同时提高他们的主动参与服务。另一方面,研究分布式资源共享游戏算法,合理控制网络负载而维护用户需求和网络性能。首先,用户之间的频谱资源作为一种新的网络访问方法,用户升级到网络,介绍了虚拟货币系统,并考虑用户效用和传输能耗建立数学博弈模型对网络选择的混合资源。同时,保证金的概念在游戏过程中,提出了一种新的保证金激励机制设计,负载和开销之间的关系建模,虚拟货币的输入和输出是用来反映了网络负载压力。它可以防止用户自私的恶意竞争,考虑到独立的下载情况,比较和分析这算法开销的影响,能源消耗、资源效用和网络负载变化。
3.1。网络体系结构模型
考虑一个异构无线网络的场景在一个蜂窝覆盖区域移动用户的集合代表服务提供商参与资源共享,能够升级到潜在用户的网络;他们可能直接交互通过网状网络N,在无线是直接链接的集合通过访问技术,如wi - fi和蓝牙连接(16]。网状拓扑结构是一种网络所有节点合作分发数据。这种拓扑是30多年前开发的军事应用,但它通常用于家庭自动化,智能空调控制,和智能建筑。选择是基于其有效的其他网络性能和安全性。网络架构模型如图2。
在每个阶段,用户可以把一个或多个角色:一个客户机节点(消费数据),一个中继节点(路由数据到其他用户),或一个网关节点(直接从网上下载数据)。效用函数B是一个积极增加凸函数的下载或传送的数据量。效用函数的凸性模型用户的边际效益的变化因为数据消费满意度。根据他们的要求和网络环境中,不同的用户有不同的效用函数。该实用工具下载或传送的数据量成正比,但它浸透一旦达到最大预测数据或相应时间会话。
用户需求是第一个定义包含一个需求指标,下载预算,预计所需的资源数量。指标包括预期吞吐量的需求t,延迟d,抖动值r(17]。效用函数可以表示为一个函数的数量的商品或服务包,通常表示为U(X1,X2,X3,Xn)。效用函数结合性能标准,如带宽、成本和信号强度。它的数学关系ω如下: 在哪里是用来反映用户的需求敏感性指标(18]。这种敏感性是由指标和当前网络状态的需求。更重要的需求之间的差距和当前网络指标,其值越高。
任何节点提供的服务我到节点 在网络。 :表示从互联网上下载的数据量直接由用户我。 :的数据量传递给邻居j由用户我作为一个继电器。下载矩阵: 。路由继电器矩阵: 。
交通数据传输节点的平衡方程的存在米(19:总节点的数据总和我传送或下载米等于数据输出到下一个节点的数量,即。,以下方程:
每个链接只能处理一定数量的数据。所有的转播和下载数据的数量在任何节点不能超过最大容量。存在的约束
同时,该系统具有能耗关系模型如下:
反映了每个用户的能源预算,和各种移动设备可能以不同的方式消耗能量。例如,一些用户可能愿意花费几乎全部的精力分配,但其他人可以选择消耗更少的能量。因此,我们现在C严格凸,积极和特定于用户的能源消费偏好函数。当用户的能源预算是筋疲力尽,其价值趋于无穷时,表示如下:
反映了用户的敏感性我能源消耗。
3.2。分析这个问题
让问表示用户的利益我参与资源共享。收益=效用函数用户要求的数据量我(下载+继电器)直接从网上下载数据的开销(其他用户传送)能源数据传输的成本。以下方程给出了目标函数: 在哪里 代表下载向量; 是路由向量,用户在哪里我传输数据 外面的;它是数据传输从外部用户我。从(6),如增加,用户我自己的效用增加。然而,同时下载开销和能量消耗增加,因此,整体的好处我可能不会上升。另一方面,用户的广泛使用我减少作为代表进一步的用户下载的数据量米能源消费的增加,成反比航线下游邻居。没有激励继电器或下载其他用户的数据米除非当前用户补偿。当前的包含两个部分:满足用户所需的数据量的效用(在赛前确定);第二部分是对另一个用户传递的数据量米。这部分不是事先定义,将根据薪酬调整措施由另一个用户米。用户不确定这个过程,但它是一个interuser游戏过程。
一个激励机制引入了虚拟货币系统分类和资源价格同时增加用户的分享和传递动力资源,确定哪些用户应该分享多少资源,最大化吞吐量,并确保负载平衡。激励机制可以指导如何不同的用户共享资源以及如何补偿用户,也就是保证资金激励机制。
一些传统算法的蛮力算法,递归算法,只包括一个固定的激励,不调整资源分配根据每个节点的情况,这可能会导致某些节点的贪婪和自私行为可能超载节点,因为他们有更多的资源共享资源的整体效益。资源过程中游戏用户,系统中的每个节点需要灵活的资源分配的影响下保证金机制,改善激励机制,增强灵活的分配,使系统中每个节点的负载(即定义为负载的比例等于当前的资源由用户链接)的最大传输承载能力中等。
