91、“Bill-and-Keep”对等互联能否实现互利共赢?

“Bill-and-Keep”对等互联能否实现互利共赢?

1. 引言

如今的互联网由众多独立网络提供商(即互联网服务提供商,ISPs)运营的不同网络组成。每个提供商都追求自身效用最大化,其目标与全局性能目标未必一致。提供商之间的关系主要分为两类:转接和对等互联。在转接关系中,流量发起方需向转接提供商付费,以将流量传输到本地网络之外的节点;而在对等互联关系中,双方则同意相互接收和承载对方的流量。

在对等互联安排中,一对提供商通常会在多个对等点安装双向链路,以接收彼此的流量。当前互联网中的对等互联关系大多采用“Bill-and-Keep”模式,即双方不对对等链路上接收的流量相互收费,这种模式也被称为“零美元”对等互联或“发送方保留全部”(SKA)对等互联。在这种关系下,由于ISPs希望降低自身成本,通常会采用最近出口(热土豆)路由,使流量尽快离开自身网络;在某些情况下,若接收方实力较强并能施加市场影响力,则会采用最远出口(冷土豆)路由。

以往对ISP对等互联的研究忽略了一个重要方面,即当流量在对等方链路上传输时,提供商也会产生成本。例如,若提供商关注其网络内发起流量的端到端服务质量(QoS),就会出现这种情况。本文聚焦于这一情况,研究表明这种成本结构对ISPs的流量路由方式有重大影响。同时,本文探讨了在无定价情况下的对等互联,将对等方链路上产生的成本作为转移价格的替代。研究结果显示,目前主要因实施简便而采用的“Bill-and-Keep”对等互联,若与非短视路由相结合,可能会带来益处。

2. 模型与纳什策略

本文采用一个简单的双ISP对等互联模型进行分析。假设有两个ISP,分别为S和R,它们有两个对等点P1和P2。ISP S从节点S1向节点R2发送一个单位的流量,ISP R从节点R1向S2发送一个单位的流量,并且假设对等链路上的传输成本为零。

ISP可以在两个对等点之间分配流量。对于ISP S,其流量可分为热土豆部分$f_{S}^{R}$和冷土豆部分$f_{S}^{S}$。热土豆部分$f_{S}^{R}$在最近的对等点P1传输到ISP R,然后通过内部链路R1R2到达R2;冷土豆部分$f_{S}^{S}$先通过内部链路S1S2传输,再在最远的对等点P2传输到ISP R。ISP R的热土豆和冷土豆部分$f_{R}^{S}$和$f_{R}^{R}$也可类似描述。总体而言,ISP S在其内部链路上承载流量$f_{S}^{S}$和$f_{R}^{S}$,ISP R在其内部链路上承载流量$f_{S}^{R}$和$f_{R}^{R}$。ISP S的单位流量成本函数为$C_{S}(f_{S}^{S} + f_{R}^{S})$,ISP R的单位流量成本函数为$C_{R}(f_{S}^{R} + f_{R}^{R})$。

假设这些单位成本函数严格递增、凸且二阶可导,并且一个ISP承载所有流量的单位成本高于另一个ISP承载零流量的单位成本,即:
$C_{S}(2) \geq C_{R}(0)$
$C_{R}(2) \geq C_{S}(0)$

在纳什均衡中,给定$f_{R}^{S}$,ISP S通过选择$0 \leq f_{S}^{R} \leq 1$来最小化成本函数$J_{S}(f_{S}^{R}, f_{R}^{S}) = C_{S}(f_{S}^{S} + f_{R}^{S})f_{S}^{S} + C_{R}(f_{S}^{R} + f_{R}^{R})f_{S}^{R}$,同时满足$f_{S}^{S} + f_{S}^{R} = 1$和$f_{R}^{S} + f_{R}^{R} = 1$;ISP R通过选择$0 \leq f_{R}^{S} \leq 1$来最小化成本函数$J_{R}(f_{S}^{R}, f_{R}^{S}) = C_{S}(f_{S}^{S} + f_{R}^{S})f_{R}^{S} + C_{R}(f_{S}^{R} + f_{R}^{R})f_{R}^{R}$,同时满足上述约束条件。

