基于虛擬積分激勵(lì)的內(nèi)容部署方法①

張 云,鄭 嘯,黃 溯

1(安徽工業(yè)大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院,馬鞍山 243000)2(安徽馬鋼自動(dòng)化信息技術(shù)有限公司,馬鞍山 243000)

移動(dòng)自組織網(wǎng)絡(luò)中,節(jié)點(diǎn)間的通信總是依賴于其他節(jié)點(diǎn)轉(zhuǎn)發(fā)到達(dá)目的地,若將內(nèi)容部署在網(wǎng)絡(luò)中適合位置的節(jié)點(diǎn)上,則可以很大程度上增強(qiáng)網(wǎng)絡(luò)性能,提高服務(wù)效率[1].現(xiàn)實(shí)中節(jié)點(diǎn)都是理性的,一般情況下難以與其他節(jié)點(diǎn)分享自身資源或耗費(fèi)自身資源去進(jìn)行內(nèi)容部署[2].在這種情形下,如果沒有一種激勵(lì)方式去鼓勵(lì)節(jié)點(diǎn)間的合作,節(jié)點(diǎn)是不愿意與其他節(jié)點(diǎn)合作進(jìn)行內(nèi)容部署的,即節(jié)點(diǎn)的自私特性.這些自私節(jié)點(diǎn)卻依靠其他合作節(jié)點(diǎn)來轉(zhuǎn)發(fā)自己的數(shù)據(jù).節(jié)點(diǎn)的自私行為導(dǎo)致網(wǎng)絡(luò)性能下降,也可能導(dǎo)致多跳網(wǎng)絡(luò)通信失敗[3,4].為了增強(qiáng)網(wǎng)絡(luò)性能,提高服務(wù)效率,降低內(nèi)容部署成本,有必要通過激勵(lì)方法鼓勵(lì)節(jié)點(diǎn)合作,降低節(jié)點(diǎn)的自私性.

本文使用了一種有效的激勵(lì)方式去鼓勵(lì)節(jié)點(diǎn)合作.首先,介紹了內(nèi)容部署和激勵(lì)機(jī)制的相關(guān)技術(shù);其次,闡述了基于虛擬積分激勵(lì)機(jī)制的內(nèi)容部署;最后,通過仿真實(shí)驗(yàn)表明本文方法的優(yōu)越性.

1 相關(guān)工作

1.1 內(nèi)容部署

在網(wǎng)絡(luò)中將內(nèi)容部署在合適的節(jié)點(diǎn)上,可以增加網(wǎng)絡(luò)的靈活性,提高應(yīng)用的響應(yīng)時(shí)間,改善網(wǎng)絡(luò)的擁塞問題[1,5].目前,解決內(nèi)容部署問題的主要是分布式的方法.Pandit[6]則使用了分布式算法,在復(fù)雜度為O(logn)的情形下解決了Jain等人[7]提出相同復(fù)雜度的原始-對(duì)偶方法.Oikonomou等人[8]將鄰居跳遷移部署應(yīng)用于一個(gè)或者更多的內(nèi)容部署中,可以解決分布式和低復(fù)雜度k-中值問題的近似解,且k＞1.Smaragdakis等人[9]就利用r-跳轉(zhuǎn)遷移部署策略有效地解決了內(nèi)容部署問題,初始服務(wù)內(nèi)容可以根據(jù)當(dāng)前網(wǎng)絡(luò)的情形自適應(yīng)的遷移到最佳位置,并且根據(jù)當(dāng)前需求盡可能地減少進(jìn)行內(nèi)容部署的開銷,它可以增加或減少服務(wù)內(nèi)容的數(shù)量.Stavrakakis等人[10]通過分布式的方法用一種新的啟發(fā)式方法解決內(nèi)容位置的優(yōu)化問題.

本文考慮的是r-跳轉(zhuǎn)遷移部署策略無容量限制的內(nèi)容部署問題,主要解決內(nèi)容部署中的位置UKM(uncapacitatedk-median)和數(shù)量UFL(uncapacitated facility location)兩個(gè)問題[9,11].

UKM問題:解決網(wǎng)絡(luò)中部署內(nèi)容的節(jié)點(diǎn)的位置問題,盡量減少訪問用戶與能提供服務(wù)的節(jié)點(diǎn)之間的距離,將內(nèi)容部署在網(wǎng)絡(luò)中的最佳位置節(jié)點(diǎn)上.

