本發(fā)明屬于計算機(jī)網(wǎng)絡(luò)
技術(shù)領(lǐng)域：
，尤其涉及基于穩(wěn)定匹配算法的保證需求下限的頻譜分配模型。
背景技術(shù)：
：在當(dāng)今的互聯(lián)網(wǎng)時代，無線通信網(wǎng)絡(luò)的頻譜是一種不可或缺的重要資源。然而，由于無線通信流量的日益增長，頻譜也成為了一種緊張的資源。為了盡可能更好地利用現(xiàn)有的頻譜、避免由于傳統(tǒng)的靜態(tài)頻譜分配方法而造成的頻譜浪費(fèi)。動態(tài)的頻譜分配方法由此誕生，它能夠使無線通信服務(wù)提供商根據(jù)自己的需求買賣過剩的頻譜信道。頻譜的交易活動其本質(zhì)上是頻譜買賣雙方的一種匹配。相對于最優(yōu)的頻譜匹配結(jié)果，穩(wěn)定的頻譜匹配結(jié)果是針對自由頻譜交易市場的合理的匹配結(jié)果。理由如下：(1)交易市場中的買賣雙方都是自私性的，只考慮最大化自身的利益，這與整個交易系統(tǒng)的最優(yōu)化的目標(biāo)并不一定嚴(yán)格一致。最優(yōu)的匹配算法只有在存在“控制者”的集中式系統(tǒng)中可以強(qiáng)制執(zhí)行，而穩(wěn)定的匹配算法則考慮了買家和賣家的個人偏好，使得任何買家或賣家都能單方面得到更好的匹配結(jié)果，保證了匹配算法在分布式的自由頻譜交易市場的實行。(2)從計算復(fù)雜度上來說，最優(yōu)的匹配方案往往是np困難的，而穩(wěn)定的頻譜匹配方法可以在多項式時間內(nèi)被解決。穩(wěn)定的匹配算法源于gale和shapley等人的研究。他們最早提出了遞延接受deferredacceptance(da)算法，解決了具有需求上限的匹配問題。遞延接受算法在計算機(jī)科學(xué)領(lǐng)域被廣泛應(yīng)用于資源的分配問題，如云端的虛擬機(jī)管理、家庭基站中的用戶接入、端到端的頻譜共享等問題。區(qū)別于傳統(tǒng)的匹配問題，頻譜分配具有復(fù)用性的重要特質(zhì)。復(fù)用性是指在無線通信過程中，由于信號的衰減，距離足夠遠(yuǎn)的兩個用戶的信號不會相互干擾，因此這兩個用戶可以使用相同的頻譜。同理，在頻譜交易市場中可以允許頻譜賣家將它的頻譜出售給距離足夠遠(yuǎn)、信號不會相互干擾的買家。頻譜復(fù)用提高了頻譜的使用效率，但是給穩(wěn)定的頻譜匹配算法設(shè)計帶來了挑戰(zhàn)。y.chen等人曾提出過adaptedtwo-stagedeferredacceptance算法，該算法利用了頻譜可復(fù)用性，并且能給出穩(wěn)定的匹配結(jié)果。然而，這種算法僅僅考慮到了每個買家的頻譜需求上限。事實上，為了實現(xiàn)無線通信的正常運(yùn)營，頻譜買家也有其頻譜需求下限。傳統(tǒng)的遞延接受算法并不能滿足需求下限，d.fragiadakis提出了一種拓展遞延接受算法，用于解決同時存在需求上限和需求下限的匹配問題。然而，由于頻譜具有復(fù)用性的特質(zhì)，這中算法并不能直接被用于解決頻譜的匹配問題。技術(shù)實現(xiàn)要素：本發(fā)明針對現(xiàn)有技術(shù)的不足，提供一種基于穩(wěn)定匹配算法的保證需求下限的頻譜分配模型。本發(fā)明的技術(shù)方案為基于穩(wěn)定匹配算法的保證需求下限的頻譜分配模型，包含以下步驟：一種基于穩(wěn)定匹配算法的保證需求下限的頻譜分配方法，其特征在于，定義p個頻譜買家，q個頻譜賣家，頻譜買家為次級用戶，頻譜賣家為初級用戶，該方法包含以下步驟：步驟1，建立q個干擾圖，每個干擾圖對應(yīng)一個頻譜賣家的頻譜，即針對頻譜賣家s，建立干擾圖gs＝(n,es)，其中節(jié)點(diǎn)集合n為p個頻譜買家的集合，邊集合es的建立方式如下。