一阶条件如下:
$C_{S}’(f_{S}^{S} + f_{R}^{S})f_{S}^{S} + C_{S}(f_{S}^{S} + f_{R}^{S}) = C_{R}’(f_{S}^{R} + f_{R}^{R})f_{S}^{R} + C_{R}(f_{S}^{R} + f_{R}^{R})$
$C_{S}’(f_{S}^{S} + f_{R}^{S})f_{R}^{S} + C_{S}(f_{S}^{S} + f_{R}^{S}) = C_{R}’(f_{S}^{R} + f_{R}^{R})f_{R}^{R} + C_{R}(f_{S}^{R} + f_{R}^{R})$

由于单位成本函数严格递增且凸,二阶条件会自动满足。

下面通过命题证明纳什策略不包括盲目策略:
命题1 :在纳什均衡中,没有ISP会采用盲目策略。
证明 :分两部分证明。首先证明在纳什均衡中,没有ISP会采用纯冷土豆路由,然后证明没有ISP会采用纯热土豆路由(此处省略纯热土豆路由的证明)。
以ISP R为例,证明其不可能采用纯冷土豆路由,分三步进行:
1. 两个ISP都采用纯冷土豆路由是不可能的。这要求$f_{S}^{R} = f_{R}^{S} = 0$,且满足以下条件:
$\frac{\partial J_{S}}{\partial f_{S}^{R}}(0, 0) = -C_{S}’(1) - C_{S}(1) + C_{R}(1) \geq 0$
$\frac{\partial J_{R}}{\partial f_{R}^{S}}(0, 0) = -C_{R}’(1) - C_{R}(1) + C_{S}(1) \geq 0$
这会导致$C_{S}(1) + C_{S}’(1) \leq C_{R}(1) \leq C_{S}(1) - C_{R}’(1)$,由于$C_{S}(x)$和$C_{R}(x)$严格递增,这是矛盾的。
2. ISP S采用热土豆路由,ISP R采用冷土豆路由是不可能的。这要求$f_{S}^{R} = 1$,$f_{R}^{S} = 0$,且满足以下条件:
$\frac{\partial J_{S}}{\partial f_{S}^{R}}(1, 0) = -C_{S}(0) + C_{R}’(2) + C_{R}(2) \leq 0$
$\frac{\partial J_{R}}{\partial f_{R}^{S}}(1, 0) = C_{S}(0) - C_{R}’(2) - C_{R}(2) \geq 0$
这会导致$C_{S}(0) \geq C_{R}(2) + C_{R}’(2)$,结合前面的假设和$C_{R}(x)$严格递增的性质,这是矛盾的。
3. ISP R采用冷土豆路由,ISP S向ISP R发送部分但非全部流量是不可能的。这要求$0 < f_{S}^{R} < 1$,$f_{R}^{S} = 0$,且满足以下条件:
$\frac{\partial J_{S}}{\partial f_{S}^{R}}(f_{S}^{R}, 0) = -C_{S}(f_{S}^{S}) - C_{S}’(f_{S}^{S})f_{S}^{S} + C_{R}’(f_{S}^{R} + 1)f_{S}^{R} + C_{R}(f_{S}^{R} + 1) = 0$
$\frac{\partial J_{R}}{\partial f_{R}^{S}}(f_{S}^{R}, 0) = C_{S}(f_{S}^{S}) - C_{R}’(f_{S}^{R} + 1) - C_{R}(f_{S}^{R} + 1) \geq 0$
这会导致$C_{S}’(f_{S}^{S})f_{S}^{S} \leq C_{R}’(f_{S}^{R} + 1)(f_{S}^{R} - 1) \leq 0$,由于$0 < f_{S}^{R} < 1$且$C_{S}(x)$和$C_{R}(x)$严格递增,这是矛盾的。