UFL問題:解決網(wǎng)絡(luò)中進(jìn)行內(nèi)容部署的節(jié)點(diǎn)的數(shù)量問題,在網(wǎng)絡(luò)中內(nèi)容部署在過多的節(jié)點(diǎn)上雖然可以提高網(wǎng)絡(luò)性能,但容易造成資源浪費(fèi),如果將內(nèi)容部署在過少的節(jié)點(diǎn)上又容易造成服務(wù)質(zhì)量的降低,所以適當(dāng)?shù)夭渴饍?nèi)容節(jié)點(diǎn)的數(shù)量對(duì)網(wǎng)絡(luò)的性能及成本有直接的影響.

1.2 常用的激勵(lì)機(jī)制

對(duì)于內(nèi)容部署的研究前提假設(shè)節(jié)點(diǎn)是合作的,但這在現(xiàn)實(shí)中節(jié)點(diǎn)是理性的,為了降低自私節(jié)點(diǎn)對(duì)內(nèi)容部署過程的影響,本文在內(nèi)容部署過程中引入了激勵(lì)方法.當(dāng)下對(duì)激勵(lì)機(jī)制的研究主要分為四類:基于博弈論激勵(lì)[12]、虛擬積分激勵(lì)[13]、社交關(guān)系激勵(lì)[14]以及混合激勵(lì)[15].這些激勵(lì)方式都滿足參與者的某些需求而達(dá)到激勵(lì)的效果.

基于虛擬積分的激勵(lì)方法是用戶通過參與網(wǎng)絡(luò)中的任務(wù)而獲得虛擬積分(即一種假想的獎(jiǎng)勵(lì),貨幣等),當(dāng)行動(dòng)和獎(jiǎng)勵(lì)不同步時(shí),虛擬積分可以很好地調(diào)動(dòng)用戶的積極性,特別在多跳無線網(wǎng)絡(luò)中的包轉(zhuǎn)發(fā)情形中,虛擬積分也可以用于換取其他獎(jiǎng)勵(lì).

Chuang等人[16]用虛擬積分補(bǔ)償來自其他節(jié)點(diǎn)的數(shù)據(jù)轉(zhuǎn)發(fā)所消耗的資源.而所獲取的虛擬積分可以用于轉(zhuǎn)發(fā)自己的數(shù)據(jù),補(bǔ)償給幫忙轉(zhuǎn)發(fā)的中間節(jié)點(diǎn),激勵(lì)它們幫忙轉(zhuǎn)發(fā).而不合作的節(jié)點(diǎn)則不允許使用網(wǎng)絡(luò),不會(huì)獲得虛擬積分.Zhong等人[17]使用虛擬積分來解決移動(dòng)自組織網(wǎng)絡(luò)中自私節(jié)點(diǎn)的路由問題.在該方法中,發(fā)送方如果要發(fā)送數(shù)據(jù),則必須使用一定的虛擬積分,以替代中間節(jié)點(diǎn)幫忙轉(zhuǎn)發(fā)的成本.Buttyán等人[18]介紹了一個(gè)稱為nuglet的虛擬貨幣,為了激勵(lì)節(jié)點(diǎn)合作而運(yùn)用到移動(dòng)自組織網(wǎng)絡(luò)中.

2 加入激勵(lì)機(jī)制的內(nèi)容部署分析

本文在研究移動(dòng)自組織環(huán)境下的內(nèi)容部署基礎(chǔ)上融入了虛擬積分的激勵(lì)方法,該情形下的內(nèi)容部署是基于設(shè)備選址問題又不同于傳統(tǒng)的設(shè)備選址問題,文中的內(nèi)容是部署在網(wǎng)絡(luò)中合適的節(jié)點(diǎn)上.本文通過節(jié)點(diǎn)的度的值來反映節(jié)點(diǎn)與網(wǎng)絡(luò)中其他節(jié)點(diǎn)合作的可能性.

