本發(fā)明屬于云計算
技術(shù)領(lǐng)域：
，具體涉及一種云聯(lián)邦中基于預測的社會利益最大化的定價方法。
背景技術(shù)：
：云計算近來因為其成本低、基于需求以及接入方便等特性而越來越被應用，云計算主要包括三個模式：基于軟件服務(SaaS)，基于平臺服務(PaaS)以及基于基礎(chǔ)設(shè)施服務(IaaS)。云計算將虛擬計算、存儲和網(wǎng)絡等資源都作為服務提供給用戶使用。雖然這種新方案能夠為人們帶來的方便，但同時帶來了技術(shù)上的挑戰(zhàn)，例如，用戶需求是動態(tài)變化的，云供應商的有限的資源難以應付高峰期，所以云聯(lián)邦技術(shù)就應運而生了，其中云聯(lián)邦倡導其內(nèi)的云供應商之間進行資源分享。盡管云聯(lián)邦的出現(xiàn)解決上述問題，但是同時又出現(xiàn)一些新的問題，較為突出的問題是在云聯(lián)邦中的供應云供應商(supplyingcloudprovider)在不知道需求云供應商(demandingcloudprovider)的需求信息時，如何進行定價來激勵資源分享來達到社會利益最大化及其自身利益最大化，所以如何定價問題在資源分享中起著非常重要作用。因為如果定價過高不利于促進資源不足的云供應商的卸載，相反，如果定價過低可能造成過度卸載，所以如何合理定價成為云聯(lián)邦中的需要重要解決的問題。因此，需要一種云聯(lián)邦中基于預測的社會利益最大化的定價方法以解決上述問題。技術(shù)實現(xiàn)要素：本發(fā)明是針對云聯(lián)邦中沒有完備信息情況下如何定價來激勵資源分享問題，提供一種有效的基于預測的最大化社會利益的定價方法。實現(xiàn)本發(fā)明目的的技術(shù)解決方案為：一種云聯(lián)邦中基于預測的社會利益最大化的定價方法，包括以下步驟：步驟1，供應云提供商收集自身可用空閑資源；步驟2，供應云提供商預測各需求云供應商的信息；步驟3，云聯(lián)邦中的供應云提供商采用最大化社會利益期望值策略進行預測價格，并分析預測錯誤對預測價格的影響及確定最壞情況下預測性能的下限：步驟3.1、確定社會利益函數(shù)；步驟3.2、根據(jù)最大化社會利益策略計算完全準確預測的唯一價格p*，并計算出此時的社會利益E[G(p*)]；步驟3.3、根據(jù)最大化社會利益期望值策略計算預測的價格并計算出此時的社會利益步驟3.4、比較預測價格和完全準確預測價格的關(guān)系，并根據(jù)它們對應社會利益期望值的比較及Jensen不等式確定預測性能的下限。本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點為：通過對需求云供應商信息的預測并最大化社會利益期望值進行價格的預測，該方法有效，并能夠確定由于預測誤差造成的預測性能下限。附圖說明圖1為本發(fā)明云聯(lián)邦價格預測的流程圖。圖2為本發(fā)明最大化社會利益期望值策略進行預測價格，并分析預測錯誤對預測價格的影響及確定最壞情況下預測性能的下限流程圖。圖3為本發(fā)明在需求云供應商的數(shù)量N從1增加到30時的價格曲線圖。圖4為本發(fā)明在需求云供應商的數(shù)量為10，總的效用能力的方差從0增加到1的性能性能下限曲線圖。具體實施方式下面結(jié)合附圖及具體實施例對本發(fā)明作進一步詳細說明。結(jié)合圖1，本發(fā)明基于預測提供一種有效的最大化社會利益的定價方法，包括以下步驟：步驟1，供應云提供商收集自身可用空閑資源，所述的自身可用空閑資源，其中指其能夠處理的內(nèi)包的請求的最大數(shù)量D。步驟2，供應云提供商預測各需求云供應商的信息，所述信息主要包括效用函數(shù)、卸載的最優(yōu)數(shù)量，其中需求云供應商i的效用函數(shù)具體為：ui(xi)＝wiln(1+xi)(1)其中wi>0為需求云供應商i的效用水平，其相對于供應云供應商來說是隨機變量；xi為需求云供應商i卸載的用戶需求的數(shù)量。需求云供應商i的利益函數(shù)Li(p)：Li(p)＝wiln(1+xi)-pxi。需求云供應商在卸載時最大化自身利益，根據(jù)表達式可得到卸載的最優(yōu)數(shù)量ri(p)，ri(p)根據(jù)公式(2)計算：ri(p)=wip-1---(2)]]>其中p為卸載單位數(shù)量請求的價格。