综上所述,命题得证。

3. 个体性能分析
3.1 预备知识

将前面的式子改写为另一种形式。令$f_{S}^{R} - f_{R}^{S} = f_{d}$,$f_{S}^{R} + f_{R}^{S} = f_{a}$,可得:
$C_{S}’(1 - f_{d})(1 - f_{d}) + 2C_{S}(1 - f_{d}) = C_{R}’(1 + f_{d})(1 + f_{d}) + 2C_{R}(1 + f_{d})$
$f_{a} = 1$

在纳什均衡中,记上述方程的解为$f_{d}^{Nash}$,并记ISP S和R的纳什均衡成本分别为$J_{S}^{Nash}$和$J_{R}^{Nash}$。可得以下引理:
引理1 :在纳什均衡中,两个ISP的成本相等。
证明 :由上述方程可知,在纳什均衡中,$f_{S}^{S} = f_{R}^{S} = \frac{1 - f_{d}^{Nash}}{2}$,这确保了均衡时的成本相等,即:
$J_{S}^{Nash} = J_{R}^{Nash} = J_{common}^{Nash} = \frac{J_{total}(f_{d}^{Nash})}{2}$
其中,定义总成本为$J_{total}(f_{d}) = [C_{S}(1 - f_{d})(1 - f_{d}) + C_{R}(1 + f_{d})(1 + f_{d})]$。

接下来定义三个差值:
$\Delta_{1}(f_{d}) = C_{S}(1 - f_{d}) - C_{R}(1 + f_{d})$
$\Delta_{2}(f_{d}) = C_{S}(1 - f_{d}) + C_{S}’(1 - f_{d})(1 - f_{d}) - C_{R}(1 + f_{d}) - C_{R}’(1 + f_{d})(1 + f_{d})$
$\Delta_{3}(f_{d}) = \Delta_{1}(f_{d}) + \Delta_{2}(f_{d})$

在纳什均衡中,有:
$\Delta_{3}(f_{d}^{Nash}) = 0$
$\Delta_{1}(f_{d}^{Nash}) = -\Delta_{2}(f_{d}^{Nash})$

引理2 :在纳什均衡中,$\Delta_{3}(0)f_{d}^{Nash} \geq 0$。
证明 :当$f_{d}^{Nash} \geq 0$时,由于$\Delta_{3}(f_{d}^{Nash}) = 0$且$\Delta_{3}(f_{d})$在$f_{d}$上非递增,结论成立;当$f_{d}^{Nash} < 0$时,证明类似。

最后,利用$C_{S}(x)$和$C_{R}(x)$的性质(二阶可导、严格递增且凸),以及Jensen不等式,可得以下有用的不等式:
$C_{S}(1 - f_{d})(1 - f_{d}) \geq C_{S}(1) - [C_{S}’(1) + C_{S}(1)]f_{d}$
$C_{R}(1 + f_{d})(1 + f_{d}) \geq C_{R}(1) + [C_{R}’(1) + C_{R}(1)]f_{d}$
$C_{S}(1) \geq C_{S}(1 - f_{d})(1 - f_{d}) + [C_{S}’(1 - f_{d})(1 - f_{d}) + C_{S}(1 - f_{d})]f_{d}$
$C_{R}(1) \geq C_{R}(1 + f_{d})(1 + f_{d}) - [C_{R}’(1 + f_{d})(1 + f_{d}) + C_{R}(1 + f_{d})]f_{d}$

进一步可得:
$J_{total}(f_{d}) \geq J_{total}(0) - \Delta_{2}(0)f_{d}$
$J_{total}(0) \geq J_{total}(f_{d}) + \Delta_{2}(f_{d})f_{d}$