2.1 基于虛擬積分的激勵(lì)機(jī)制

因?yàn)楣?jié)點(diǎn)是理性的,本文將節(jié)點(diǎn)分為兩種狀態(tài):空閑狀態(tài)和忙碌狀態(tài).在進(jìn)行內(nèi)容部署之前需要對(duì)節(jié)點(diǎn)進(jìn)行訪問,當(dāng)節(jié)點(diǎn)在空閑狀態(tài)的時(shí)候可以直接進(jìn)行服務(wù)部署,但當(dāng)節(jié)點(diǎn)為忙碌狀態(tài)的時(shí)候,需要判斷節(jié)點(diǎn)是否愿意配合網(wǎng)絡(luò)進(jìn)行內(nèi)容部署.

基于激勵(lì)方法的內(nèi)容部署研究的主要目標(biāo)是在網(wǎng)絡(luò)環(huán)境下激勵(lì)用戶節(jié)點(diǎn)積極參與內(nèi)容部署活動(dòng),增強(qiáng)網(wǎng)絡(luò)性能,提高用戶使用效率.激勵(lì)機(jī)制可以用以下模型表示:

內(nèi)容部署激勵(lì)機(jī)制(Incentive,I),即通過某種激勵(lì)方式(Mechanism,M)在節(jié)點(diǎn)集(V)中確定的服務(wù)內(nèi)容數(shù)量(k),并結(jié)合服務(wù)需求(s)達(dá)到節(jié)點(diǎn)在進(jìn)行內(nèi)容部署時(shí)所消耗的服務(wù)費(fèi)用成本(C)最低.

激勵(lì)機(jī)制還可以用以下模型表示:

內(nèi)容部署激勵(lì)機(jī)制(Incentive,I),即通過某種激勵(lì)方式(Mechanism,M)在節(jié)點(diǎn)集(V)中確定服務(wù)內(nèi)容數(shù)量(k),并結(jié)合服務(wù)需求(s)以及服務(wù)成本(f)達(dá)到節(jié)點(diǎn)在進(jìn)行內(nèi)容部署時(shí)所消耗的服務(wù)費(fèi)用成本(C)最低.

在該情形中,節(jié)點(diǎn)具有自私性,但是當(dāng)網(wǎng)絡(luò)給予節(jié)點(diǎn)一些虛擬積分用于彌補(bǔ)節(jié)點(diǎn)在進(jìn)行內(nèi)容部署時(shí)的資源消耗,節(jié)點(diǎn)可以從忙碌狀態(tài)轉(zhuǎn)移到空閑狀態(tài),然后進(jìn)行內(nèi)容部署.本文節(jié)點(diǎn)所獲得的虛擬積分收益可用于后期獲取網(wǎng)絡(luò)資源,節(jié)點(diǎn)的虛擬積分值越大,享有的獲取資源的優(yōu)先級(jí)就越大,可以優(yōu)先于其他節(jié)點(diǎn)獲取資源,若節(jié)點(diǎn)的虛擬積分值為0,則網(wǎng)絡(luò)就隔離該節(jié)點(diǎn),即不提供任何資源給該節(jié)點(diǎn).網(wǎng)絡(luò)可以通過激勵(lì)函數(shù)計(jì)算給予節(jié)點(diǎn)vi的虛擬積分值,激勵(lì)函數(shù)為:

由于資源有限,節(jié)點(diǎn)會(huì)根據(jù)當(dāng)前損失的利益大小判斷是否接受網(wǎng)絡(luò)提供的激勵(lì)值,進(jìn)而決定是否從忙碌狀態(tài)轉(zhuǎn)換到空閑狀態(tài),若當(dāng)前的節(jié)點(diǎn)狀態(tài)滿足式(11),則節(jié)點(diǎn)接受當(dāng)前的激勵(lì)值,允許進(jìn)行內(nèi)容部署:

上式中節(jié)點(diǎn)vi和節(jié)點(diǎn)vj分別表示用戶節(jié)點(diǎn)和服務(wù)節(jié)點(diǎn),作為節(jié)點(diǎn)的標(biāo)識(shí)位,用于該節(jié)點(diǎn)的數(shù)據(jù)獲取次數(shù)的記錄,p是概率值.通過式(11)計(jì)算時(shí)間內(nèi)該節(jié)點(diǎn)的數(shù)據(jù)獲取次數(shù)與網(wǎng)絡(luò)中所有節(jié)點(diǎn)的數(shù)據(jù)獲取次數(shù)的關(guān)系,判斷當(dāng)前節(jié)點(diǎn)在網(wǎng)絡(luò)中的數(shù)據(jù)獲取情況,節(jié)點(diǎn)依據(jù)數(shù)據(jù)獲取情況決定是否接受網(wǎng)絡(luò)提供的激勵(lì)值,并通過實(shí)驗(yàn)對(duì)參數(shù)p進(jìn)行調(diào)整.