對于每一對頻譜買家j,j’，如果j，j’在頻譜s上干擾，則添加邊到邊集合es中。步驟2，根據(jù)頻譜買家對頻譜賣家的頻譜的出價，建立買家對賣家的偏好關(guān)系和賣家對買家集合的偏好關(guān)系，具體方法是：買方對賣方的偏好關(guān)系的生成方法為，如果買家i對賣家j和賣家j’的出價關(guān)系為那么偏好關(guān)系為j＞＞ij′。賣家對買家集合的偏好關(guān)系由買家的出價和干擾圖決定決定。假設(shè)對于賣家i有買家集合a和b，如果買家集合a中的買家都相互不干擾，即賣家集合b中存在相互干擾的買家，即那么偏好關(guān)系為a＞＞ib；如果買家集合a中的買家和集合b中的買家都相互不干擾，而a中買家的總出價高于b中買家的總出價，即那么偏好關(guān)系為a＞＞ib，反之亦然；步驟3，計算可自由支配頻譜數(shù)θ，具體步驟如下：步驟3.1、對于每一個需求下限為pc的買家s，創(chuàng)建pc個虛擬節(jié)點(diǎn)。步驟3.2、每個新建的虛擬節(jié)點(diǎn)均繼承原節(jié)點(diǎn)的所有的干擾關(guān)系，即繼承原節(jié)點(diǎn)在所有原始干擾圖中的邊。步驟3.3、在同一原節(jié)點(diǎn)的每兩個虛擬節(jié)點(diǎn)之間創(chuàng)建沖突邊。步驟3.4、對根據(jù)步驟步驟3.1至步驟3.3得到的干擾圖，使用welchpowell法，計算出能覆蓋整g的最小顏色數(shù)coloring，θ＝m-coloring，其中m為所有賣家的個數(shù)。步驟4，根據(jù)每一個買家c的需求下限pc和需求上限qc(由買家預(yù)算決定)，生成兩個新的虛擬買家：常規(guī)型ca和拓展型cb。ca的需求下限為0，需求上限為pc；cb的需求下限為0，需求上限為qc-pc。ca和cb均繼承c對所有賣家的出價和偏好關(guān)系。對所有賣家的頻譜，以所有新的虛擬買家為結(jié)點(diǎn)建立新的干擾圖gs，具體步驟如下：步驟4.1、ca和cb繼承所有c的沖突關(guān)系，即繼承c在原始干擾圖中的邊。步驟4.2、在ca和cb之間建立一條邊。步驟5，頻譜匹配，具體步驟如下；步驟5.1、將所有賣家s的候選匹配對象列表as置為全體買家n。將所有買家c的候選匹配對象列表wc置為空集。將所有買家的最終匹配列表μ(c)和所有賣家的最終匹配列表μ(s)置為空集。步驟5.2、如果存在賣家的候選匹配對象列表as不為空集，跳轉(zhuǎn)至步驟5.3；否則，整個算法結(jié)束。步驟5.3、對所有的候選匹配對象列表as不為空集的賣家s，使用貪心算法在其干擾圖gs上求出極大獨(dú)立集步驟5.4、如果根據(jù)步驟5.23求出的所有賣家s的都為空集，則結(jié)束步驟5；否則，跳轉(zhuǎn)至步驟5.5。步驟5.5、對于所有賣家s的極大獨(dú)立集中的買家c，將s加入c的候選匹配對象列表wc中；將c從s的候選匹配對象列表as中刪除，并且在s的沖突圖gs中將代表c的節(jié)點(diǎn)以及與其相連的邊刪除。步驟5.6、對于所有的候選匹配對象列表wc不為空的買家c，進(jìn)行如下處理：步驟5.61、如果c屬于常規(guī)型買家，在wc和μ(c)的并集中選取c最偏好的不超過c的需求上限個數(shù)的頻譜作為新的μ(c)，并將c加入這些頻譜的匹配列表μ(s)中，跳轉(zhuǎn)至步驟5.7；否則，如果c屬于拓展型買家時，令臨時計數(shù)變量count＝0，跳轉(zhuǎn)至步驟5.62。步驟5.62、當(dāng)count小于可自由支配頻譜數(shù)θ，并且存在拓展型買家c滿足μ(c)的模小于c的需求上限并且c的候選匹配對象列表wc不為空集時，依次考慮買家c的匹配頻譜，否則，跳轉(zhuǎn)至步驟5.7?？