然而,这个游戏过程中有两个问题:(1)当前用户可能无法直接奖励其他用户通过提供类似继电器或下载服务期间,当他们从其他用户(即接收服务。,不愿帮助)。(2)上述两种情况,有必要时既要考虑获得独立下载,即。,用户将不会下载其他用户数据 ,最好的下载政策当独立下载不参与资源共享。它不接收相邻的接力传递数据 。目前,目标函数 。其目的是严格凹,紧凑和凸集非空的约束。它有一个独立的解决方案,来表示 ,在哪里年代表明独立,其性能将被用作比较的基准。
介绍了虚拟货币系统鼓励用户参与资源共享。即使他们无法参与路由或下载服务,用户使用服务和协作。用户仍然可以受益于共享通信资源灵活地通过一个讨价还价的过程,即使他们没有通信需求。 表示用户支付的价格我用户j交付的数据链接 ; 商品价格的数据 ;价格矩阵 ;每个用户的保证金预算 。
用户的数量的虚拟货币在比赛结束 的参数 捕获用户虚拟货币的重要性我,即,我treflects her expectation of utilizing virtual currency in the future. For example, a user who does not intend to participate in the service does not place much importance on virtual currency, and the corresponding将接近0。当然,在这篇文章中,用户分享的愿望越高,将货币增益就越高。摘要被定义为折扣之前收到的保证金支付资源和虚拟货币的价值,以反映用户的欲望参与共享资源服务吗 。
3.3。押金(定价)激励机制
用户申请资源相应的押金给资源提供者根据资源的数量。当用户发送资源提供者成为资源请求在接下来的事务,他们可以支付保证金相应提供的服务。鼓励用户主动分享资源,让资源较低的投资。
的欲望以下两个因素有关:(1)押金提供收到的共享网络(2)网络负载 在哪里由用户获得的资源的数量我,然后呢是资源共享的数量。
后收到的保证金提供网络共享资源 : 在哪里成正比的继电器共享资源和占用资源的数量成反比,的偏好,根据系统资源共享的效率(20.计算后,分享的欲望,是一个严格凹,积极功能的负载,当网络中的负载方法的极限,分享的欲望会无限,这既能提高用户分享资源的动机和缓解高网络负载的问题由于自私贪婪的用户。
4所示。算法的实现
的管弦乐的基于网络的算法计算方程在前面的小节将讨论在本节中实现。的软件,实现将所需的代码下提出了算法1标签。讨论了如下一些方程和数学约束。
讨价还价的问题可以表述如下:
流平衡约束
链路容量约束
虚拟货币赤字约束
可行性约束
没有用户收入减少参与资源共享,假设所有用户参与的动机是资源共享过程在每一个时期,保证虚拟货币系统,特别是保证 。
W网络付款约束,散度的获得是独立的和性能实现用户和标准化的虚拟货币最初拥有没有参与资源共享。
这谈判困境只有一个最佳答案。证明:由于目标函数的组合(严格)凹函数,它纯粹是凹的,此外,约束集是紧,凸,和非空的,而对数参数非零。目标是一个凸函数如果最小化或凹函数最大化。因此,这个问题总是有一个独特的解决方案。
4.1。分布式游戏算法解决方案的想法
在使用一个分布式的方法有两个问题来解决谈判问题。首先,决策变量的约束是加上不同的用户,即。,each user’s routing decision should consider the capacity constraints of its neighboring nodes; second, the objective function is coupled, i.e., the objective log component corresponding to each user I is influenced by its neighbors’ choice variables. The auxiliary variables are called artificial variables and are different from surplus ones. They are used preferably on the global variables as they perform well (proven experimentally). The transformed problem is associated only with the constraints and can be solved by the original pairwise Lagrangian decomposition.