2.2 算法描述

本節(jié)根據(jù)內(nèi)容部署模型及分析,給出算法描述.

(1)激勵(lì)算法

算法1.Incentive()if iter%Δt==0 then for i=1:SizeSize do if節(jié)點(diǎn)i滿足部署條件then節(jié)點(diǎn)i從忙碌狀態(tài)切換到空閑狀態(tài),由式(5)計(jì)算給予節(jié)點(diǎn)i虛擬積分值end if end for end if return節(jié)點(diǎn)得到的虛擬積分值

(2)服務(wù)節(jié)點(diǎn)確定算法

在服務(wù)節(jié)點(diǎn)確定過程中,所有節(jié)點(diǎn)隨機(jī)分布在網(wǎng)絡(luò)中,本文先隨機(jī)選取k個(gè)節(jié)點(diǎn)作為初始服務(wù)器節(jié)點(diǎn),再用k-median算法確定該k個(gè)服務(wù)器節(jié)點(diǎn)的位置.在確定服務(wù)器節(jié)點(diǎn)的位置過程中,用弗洛伊德算法找到節(jié)點(diǎn)vi到服務(wù)器節(jié)點(diǎn)vj的最短路徑dij,用于計(jì)算進(jìn)行內(nèi)容部署的成本,選取成本較低的節(jié)點(diǎn)作為服務(wù)器節(jié)點(diǎn).

SiteInfo表示所有節(jié)點(diǎn)信息;ServerInfo表示所有服務(wù)節(jié)點(diǎn)信息;ServerSize表示服務(wù)節(jié)點(diǎn)數(shù)量;SiteSize表示節(jié)點(diǎn)數(shù)量;iterMax表示k-median算法的最大迭代次數(shù);t表示時(shí)間間隔.根據(jù)網(wǎng)絡(luò)當(dāng)前的環(huán)境信息用弗洛伊德算法計(jì)算距離矩陣和路徑,并確定服務(wù)節(jié)點(diǎn)的位置,算法如算法2.

算法2.Choose_Serve()if iter%t= =0 then for i=1:SiteSize do for j=1:ServerSize do計(jì)算第j個(gè)服務(wù)節(jié)點(diǎn)到第i個(gè)節(jié)點(diǎn)之間的距離end for選擇距離第i個(gè)節(jié)點(diǎn)最近的服務(wù)節(jié)點(diǎn)作為該節(jié)點(diǎn)的獲取數(shù)據(jù)的服務(wù)節(jié)點(diǎn)end for for i=1:SiteSize do依據(jù)節(jié)點(diǎn)i的自身信息更新其服務(wù)需求end for for iter=1:iterMax do for j=1:ServerSize do for i=1:SiteSize do if 節(jié)點(diǎn)i到服務(wù)節(jié)點(diǎn)j之間存在且服務(wù)節(jié)點(diǎn)j不是節(jié)點(diǎn)i獲取數(shù)據(jù)的服務(wù)節(jié)點(diǎn)then把服務(wù)節(jié)點(diǎn)j設(shè)置為節(jié)點(diǎn)i的服務(wù)節(jié)點(diǎn),更新SiteInfo和ServerInfo else節(jié)點(diǎn)i的計(jì)數(shù)器加1 end if end for Incentive();end for end for if 問題為UKM Then式(1)計(jì)算部署成本else if 問題為UFL式(2)計(jì)算部署成本end if end if return部署成本和虛擬積分值