3.2 必要和充分条件

引理3 :在纳什均衡中,只有当$\Delta_{1}(0)\Delta_{3}(0) \geq 0$时,两个ISP才会都变差。
证明 :若两个ISP都变差,根据引理1,有$J_{common}^{Nash} = \frac{J_{total}(f_{d}^{Nash})}{2} \geq \max(J_{S}^{blind}, J_{R}^{blind})$。当两个ISP都采用纯冷土豆路由时,$J_{S}^{blind} = C_{S}(1)$,$J_{R}^{blind} = C_{R}(1)$。结合前面的式子可得:
$\frac{J_{total}(f_{d}^{Nash})}{2} \geq \max(C_{S}(1), C_{R}(1)) \geq \frac{J_{total}(0)}{2} \geq \frac{J_{total}(f_{d}^{Nash})}{2} - \frac{\Delta_{1}(f_{d}^{Nash})f_{d}^{Nash}}{2}$
这要求$\Delta_{1}(f_{d}^{Nash})f_{d}^{Nash} \geq 0$,进而推出$\Delta_{1}(0)f_{d}^{Nash} \geq 0$。根据引理2,这等价于$\Delta_{1}(0)\Delta_{3}(0) \geq 0$。

命题2 :在纳什均衡中,两个ISP不可能都变差。
证明 :分两种情况讨论:
1. 当$f_{d}^{Nash} = 0$时,由前面的式子可得$J_{common}^{Nash} = \frac{C_{S}(1) + C_{R}(1)}{2}$。因为$\max(C_{S}(1), C_{R}(1)) \geq \frac{C_{S}(1) + C_{R}(1)}{2} \geq \min(C_{S}(1), C_{R}(1))$,所以必有一个ISP变好,另一个变差,即两个ISP不可能都变差。
2. 当$f_{d}^{Nash} \neq 0$时,先考虑$f_{d}^{Nash} > 0$的情况。若两个ISP都变差,则$J_{common}^{Nash} \geq C_{S}(1)$。由于$C_{S}$是凸函数,$C_{S}(1) \geq C_{S}(1 - f_{d}^{Nash}) + C_{S}’(1 - f_{d}^{Nash})f_{d}^{Nash}$,可得:
$J_{common}^{Nash} \geq C_{S}(1 - f_{d}^{Nash}) + C_{S}’(1 - f_{d}^{Nash})f_{d}^{Nash}$
结合前面的式子化简可得:
$(1 + f_{d}^{Nash})[C_{R}(1 + f_{d}^{Nash}) - C_{S}(1 - f_{d}^{Nash})] \geq 2C_{S}’(1 - f_{d}^{Nash})f_{d}^{Nash}$
因为$C_{S}(x)$严格递增,根据前面定义的差值可得$\Delta_{1}(f_{d}^{Nash}) < 0$且$\Delta_{1}(f_{d}^{Nash})f_{d}^{Nash} < 0$。
当$f_{d}^{Nash} < 0$时,证明类似。所以,在两种情况下,两个ISP都变差都意味着$\Delta_{1}(f_{d}^{Nash})f_{d}^{Nash} < 0$,这与引理3中的结论矛盾。

命题3 :在纳什均衡中,只有当$\Delta_{2}(0)\Delta_{3}(0) \geq 0$时,两个ISP才会都变好。
证明 :分两种情况讨论:
1. 当$f_{d}^{Nash} \leq 0$时,若两个ISP都变好,则$J_{common}^{Nash} \leq C_{S}(1)$。由于$C_{S}$是凸函数,$C_{S}(1) \leq C_{S}(1 - f_{d}^{Nash}) + C_{S}’(1)f_{d}^{Nash}$,可得:
$J_{common}^{Nash} \leq C_{S}(1 - f_{d}^{Nash}) + C_{S}’(1)f_{d}^{Nash}$
结合前面的式子化简可得:
$(1 + f_{d}^{Nash})[C_{R}(1 + f_{d}^{Nash}) - C_{S}(1 - f_{d}^{Nash})] \leq 2C_{S}’(1)f_{d}^{Nash}$
因为$C_{S}(x)$严格递增,根据前面定义的差值可得$\Delta_{1}(f_{d}^{Nash}) \geq 0$且$\Delta_{1}(f_{d}^{Nash})f_{d}^{Nash} \leq 0$。由前面的式子可知,这要求$\Delta_{2}(f_{d}^{Nash})f_{d}^{Nash} \geq 0$,进而推出$\Delta_{2}(0)f_{d}^{Nash} \geq 0$。根据引理2,这等价于$\Delta_{2}(0)\Delta_{3}(0) \geq 0$。
2. 当$f_{d}^{Nash} \geq 0$时,证明类似。