紤]買家ci，如果μ(ci)的模小于ci的需求上限且ci的候選匹配對象列表不為空集，從和μ(ci)的并集中取ci最偏好的一個頻譜s加入到μ(ci)中，并且將ci加入頻譜s的匹配列表μ(s)中，將s從中刪除，并將干擾圖gs中代表ci的節(jié)點(diǎn)及其所連接的邊刪除，將計數(shù)變量count加1；否則，如果μ(ci)的模等于ci的需求上限或者ci的候選匹配對象列表不為空集時，i＝i+1，重復(fù)步驟5.62。步驟5.7、清空wc。步驟5.8跳轉(zhuǎn)至步驟5.2。在上述的一種基于穩(wěn)定匹配算法的保證需求下限的頻譜分配方法，在步驟3中，welchpowell算法包括：步驟2.1、將干擾圖g中的節(jié)點(diǎn)按度數(shù)遞減的次序進(jìn)行排列(相同度數(shù)的結(jié)點(diǎn)的排列隨意)。步驟2.2、用第一種顏色對第一個節(jié)點(diǎn)著色，并按排列次序?qū)εc前面節(jié)點(diǎn)不相鄰的每一點(diǎn)著同樣的顏色。步驟2.3、用第二種顏色對尚未著色的點(diǎn)重復(fù)步驟2.2、,直到所有的點(diǎn)都著上顏色為止。步驟2.4、所需要的顏色數(shù)為coloring?？勺杂芍涞念l譜數(shù)為θ＝m-coloring。在上述的一種基于穩(wěn)定匹配算法的保證需求下限的頻譜分配方法，在步驟5中，用于計算求解最大獨(dú)立集的貪心算法包括：步驟5.1、對于所有的賣家s，找出買家集合qs。在qs中的買家滿足約束條件：約束條件1、在候選匹配對象列表as中；約束條件2、不與匹配列表μ(s)中的任何買家c干擾。步驟5.2、為干擾圖gs里包含qs買家的子圖，對于中的節(jié)點(diǎn)n，weightn為節(jié)點(diǎn)n的權(quán)重，degreen為節(jié)點(diǎn)n的度，按照weightn/(degreen+1)降序?qū)?jié)點(diǎn)排序。步驟5.3、取出排在最前面的一個節(jié)點(diǎn)n，即weightn/(degreen+1)的值最大的節(jié)點(diǎn)，將其加入到最大獨(dú)立集中，將其從刪除，并將所有與其相連的節(jié)點(diǎn)和邊從中刪除。步驟5.4、當(dāng)中不再存在節(jié)點(diǎn)時，結(jié)束該算法；否則，跳轉(zhuǎn)至步驟5.2。本發(fā)明具有如下優(yōu)點(diǎn)：本發(fā)明所描述的頻譜分配方法可以滿足所有頻譜買家的頻譜需求下限和成本預(yù)算，并且保證頻譜分配結(jié)果的穩(wěn)定性，即不存在任何一對頻譜買家和賣家希望相互替換掉自己當(dāng)前匹配的頻譜賣家和買家。該頻譜分配方法的運(yùn)行效率高，具有多項式的復(fù)雜度。與傳統(tǒng)的頻譜分配方法相比，該發(fā)明得到的最終頻譜分配結(jié)果提高了頻譜買家和頻譜賣家的交易成功率和滿意度。附圖說明圖1是本發(fā)明的頻譜匹配方法的算法流程圖。圖2a是本發(fā)明實施例的頻譜匹配流程圖(第一輪)。圖2b是本發(fā)明實施例的頻譜匹配流程圖(第二輪)。圖2c是本發(fā)明實施例的頻譜匹配流程圖(第三輪)。圖2d是本發(fā)明實施例的頻譜匹配流程圖(最后匹配結(jié)果)。圖3是本發(fā)明的welchpowell算法流程圖。圖4是本發(fā)明最大獨(dú)立集的貪心算法流程圖。圖5是本發(fā)明實施例中，假設(shè)次級用戶(頻譜買家)在每條頻譜上的干擾圖相同的關(guān)系示意圖。圖6是本發(fā)明實施例中，為三個買家創(chuàng)建2、1、2個虛擬節(jié)點(diǎn)后的關(guān)系示意圖。圖7是本發(fā)明實施例中，生成的常規(guī)型和拓展型買家后的干擾圖。