解决方案:引入辅助变量矩阵。每个用户都可以选择自己的下载、路由和支付因素,单邻居利用路由和支付决策辅助变量。因此,变量可能聚合为每个用户,要求每个用户只是当地的选择。放松约束分别介绍了拉格朗日乘数法。拉格朗日函数的定义
简化后,使用原始变量的梯度计算和更新获取拉格朗日乘子迭代公式。 在哪里 正确选择一步迭代t。在接下来的周期,每个用户更新两两变量转移给邻居,他们将使用优化的主要变量。这个讨价还价问题的目标是严格凹,约束是封闭的,非空的,凸。因此,该算法收敛于最优解如果阶跃函数是正确选择和使用的梯度乘数迭代公式是有界的。最优选择迭代的迭代步骤必须获得实验(21]。算法允许参与共同决策的用户,和全球信息统一是通过信息网络和用户交互。
5。仿真结果和分析
在本节中,一个基本的系统设置,假设网络中存在三种访问方法:移动4 g LTE, wi - fi,系统参数遵循相关的试验研究[22]。在这项研究中,一组6用户随机放置在一个地理区域,被认为是研究资源调度的交互在定义的时间。每个用户的网络带宽取决于移动4 g LTE,或使用wi - fi连接,平均96 Mbps的速度为4 g网络,为LTE 50 Mbps, 18 Mbps的wi - fi。此外,在实践中,干扰和网络中的拥塞影响网络的足够的容量,即。,assuming direct communication between users using Wi-Fi, the communication rate between two users decreases with their Euclidean distance. When the distance exceeds a certain distance, the rate is zero. The maximum amount of data transmitted by a link within the network is denoted by 。
数据传输所需的能量由移动设备相关的数据的大小和功率;能源消耗也受到信道条件和传输速率的影响。通常情况下,无线传输能量消耗(每兆字节)小于LTE传输和4 g,假设一个用户的平均能源消耗与4 g网络 ,LTE连接 ,和wi - fi连接 。无线链接,假定每兆字节能耗随着距离的增加(Lv和Ke, 2020)。
每个用户都有一个对数效用函数 满足边际收益递减的原理,用参数捕获不同的用户的通信需求。同时,担保的规模偏好的虚拟货币分享的欲望设置为0.3。不同地区的最后数据定价取决于价格和无限的蜂窝数据设置为用户的计划 。一个初始虚拟货币押金预算为每个用户建立了1;最后,算法跳出条件值 。
首先,它被认为是用户访问,这样用户1 LTE连接,用户2没有任何互联网接入,用户3和4有4 g访问和用户5和6有无线上网。用户的网络容量、能量消耗和定价参数如上所述。在这个实验中,我们首先记录单个用户的变化(4 g)效用。用户效用逐渐增长的过程分布式频谱资源共享游戏用户,顺利和实用价值趋于最大值的游戏(如图3);第二,我们比较了个人用户。平均的总收益是100多个试验在不同的位置和用户之间的距离(如图4)。我们观察到分布式游戏解决方案提高了用户利益总数的10%,相对于独立下载解决方案。相比之下,集中解决方案可能减少对一些用户的总收益与独立的解决方案相比,反映分布式游戏的公平的优势。
接下来,我们模拟一个场景,4 g无线用户选择下载和共享资源。当无线链接是拥挤和4 g接入成本很低,下载资源(图更有吸引力5)。的能源消耗4 g用户传输数据无线网络用户的增加,无线用户的下载获得数据减少。另一方面,当4 g用户有足够的链接资源,面对负载,保证资金压力,用户将更倾向于共享数据资源(如图6)。比赛结束后用户之间资源和定价,用户共享的资源将稳定相对于资源定价因为4 g数据价格增加。总预算约束不能弥补无线用户的虚拟货币;4 g用户不会将数据发送给无线用户发送数据;和网络中的数据流量趋于平衡。
我们还考虑了单个用户在异构网络场景中,比较传统的激励机制方案的影响本文的押金激励机制方案对用户负载平衡(如图7)。我们在每个迭代记录网络负载压力在资源共享游戏,t迭代次数和吗 是定义的网络负载。我们可以看到,采用保证金激励机制后,网络负载波动明显低于传统的激励机制。变化明显小于传统的激励机制。
传统的激励机制可能超过一个网络链接的最大容量在比赛过程中,这很容易导致网络瘫痪。相比之下,基于押金的分布式游戏激励机制控制网络的负载平衡,避免自私和恶意用户之间的竞争,并确保它的公平原则基于网络的整体效益最大化。基于研究结果,可以得出结论,该系统几乎可以实现和部署。
6。结论
本研究调查的最佳解决方案资源共享博弈模型的负载平衡和诚实分配原则在异构网络分散的情况下使用交响乐在新媒体资源共享。首先,用户效用和传输能耗模型建立了在异构网络场景中,保证金激励机制的优化问题提出了传统激励机制的缺陷,介绍了虚拟货币系统,网络负载和开销之间的关系建模。那么用户利益最大化的目标函数解决了利用凸优化等理论和分离辅助变量。最后,它可以通过数值模拟证明了分布式资源共享游戏算法基于押金激励机制可以提高用户的效用。同时,获得高于独立下载和比集中操作更合理的分配方案。的性能比较与传统激励机制达到很好的改善网络负载。它可以避免负载压力差引起的贪婪和自私行为的用户。它可以防止过度负载压力差,甚至造成网络瘫痪贪婪和自私行为的用户,有效地控制网络负载平衡,灵活地调整资源分配策略。
数据可用性
使用的数据来支持本研究的发现可以从相应的作者。
的利益冲突
作者宣称没有利益冲突。