(3)服務(wù)節(jié)點(diǎn)個(gè)數(shù)確定算法

在UFL情形下,不僅可以確定服務(wù)節(jié)點(diǎn)的位置,同時(shí)也可以確定服務(wù)節(jié)點(diǎn)的個(gè)數(shù).在部署服務(wù)內(nèi)容過程中,由于考慮了服務(wù)成本,過少的部署內(nèi)容會(huì)達(dá)不到增強(qiáng)網(wǎng)絡(luò)性能和提高服務(wù)效率的作用;過多的部署內(nèi)容就會(huì)造成部署成本的浪費(fèi),增大了服務(wù)部署開銷.確定合適的服務(wù)節(jié)點(diǎn)個(gè)數(shù)對(duì)增強(qiáng)網(wǎng)絡(luò)的性能、提高服務(wù)效率、降低部署成本都產(chǎn)生了很大的影響.在部署內(nèi)容初期,部署內(nèi)容的成本隨著服務(wù)節(jié)點(diǎn)個(gè)數(shù)的增加而減少,但是到達(dá)一個(gè)值時(shí),部署成本就會(huì)隨著服務(wù)節(jié)點(diǎn)個(gè)數(shù)的增加而增加.

ServerSize表示服務(wù)節(jié)點(diǎn)最大數(shù)量;iterMax表示最大迭代次數(shù);radius表示r跳值,b[n]存儲(chǔ)服務(wù)節(jié)點(diǎn),本文取r=1,表示距離節(jié)點(diǎn)1-跳的用戶節(jié)點(diǎn).算法如算法3.

算法3.Confirm_NumOfServe()Require:ServerSize;iterMax;radius;b[ServerSize]解決UFL問題后獲得的最優(yōu)成本C=Inf,最優(yōu)成本Cmin=Inf,最佳服務(wù)節(jié)點(diǎn)個(gè)數(shù)BestNumOfServer=-1;for i=1:ServerSize do for j=1:iterMax do遍歷當(dāng)前所有服務(wù)節(jié)點(diǎn)radius鄰域內(nèi)節(jié)點(diǎn),選擇符合條件的節(jié)點(diǎn)與服務(wù)節(jié)點(diǎn)進(jìn)行交換,計(jì)算最小代價(jià)C(j)if C＞C(j)then C=C(j)保留服務(wù)節(jié)點(diǎn)信息end if end for if Cmin＞C then Cmin=C,BestNumOfServer=i;將服務(wù)節(jié)點(diǎn)序號(hào)存入b[i];end if end for Choose_Serve();return最低成本Cmin,最佳服務(wù)節(jié)點(diǎn)個(gè)數(shù)BestNumOfServer和數(shù)組b

3 實(shí)驗(yàn)仿真分析

3.1 實(shí)驗(yàn)環(huán)境與參數(shù)設(shè)置

為了驗(yàn)證添加本文的激勵(lì)方法對(duì)網(wǎng)絡(luò)的有效影響,本文分別對(duì)節(jié)點(diǎn)是無私的、節(jié)點(diǎn)是自私的以及加入激勵(lì)方法的情形做了對(duì)比實(shí)驗(yàn).實(shí)驗(yàn)環(huán)境為Windows 7操作系統(tǒng),使用matlab 2010b編寫算法進(jìn)行仿真實(shí)驗(yàn).

本文的方法在E-R(Erd?s-Rényi)隨機(jī)圖中進(jìn)行實(shí)驗(yàn)仿真,E-R隨機(jī)圖中兩個(gè)節(jié)點(diǎn)之間存在一條邊的概率p=0.5[19].節(jié)點(diǎn)在網(wǎng)絡(luò)中移動(dòng)的速度大小為1 m/s、方向隨機(jī).節(jié)點(diǎn)規(guī)模分別為100、200、300和400,最大迭代次數(shù)為200代.UKM中的服務(wù)節(jié)點(diǎn)個(gè)數(shù)為5個(gè),UFL中的服務(wù)節(jié)點(diǎn)個(gè)數(shù)根據(jù)迭代優(yōu)化最終確定.

3.2 實(shí)驗(yàn)結(jié)果

在E-R圖中,本文分別就UFL和UKM情形下對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)數(shù),,服務(wù)站點(diǎn)數(shù)進(jìn)行了實(shí)驗(yàn)比較,圖1 為UFL情形下對(duì)激勵(lì)方法的影響,圖2為UFL情形下節(jié)點(diǎn)規(guī)模對(duì)激勵(lì)方法的影響,圖3為服務(wù)節(jié)點(diǎn)個(gè)數(shù)對(duì)激勵(lì)方法影響,圖4為UKM情形下對(duì)激勵(lì)機(jī)制的影響,圖5為UKM情形下節(jié)點(diǎn)規(guī)模對(duì)激勵(lì)機(jī)制的影響,圖6和圖7為本文實(shí)驗(yàn)結(jié)果與Georgios實(shí)驗(yàn)結(jié)果對(duì)比.

