本發(fā)明涉及無線網(wǎng)絡(luò)資源分配中的一種緩存拍賣策略，用來把多個小型基站的緩存空間分配給多個網(wǎng)絡(luò)數(shù)據(jù)提供商。

背景技術(shù)：
：

無線網(wǎng)絡(luò)中用戶使用移動設(shè)備接入網(wǎng)絡(luò)中請求下載數(shù)據(jù)的時候，信號需要經(jīng)過接入網(wǎng)以及核心網(wǎng)才能到達(dá)互聯(lián)網(wǎng)，而互聯(lián)網(wǎng)上的數(shù)據(jù)則同樣經(jīng)過核心網(wǎng)和接入網(wǎng)才能發(fā)送給用戶。由于鏈路較長且根據(jù)網(wǎng)絡(luò)負(fù)載的不同，傳輸帶來的延遲也不同，這樣很難保證移動用戶訪問網(wǎng)絡(luò)數(shù)據(jù)的體驗。

因為目前小型基站受到普及，且可以具有較強(qiáng)的性能，比較好的解決方案是把訪問頻率高的數(shù)據(jù)作為緩存而存儲在小型基站中。這樣如果某個用戶想要訪問的網(wǎng)絡(luò)數(shù)據(jù)已經(jīng)被緩存在附近的小型基站里，那么就能體驗到相對較快的訪問速度。然而小型基站的覆蓋面積經(jīng)常相互交疊，如何在優(yōu)化緩存平均命中率的同時避免過度冗余，成為了阻礙找到最優(yōu)解的最大因素。此外，多個網(wǎng)絡(luò)數(shù)據(jù)提供商的存在導(dǎo)致了緩存資源的競爭，目前亟需一種策略使緩存資源有效地分配給這些網(wǎng)絡(luò)數(shù)據(jù)提供商。

技術(shù)實現(xiàn)要素：
：

目前已有的方案都只關(guān)注如何設(shè)計分配方案使大量的數(shù)據(jù)緩存于有限的存儲空間中從而優(yōu)化緩存平均命中率，卻均沒有考慮多個網(wǎng)絡(luò)數(shù)據(jù)提供商的存在性，使得策略本身難以適用于真實場景。因此本發(fā)明著眼于如何制定一種策略，通過有效地利用不同的網(wǎng)絡(luò)數(shù)據(jù)提供商之間的競爭，來優(yōu)化緩存的平均命中率。

考慮有多個網(wǎng)絡(luò)數(shù)據(jù)提供商需要將各自的數(shù)據(jù)進(jìn)行緩存，而網(wǎng)絡(luò)中有若干小型基站，每個基站可以存儲一定量的數(shù)據(jù)。根據(jù)無線網(wǎng)絡(luò)運(yùn)營商獲得的統(tǒng)計數(shù)據(jù)而預(yù)測到的用戶密度分布、數(shù)據(jù)流行度以及緩存帶來的延遲減少量，網(wǎng)絡(luò)數(shù)據(jù)提供商可以預(yù)估將某份數(shù)據(jù)緩存在某個基站中能為用戶帶來的收益。該發(fā)明提出，使用多次的多物品拍賣策略可以完成數(shù)據(jù)到基站的分配過程，其中每次拍賣都將為所有基站分配一份不同數(shù)據(jù)進(jìn)行緩存，而拍賣過程中的競價就基于上述的預(yù)估收益值。

該發(fā)明不僅描述了一種易于執(zhí)行的拍賣策略使得多個小型基站的緩存資源能夠在多個網(wǎng)絡(luò)數(shù)據(jù)提供商之間被有效地分配，還能一定程度上保證無線系統(tǒng)的小基站緩存平均命中率。

附圖說明：

圖1是本發(fā)明的系統(tǒng)模型示意圖，以三個小型基站和兩個數(shù)據(jù)提供商作為例子。

具體實施方式：

本發(fā)明提出的拍賣策略包含多次的多物品拍賣，次數(shù)取決于小型基站的存儲容量。每次多物品拍賣時，將所有小型基站的一份存儲空間視為拍賣的物品，而將每份數(shù)據(jù)視為競標(biāo)者。每次多物品拍賣結(jié)束后，每個小型基站都將在上一次拍賣的基礎(chǔ)上多分配到一份不同的數(shù)據(jù)進(jìn)行緩存。當(dāng)所有的小型基站的存儲空間都分配結(jié)束后，整個拍賣過程也將結(jié)束。