具體實施方式本發(fā)明主要基于滿足需求下限的拓展遞延算法，考慮頻譜可復(fù)用的特性，提出的一種基于穩(wěn)定匹配算法的保證需求下限的頻譜分配模型。本方法充分考慮了匹配成功率和買家和賣家的滿意度。通過本發(fā)明獲得的頻譜分配結(jié)果可以適用于頻譜自由交易的頻譜市場。本發(fā)明提供的方法能夠用計算機(jī)軟件技術(shù)實現(xiàn)流程。參見圖1，實施例為對本發(fā)明的流程進(jìn)行一個具體的闡述，實施例如下：假設(shè)存在三個頻譜買家a,b,c，六個頻譜賣家a,b,c,d,e,f，每個頻譜賣家擁有一個頻譜。頻譜買家對頻譜賣家的出價如下表所示。表1.買家a買家b買家c賣家a611賣家b423賣家c265賣家d134賣家e552賣家f346需求下限212需求上限333步驟1，根據(jù)次級用戶在每個初級用戶的頻譜上傳輸?shù)母蓴_關(guān)系建立干擾圖gs＝(n,es)，其中節(jié)點(diǎn)集合n代表所有的次級用戶。如果次級用戶c和c’在頻譜s上干擾，則添加邊到邊集合es中。實施例中，假設(shè)次級用戶(頻譜買家)在每條頻譜上的干擾圖相同，都如圖5所示。步驟2，根據(jù)次級用戶(頻譜買家)對初級用戶(頻譜賣家)的頻譜的出價，建立買家對賣家的偏好關(guān)系和賣家對買家集合的偏好關(guān)系。買方對賣方的偏好關(guān)系的生成方法為，如果買家i對賣家j和賣家j’的出價關(guān)系為那么偏好關(guān)系為j＞＞ij′。賣家對買家集合的偏好關(guān)系由買家的出價和干擾圖決定決定。假設(shè)對于賣家i有買家集合a和b，如果買家集合a中的買家都相互不干擾，即賣家集合b中存在相互干擾的買家，即那么偏好關(guān)系為a＞＞ib；如果買家集合a中的買家和集合b中的買家都相互不干擾，而a中買家的總出價高于b中買家的總出價，即那么偏好關(guān)系為a＞＞ib，反之亦然。實施例的具體實施方案如下：根據(jù)買家對賣家的出價，可以建立買家對賣家的偏好關(guān)系如下：a＞＞ae＞＞ab＞＞af＞＞ac＞＞adc＞＞be＞＞bf＞＞bd＞＞bb＞＞baf＞＞cc＞＞cd＞＞cb＞＞ce＞＞ca步驟3，計算可自由支配頻譜數(shù)θ，具體步驟如下：(1)對于每一個需求下限為pc的買家s，創(chuàng)建pc個虛擬節(jié)點(diǎn)。(2)每個新建的虛擬節(jié)點(diǎn)均繼承原節(jié)點(diǎn)的所有的干擾關(guān)系，即繼承原節(jié)點(diǎn)在所有原始干擾圖中的邊。(3)在同一原節(jié)點(diǎn)的每兩個虛擬節(jié)點(diǎn)之間創(chuàng)建沖突邊。(4)對根據(jù)步驟(1)(2)(3)得到的干擾圖，使用welchpowell法，計算出能覆蓋整g的最小顏色數(shù)coloring，θ＝m-coloring，其中m為所有賣家的個數(shù)。welchpowell算法可描述如下：(1)將干擾圖g中的節(jié)點(diǎn)按度數(shù)遞減的次序進(jìn)行排列(相同度數(shù)的結(jié)點(diǎn)的排列隨意)。(2)用第一種顏色對第一個節(jié)點(diǎn)著色，并按排列次序?qū)εc前面節(jié)點(diǎn)不相鄰的每一點(diǎn)著同樣的顏色。(3)用第二種顏色對尚未著色的點(diǎn)重復(fù)(2),直到所有的點(diǎn)都著上顏色為止。(4)所需要的顏色數(shù)為coloring。實施例的具體實施方案如下：由于a,b,c的最小匹配數(shù)分別為2、1、2，因此分別為三個買家創(chuàng)建2、1、2個虛擬節(jié)點(diǎn)，即a,a’,b,c,c’。每個新建的虛擬節(jié)點(diǎn)均繼承原節(jié)點(diǎn)的所有的干擾關(guān)系，即繼承原節(jié)點(diǎn)在所有原始干擾圖中的邊。