圖1 UFL情形下對(duì)激勵(lì)方法的影響(節(jié)點(diǎn)個(gè)數(shù)n=200)

圖2 UFL情形下節(jié)點(diǎn)規(guī)模對(duì)激勵(lì)方法的影響(=10)

如圖2,在UFL的情形下,通過上述不同節(jié)點(diǎn)數(shù)之間的實(shí)驗(yàn)對(duì)比我們可以發(fā)現(xiàn),無論節(jié)點(diǎn)規(guī)模是100,200,300或400,它對(duì)于本文提出的激勵(lì)方法是沒有影響的,本文提出的方法依舊能有效地減少網(wǎng)絡(luò)成本.

如圖3,在UFL情形下,節(jié)點(diǎn)規(guī)模為300.通過上述實(shí)驗(yàn)結(jié)果可以看出,部署內(nèi)容所需成本隨著服務(wù)節(jié)點(diǎn)個(gè)數(shù)增加而減少,但是,當(dāng)網(wǎng)絡(luò)所需成本減少到一定程度時(shí),就會(huì)隨著服務(wù)節(jié)點(diǎn)個(gè)數(shù)增加而增加.

圖3 服務(wù)節(jié)點(diǎn)個(gè)數(shù)對(duì)激勵(lì)方法影響

圖4 UKM情形下對(duì)激勵(lì)機(jī)制的影響(節(jié)點(diǎn)個(gè)數(shù)n=200)

如圖5,在UKM的情形下,通過上述不同節(jié)點(diǎn)數(shù)之間的實(shí)驗(yàn)對(duì)比我們可以發(fā)現(xiàn),無論節(jié)點(diǎn)規(guī)模是100,200,300或400,它對(duì)于本文提出的激勵(lì)機(jī)制方法是沒有影響的,本文提出的方法依舊能有效地減少網(wǎng)絡(luò)成本.

圖5 UKM情形下節(jié)點(diǎn)規(guī)模對(duì)激勵(lì)機(jī)制的影響(=10)

如圖6,本文實(shí)驗(yàn)中UFL情形下部署成本與文獻(xiàn)[9]中結(jié)果對(duì)比,通過上述實(shí)驗(yàn)對(duì)比我們可以發(fā)現(xiàn),本文的激勵(lì)機(jī)制方法在減少網(wǎng)絡(luò)成本方面具有一定效果.

圖6 與Georgios實(shí)驗(yàn)結(jié)果對(duì)比

如圖7,在UKM情形下,本文的部署成本與集中式的UKM成本比率與文獻(xiàn)[9]中的結(jié)果對(duì)比,我們可以發(fā)現(xiàn),在UKM情形下,本文的激勵(lì)機(jī)制方法能有效地減少網(wǎng)絡(luò)成本.

圖7 與Georgios實(shí)驗(yàn)結(jié)果對(duì)比

4 結(jié)語

本文描述了一種激勵(lì)方法,并將其應(yīng)用于移動(dòng)自組織網(wǎng)絡(luò)環(huán)境下的內(nèi)容部署問題中.文中分別就節(jié)點(diǎn)是無私的,自私的以及帶有激勵(lì)方法的情形下進(jìn)行了仿真實(shí)驗(yàn)對(duì)比,有效地驗(yàn)證了加入激勵(lì)方法后對(duì)網(wǎng)絡(luò)的性能有了明顯的提高.本文存在的不足之處:雖然本文驗(yàn)證了基于虛擬積分的激勵(lì)方法在E-R隨機(jī)圖中的有效性,但不確定對(duì)其他網(wǎng)絡(luò)模型是否有效;在考慮節(jié)點(diǎn)自私的情形時(shí),沒有考慮節(jié)點(diǎn)的轉(zhuǎn)發(fā)能耗等問題.針對(duì)這些問題,還需要對(duì)基于激勵(lì)方法的內(nèi)容部署進(jìn)行更加深入的研究.