命题4 :若盲目策略下的成本相等,则在纳什均衡中两个ISP都会变好。
证明 :当$C_{S}(1) = C_{R}(1)$时,有$J_{S}^{blind} = J_{R}^{blind}$,且由前面的式子可知$J_{S}^{Nash} = J_{R}^{Nash}$。这排除了一个ISP严格变好而另一个严格变差的可能性,同时命题2排除了两个ISP都严格变差的可能性,所以唯一的可能是两个ISP都变好。

3.3 示例

下面通过两个示例说明两个ISP在纳什均衡中都能变好的情况。寻找满足以下性质的成本函数$C_{S}(x)$和$C_{R}(x)$:
1. 满足$C_{S}(1) = C_{R}(1)$,根据前面的式子,可得$J_{S}^{blind} = J_{R}^{blind} = J_{common}^{blind} = \frac{J_{total}(0)}{2}$,其中$J_{common}^{blind}$定义为盲目策略下的共同成本。
2. 满足$J_{common}^{Nash} \leq J_{common}^{blind}$,即$J_{total}(f_{d}^{Nash}) \leq J_{total}(0)$,这要求内部链路成本函数$C_{S}(x)x$和$C_{R}(x)x$中的一个在$x = 1$处更凸。此时,两个ISP通过选择$f_{d}^{Nash} \approx 0$,使成本函数更凸的链路承载更少的流量,从而实现双方受益。

示例1 :当$C_{S}(x) = x$,$C_{R}(x) = x^2$时,可得$J_{common}^{Nash} = 0.97 \leq 1.0 = J_{common}^{blind}$。
示例2 :使用更现实的单位成本函数$C_{S}(x) = \frac{\theta_{N}^{S}}{\theta_{D}^{S} - x}$和$C_{R}(x) = \frac{\theta_{N}^{R}}{\theta_{D}^{R} - x}$(在M/G/1队列中,$\theta_{N}$与服务时间的方差成正比,$\theta_{D}$为链路容量)。取$\theta_{N}^{S} = 1.00$,$\theta_{D}^{S} = 1.10$,$\theta_{N}^{R} = 2.00$,$\theta_{D}^{R} = 1.20$,可得$J_{common}^{Nash} = 9.75 \leq 10.0 = J_{common}^{blind}$。

3.4 定价是否会带来问题?

本节探讨从“Bill-and-Keep”对等互联转向ISP S向ISP R收取$p_{S}f_{R}^{S}$费用,ISP R向ISP S收取$p_{R}f_{S}^{R}$费用的情况可能带来的问题。考虑一个顺序博弈,ISP先选择价格,然后再优化流量分配。

即ISP S通过选择$0 \leq f_{S}^{R} \leq 1$来最小化成本函数$J_{S}(f_{S}^{R}, f_{R}^{S}) = C_{S}(f_{S}^{S} + f_{R}^{S})f_{S}^{S} + C_{R}(f_{S}^{R} + f_{R}^{R})f_{S}^{R}$,同时满足$f_{S}^{S} + f_{S}^{R} = 1$和$f_{R}^{S} + f_{R}^{R} = 1$;ISP R通过选择$0 \leq f_{R}^{S} \leq 1$来最小化成本函数$J_{R}(f_{S}^{R}, f_{R}^{S}) = C_{S}(f_{S}^{S} + f_{R}^{S})f_{R}^{S} + C_{R}(f_{S}^{R} + f_{R}^{R})f_{R}^{R}$,同时满足上述约束条件。