對于每次多物品拍賣，其為小型基站分配緩存數(shù)據(jù)的算法流程如下：

1、初始化：由于每次多物品拍賣中，物品(存儲空間)的數(shù)量小于競價者(數(shù)據(jù))的數(shù)量，因此需要增加虛擬的物品使得物品數(shù)量達(dá)到競價者數(shù)量，且保證在估值矩陣中對虛擬物品的估值均為零，在拍賣結(jié)束后分配到虛擬物品的競價者最終不會獲得任何物品。此后，各個物品的價格均被初始化為零。

2、計算估值：根據(jù)當(dāng)前已完成的分配結(jié)果估值并計算將每份數(shù)據(jù)存儲到某個基站中能獲得的額外利益，構(gòu)成一個估值矩陣。其中為了計算估值，需要用戶密度分布、數(shù)據(jù)流行度以及緩存帶來的延遲減少量這三個數(shù)據(jù)。某份數(shù)據(jù)存儲到某基站的估值＝存儲到該基站而為該視頻增加的額外覆蓋區(qū)域面積×此區(qū)域下用戶平均密度×該份數(shù)據(jù)的流行度(被訪問概率)×進(jìn)行緩存而帶來的延遲減少量。

3、建立偏好圖：將物品視為一組節(jié)點(diǎn)，將競價者視為另一組節(jié)點(diǎn)，根據(jù)每個物品為每個競價者帶來的利潤(利潤＝估值-價格)，每個競價者節(jié)點(diǎn)都需要在圖中向能為其帶來最大利潤的物品節(jié)點(diǎn)(一個或幾個)連線，此二部圖即為所要的偏好圖。

4、尋找最大匹配：從在給定的偏好圖中的某個未匹配物品節(jié)點(diǎn)開始，使用廣度優(yōu)先搜索(BFS)尋找增廣路徑，通過將找到的增廣路徑中的匹配邊變?yōu)榉瞧ヅ溥呉约胺瞧ヅ溥呑優(yōu)槠ヅ溥叄梢垣@得一個更大的匹配。重復(fù)尋找增廣路徑直到不存在增廣路徑為止。

5、判斷最大匹配是否為完美匹配，即每個節(jié)點(diǎn)都被匹配到另一節(jié)點(diǎn)：1)若是完美匹配，則跳轉(zhuǎn)到第6步。2)若不是完美匹配，則在最近一次的廣度優(yōu)先搜索中被遍歷的節(jié)點(diǎn)構(gòu)成一個受限集。提升該集合內(nèi)物品節(jié)點(diǎn)對應(yīng)的物品價格，直到競標(biāo)者改變自己在偏好圖中的連線為止。若發(fā)現(xiàn)所有物品價格最小值非零，則統(tǒng)一在所有物品的價格上減去該值。跳轉(zhuǎn)到第2步重新估值并建立偏好圖，直到找到完美匹配。

6、此刻的最大匹配即表示了分配結(jié)果，價格則代表成交價格，算法結(jié)束。

該算法收斂性的證明：定義算法在運(yùn)行到某時刻時第m個物品的價格為并且定義此刻第n個競標(biāo)者面對其偏好的物品的潛在利潤為對所有的和求和即為潛在社會總福利，但若完美匹配在此刻不存在，則該福利值會因為過高而無法獲得。在每次為所有物品價格減去最小非零值的時候，每個減少而增加該非零值，由于物品數(shù)量與競標(biāo)者數(shù)量相同因此社會總福利不變。在每次為受限集中的物品增加價格時，每個受限集中的點(diǎn)的增加而減少同一值，然而由于受限集中的物品節(jié)點(diǎn)數(shù)量比競標(biāo)者數(shù)量多，導(dǎo)致社會總福利下降。最終具有完美匹配的偏好圖中的社會總福利一定是一個不大于初始社會總福利值的非負(fù)值，因此只要當(dāng)物品的估值表示為有限位小數(shù)時，可以通過有限次數(shù)的迭代將初始社會總福利降低到最終的社會總福利值，即算法可以收斂。