1 尹浩,袁小群,林闖,等.內(nèi)容網(wǎng)絡(luò)服務(wù)節(jié)點(diǎn)部署理論綜述.計(jì)算機(jī)學(xué)報(bào),2010,33(9):1611–1620.

2 Ciobanu RI,Dobre C,Dascalu M,et al.Collaborative selfish node detection with an incentive mechanism for opportunistic networks.Proceedings of 2013 IFIP/IEEE International Symposium on Integrated Network Management.Ghent,Belgium.2013.1161–1166.

3 Marti S,Giuli TJ,Lai K,et al.Mitigating routing misbehavior in mobile ad hoc networks.Proceedings of International Conference on Mobile Computing and Networking.Boston,MA,USA.2000.255–265.

4 Michiardi P,Molva R.Simulation-based analysis of security exposures in mobile ad hoc networks.Proceedings of European Wireless Conference.Florence,Italy.2002.15–17.

5 脫立恒,倪宏,李滿天,等.覆蓋網(wǎng)絡(luò)中多服務(wù)靜態(tài)部署算法.西安電子科技大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,41(4):137–143.

6 Pandit S,Pemmaraju S.Return of the primal-dual:Distributed metric facilitylocation.Proceedings of the 28th ACM Symposium on Principles of Distributed Computing.Calgary,AB,Canada.2009.180–189.

7 Jain K,Vazirani VV.Approximation algorithms for metric facility location and k-median problems using the primaldual schema and Lagrangian relaxation.Journal of the ACM,2001,48(2):274–296.[doi:10.1145/375827.375845]

8 Oikonomou K,Stavrakakis I.Scalable service migration in autonomic network environments.IEEE Journal on Selected Areas in Communications,2010,28(1):84–94.[doi:10.1109/JSAC.2010.100109]

9 Smaragdakis G,Laoutaris N,Oikonomou K,et al.Distributed server migration for scalable internet service deployment.IEEE/ACM Transactions on Networking,2014,22(3):917–930.[doi:10.1109/TNET.2013.2270440]

10 Stavrakakis I.Some distributed approaches to the service facility location problem in dynamic and complex networks.Thai M,Pardalos P.Handbook of Optimization in Complex Networks.New York.Springer.2012.405–432.

11 Pantazopoulos P,Karaliopoulos M,Stavrakakis I.Distributed placement of autonomic Internet services.IEEE Transactions on Parallel &Distributed Systems,2014,25(7):1702–1712.

12 曲大鵬,王興偉,黃敏.移動(dòng)對(duì)等網(wǎng)絡(luò)中自私節(jié)點(diǎn)的檢測和激勵(lì)機(jī)制.軟件學(xué)報(bào),2013,24(4):887–899.

13 Charilas DE,Georgilakis KD,Panagopoulos AD.ICARUS:Hybrid incentive mechanism for cooperation stimulation in ad hoc networks.Ad Hoc Networks,2012,10(6):976–989.[doi:10.1016/j.adhoc.2011.12.010]

14 吳垚,曾菊儒,彭輝,等.群智感知激勵(lì)機(jī)制研究綜述.軟件學(xué)報(bào),2016,27(8):2025–2047.[doi:10.13328/j.cnki.jos.005049]

15 陳國利.基于激勵(lì)的機(jī)會(huì)網(wǎng)絡(luò)協(xié)作傳輸機(jī)制[碩士學(xué)位論文].北京:北京郵電大學(xué),2015.

16 Chuang MC.An incentive-based mechanism for fair bidirectional transmissions in wireless mesh networks.Computers &Electrical Engineering,2015,(41):342–356.

17 Zhong S,Chen J,Yang YR.Sprite:A simple,cheat-proof,credit-based system for mobile ad-hoc networks.Proceedings of the 22th Annual Joint Conference of the IEEE Computer and Communications.San Francisco,CA,USA.2003.1987–1997.

18 Buttyán L,Hubaux JP.Enforcing service availability in mobile ad-hoc WANs.Proceedings of 2000 the 1st Annual Workshop on Mobile and Ad Hoc Networking and Computing.Boston,MA,USA.2000.87–96.

19 Erd?s P,Rényi A.On random graphs I.Publicationes Mathematicae,1959,(6):290–297.