使用前面示例3.3中的成本函数$C_{S}(x) = x$和$C_{R}(x) = x^2$,按照上述方式求解,可得$f_{S}^{R} = f_{R}^{S} = 0$,这与盲目路由的情况相同。在这种情况下,与无定价的对等互联相比,两个ISP的情况都变差了。

总结

本文对“Bill-and-Keep”对等互联模式进行了深入研究,通过建立双ISP对等互联模型,分析了在考虑对等方链路成本情况下的流量路由策略。主要结论如下:
1. 纳什策略不包括盲目策略,即ISP不会单纯采用热土豆或冷土豆路由,而是会在对等点之间进行策略性的流量分配。
2. 在纳什均衡中,两个ISP不可能都变差;若盲目策略下的成本相等,则两个ISP都会变好。
3. 通过具体示例验证了两个ISP在纳什均衡中都能实现成本降低的情况。
4. 引入定价机制可能会导致两个ISP的情况变差,说明“Bill-and-Keep”对等互联模式在某些情况下具有优势。

这些结论为ISP在对等互联决策中提供了理论依据,表明“Bill-and-Keep”对等互联若结合合理的路由策略,有望实现互利共赢。未来的研究可以进一步拓展模型,考虑更复杂的网络拓扑和实际情况,以更好地指导ISP的运营和决策。

流程图

graph TD;
    A[开始] --> B[建立双ISP对等互联模型];
    B --> C[分析纳什均衡];
    C --> D{是否采用盲目策略};
    D -- 否 --> E[策略性流量分配];
    D -- 是 --> F[不符合纳什均衡];
    E --> G{两个ISP是否都变差};
    G -- 否 --> H[可能都变好或一好一坏];
    G -- 是 --> I[与结论矛盾];
    H --> J[通过示例验证];
    J --> K{引入定价机制};
    K -- 是 --> L[可能情况变差];
    K -- 否 --> M[“Bill-and-Keep”模式优势];
    L --> N[总结经验];
    M --> N;
    N --> O[结束];

表格

示例 成本函数 盲目策略成本 纳什均衡成本 结论
示例1 $C_{S}(x) = x$,$C_{R}(x) = x^2$ $J_{common}^{blind} = 1.0$ $J_{common}^{Nash} = 0.97$ 两个ISP在纳什均衡中都变好
示例2 $C_{S}(x) = \frac{\theta_{N}^{S}}{\theta_{D}^{S} - x}$,$C_{R}(x) = \frac{\theta_{N}^{R}}{\theta_{D}^{R} - x}$($\theta_{N}^{S} = 1.00$,$\theta_{D}^{S} = 1.10$,$\theta_{N}^{R} = 2.00$,$\theta_{D}^{R} = 1.20$) $J_{common}^{blind} = 10.0$ $J_{common}^{Nash} = 9.75$ 两个ISP在纳什均衡中都变好

“Bill-and-Keep”对等互联能否实现互利共赢?

4. 社会整体性能分析

在关注个体性能之后,我们也需要从社会整体的角度来评估“Bill - and - Keep”对等互联的效果。我们将比较纳什均衡下和盲目策略下社会的整体表现,并推导社会整体变好或变差的必要和充分条件。

首先,社会整体成本可以用前面定义的 $J_{total}(f_d)$ 来表示,即 $J_{total}(f_d) = [C_S(1 - f_d)(1 - f_d) + C_R(1 + f_d)(1 + f_d)]$。在盲目策略下,社会整体成本为 $J_{total}(0)$;在纳什均衡下,社会整体成本为 $J_{total}(f_d^{Nash})$。