步驟3，云聯(lián)邦中的供應云提供商采用最大化社會利益期望值策略進行預測價格，并分析預測錯誤對預測價格的影響及確定最壞情況下預測性能的下限，結(jié)合圖2，具體步驟如下：步驟3.1、確定社會利益函數(shù)，具體定義為：G(p)=Σ1Nui(ri(p))-h(D-Σ1Nri(p))---(3)]]>其中為懲罰函數(shù)，其定義可根據(jù)按公式(4)得到：h(D-Σ1Nri(p))=q2(D-Σ1Nri(p))2---(4)]]>其中q為懲罰因子。步驟3.2、根據(jù)最大化社會利益策略表達式計算完全準確預測的唯一價格p*，并計算出此時的社會利益E[G(p*)]，具體如下：p*可按公式(5)計算得到：p*=-q(D+N)+q2(D+N)2+4qw2---(5)]]>其中并且其中滿足在價格p*下的社會利益期望值E[G(p*)]滿足公式(6)：E[G(p*)]=E[maxp≥0G(p)]=-q(D+N)22+E(Σ1Nwilnwi)-E(wlnp*)+q(D+N)E(wp*)-q2E(w2p*2)---(6)]]>步驟3.3、利用最大化社會利益期望值策略計算和具體如下：最大化社會利益期望值策略即預測價格值最大化社會利益的期望值，具體滿足公式(7)：E[G(p^)]=maxp≥0E[G(p)]---(7)]]>根據(jù)公式(7)獲得的具體計算表達式如公式(8)：p^=-q(D+N)+q2(D+N)2+4qE(w2)/E(w)2---(8)]]>其中E(w2)和E(w)分別為w2和w的期望值。根據(jù)的表達式得到的表達式：E[G(p^)]=-q(D+N)22+E(Σ1Nwilnwi)-E(w)lnp^+q(D+N)E(w)p^-qE(w2)2p^2]]>步驟3.4、根據(jù)上述公式及Jensen不等式首先可以得到與p*的關(guān)系如公式(9)：E(p*)≤p^---(9)]]>根據(jù)上述和p*的社會利益期望值的比較及Jensen不等式確定最壞情況下的預測性能的下限值可按公式(10)計算：E[G(p^)]E[G(p*)]≥1-q(D+N)E(w)(1p**-1p^)-E(w)lnp**p^-qE(w2)2(1p**2-1p^2)-q(D+N)22+E(Σ1Nwilnwi)-E(w)lnp**+q(D+N)E(w)p**-qE(w2)2p**2---(10)]]>其中當wi≥1時，最壞情況下的預測性能的下限按公式(11)計算：E[G(p^)]E[G(p*)]≥1-q(D+N)E(w)(1p**-1p^)-E(w)lnp**p^-qE(w2)2(1p**2-1p^2)-q(D+N)22-E(w)lnp**+q(D+N)E(w)p**-qE(w2)2p**2---(11)]]>實施例1本發(fā)明采用基于預測的社會利益最大化策略進行定價，步驟如下：步驟1，供應云提供商收集自身可用空閑資源。所述云聯(lián)邦中有一個供應云供應商，其收集自身的可用空閑資源，其中指其能夠處理的內(nèi)包的請求的最大數(shù)量D，其中值為100。步驟2，供應云提供商預測各需求云供應商的信息，N為需求云供應商的數(shù)量，它們的效用能力wi在[1,4]隨機產(chǎn)生，所以對應的最優(yōu)請求的數(shù)量隨機產(chǎn)生在之間。步驟3，云聯(lián)邦中的供應云提供商采用最大化社會利益期望值策略進行預測價格，并分析預測錯誤對預測價格的影響及確定最壞情況下預測性能的下限。圖2為本發(fā)明最大化社會利益期望值策略進行預測價格，并分析預測錯誤對預測價格的影響及確定最壞情況下預測性能的下限流程：首先，假定懲罰因子q＝1，確定社會利益函數(shù)：G(p)=Σ1Nwi(lnwi-lnp)-q2(D+N-wp)]]>然后，按照前述公式，依次計算完全準確預測的唯一價格p*和E[G(p*)]。其次，按照前述公式，依次計算預測的價格和對應的社會利益期望值最后，按照上面對應的公式，比較預測價格和完全準確預測價格的關(guān)系，并根據(jù)它們社會利益期望值的比較及Jensen不等式計算預測性能的下限。在本實施例中，圖3給出了完全準確預測的最優(yōu)價格p*和預測的價格隨需求云供應商數(shù)量變化的曲線圖，圖4給出了預測性能下限隨總的效用能力方差(即預測誤差)變化的曲線圖。由圖3可見：所提方法預測的價格能夠很好的接近完全準確預測的最優(yōu)價格。由圖4可見：所提方法的預測性能下限隨著預測誤差的減小而增大，并能夠確保當預測誤差為0時，預測的社會利益期望等于完全準確預測的社會利益期望值。結(jié)合圖3、圖4可知所提方法能夠有效地給出沒有完備信息情況的預測價格，并能夠確保該預測價格接近完備信息情況的最優(yōu)價格，同時能夠確定預測性能下限。綜上所述，本發(fā)明通過對需求云供應商信息的預測并最大化社會利益期望值進行價格的預測，該方法有效，并能夠確定由于預測誤差造成的預測性能下限。當前第1頁1 2 3