我们希望找到使社会整体在纳什均衡下变好或变差的条件。根据前面得到的不等式:
$J_{total}(f_d) \geq J_{total}(0) - \Delta_2(0)f_d$
$J_{total}(0) \geq J_{total}(f_d) + \Delta_2(f_d)f_d$

我们可以进行如下分析:

命题5 :当成本函数为线性时,社会整体在“Bill - and - Keep”对等互联下总是变好。
证明 :若成本函数为线性,设 $C_S(x)=a_Sx + b_S$,$C_R(x)=a_Rx + b_R$,其中 $a_S,a_R>0$。
则 $C_S’(x)=a_S$,$C_R’(x)=a_R$。
$\Delta_2(f_d)=C_S(1 - f_d) + C_S’(1 - f_d)(1 - f_d) - C_R(1 + f_d) - C_R’(1 + f_d)(1 + f_d)$
$=(a_S(1 - f_d)+b_S)+a_S(1 - f_d)(1 - f_d)-(a_R(1 + f_d)+b_R)-a_R(1 + f_d)(1 + f_d)$
经过化简可得 $\Delta_2(f_d)$ 为一个常数。
又因为在纳什均衡中 $\Delta_3(f_d^{Nash}) = 0$,结合线性成本函数的性质,可以推出 $J_{total}(f_d^{Nash})\leq J_{total}(0)$,即社会整体在纳什均衡下变好。

5. 总结与展望

通过以上对“Bill - and - Keep”对等互联的研究,我们可以总结出以下要点:

5.1 研究成果总结
  • 路由策略 :纳什策略不会是盲目策略,ISP 会在自身链路和对等方链路之间进行策略性的流量分配,而不是单纯采用热土豆或冷土豆路由。
  • 个体性能 :在纳什均衡中,两个 ISP 不可能都变差;当盲目策略下的成本相等时,两个 ISP 都会变好。并且通过具体示例验证了两个 ISP 在纳什均衡中实现成本降低的可能性。
  • 社会整体性能 :当成本函数为线性时,社会整体在“Bill - and - Keep”对等互联下总是变好。
5.2 对 ISP 决策的启示

对于 ISP 来说,“Bill - and - Keep”对等互联模式如果结合合理的非盲目路由策略,是有可能实现互利共赢的。在实际决策中,ISP 应该充分考虑自身和对等方的成本结构,避免盲目采用传统的热土豆或冷土豆路由。同时,引入定价机制可能会带来负面效果,需要谨慎对待。

5.3 未来研究方向

虽然本文已经取得了一些有意义的成果,但仍有许多方面值得进一步研究:
- 模型拓展 :目前的模型是一个简化的双 ISP 模型,未来可以考虑更复杂的网络拓扑,包括多个 ISP 和多个对等点的情况,以更贴近实际的互联网环境。
- 动态分析 :本文主要进行的是静态分析,未来可以引入动态因素,如流量的实时变化、成本函数的动态调整等,研究在动态环境下“Bill - and - Keep”对等互联的性能。
- 实际应用验证 :可以通过实际的网络数据和实验,验证本文提出的理论和结论在实际网络中的有效性和可行性。

流程图

graph TD;
    A[开始评估社会整体性能] --> B[定义社会整体成本函数];
    B --> C[比较纳什均衡和盲目策略下成本];
    C --> D{成本函数是否线性};
    D -- 是 --> E[社会整体变好];
    D -- 否 --> F[进一步分析必要充分条件];
    F --> G[得出社会整体变好或变差结论];
    E --> H[总结研究成果];
    G --> H;
    H --> I[为ISP决策提供启示];
    I --> J[展望未来研究方向];
    J --> K[结束];

表格

研究方面 主要结论
路由策略 纳什策略非盲目,会策略性分配流量
个体性能 两 ISP 不可能都变差,盲目成本相等时都变好
社会整体性能 线性成本函数时社会整体变好
对 ISP 决策启示 结合合理路由,谨慎引入定价机制
未来研究方向 模型拓展、动态分析、实际应用验证
【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值