在同一原節(jié)點(diǎn)的每兩個虛擬節(jié)點(diǎn)之間創(chuàng)建沖突邊。如圖6所示。在由虛擬節(jié)點(diǎn)構(gòu)成的圖中，使用welchpowell法，計算出能覆蓋整個圖的最小顏色數(shù)coloring，具體過程如下：(1)按度數(shù)遞減次序?qū)_突圖中的結(jié)點(diǎn)進(jìn)行排序，排序結(jié)果為a，a’，c，c’，b。(2)用顏色1對a著色及不與a相連的節(jié)點(diǎn)著色。由于所有節(jié)點(diǎn)都與a相連，顏色1只能對a著色。同理，用顏色2對a’著色。用顏色3對c及不與c相連的結(jié)點(diǎn)b著色，用顏色4對c’著色。至此所有虛擬節(jié)點(diǎn)著色完畢。用了4種顏色。(3)θ＝6-4＝2。步驟3，根據(jù)每一個買家c的需求下限pc和需求上限qc(由買家預(yù)算決定)，生成兩個新的虛擬買家：常規(guī)型ca和拓展型cb。ca的需求下限為0，需求上限為pc；cb的需求下限為0，需求上限為qc-pc。ca和cb均繼承c對所有賣家的出價和偏好關(guān)系。對所有賣家的頻譜，以所有新的虛擬買家為結(jié)點(diǎn)建立新的干擾圖gs，具體步驟如下：(1)ca和cb繼承所有c的沖突關(guān)系，即繼承c在原始干擾圖中的邊。(2)在ca和cb之間建立一條邊。實施例的具體實施方案如下：生成的常規(guī)型和拓展型買家為：aa,ab,ba,bb,ca,cb,需求下限都為0，需求上限分別為2、1、1、2、2、1，新的干擾圖如圖7所示。步驟5，頻譜匹配，具體步驟如下；(1)將所有賣家s的候選匹配對象列表as置為全體買家n。將所有買家c的候選匹配對象列表wc置為空集。將所有買家的最終匹配列表μ(c)和所有賣家的最終匹配列表μ(s)置為空集。(2)如果存在賣家的候選匹配對象列表as不為空集，跳轉(zhuǎn)至(3)；否則，結(jié)束步驟5。(3)對所有的候選匹配對象列表as不為空集的賣家s，使用貪心算法在其干擾圖gs上求出極大獨(dú)立集(4)如果根據(jù)(3)求出的所有賣家s的都為空集，則結(jié)束步驟5；否則，跳轉(zhuǎn)至(5)。(5)對于所有賣家s的極大獨(dú)立集中的買家c，將s加入c的候選匹配對象列表wc中；將c從s的候選匹配對象列表as中刪除，并且在s的沖突圖gs中將代表c的節(jié)點(diǎn)以及與其相連的邊刪除。(6)對于所有的候選匹配對象列表wc不為空的買家c，a)如果c屬于常規(guī)型買家，在wc和μ(c)的并集中選取c最偏好的不超過c的需求上限個數(shù)的頻譜作為新的μ(c)，并將c加入這些頻譜的匹配列表μ(s)中，跳轉(zhuǎn)至(7)；否則，如果c屬于拓展型買家時，令臨時計數(shù)變量count＝0，跳轉(zhuǎn)至b)。b)當(dāng)count小于可自由支配頻譜數(shù)θ，并且存在拓展型買家c滿足μ(c)的模小于c的需求上限并且c的候選匹配對象列表wc不為空集時，依次考慮買家c的匹配頻譜，否則，跳轉(zhuǎn)至(7)?？紤]買家ci，如果μ(ci)的模小于ci的需求上限且ci的候選匹配對象列表不為空集，從和μ(ci)的并集中取ci最偏好的一個頻譜s加入到μ(ci)中，并且將ci加入頻譜s的匹配列表μ(s)中，將s從中刪除，并將干擾圖gs中代表ci的節(jié)點(diǎn)及其所連接的邊刪除，將計數(shù)變量count加1；否則，如果μ(ci)的模等于ci的需求上限或者ci的候選匹配對象列表不為空集時，i＝i+1，重復(fù)b)。(7)清空wc。(8)跳轉(zhuǎn)至(2)。用于計算求解最大獨(dú)立集的貪心算法描述如下：(1)對于所有的賣家s，找出買家集合qs。在qs中的買家滿足條件：a)在候選匹配對象列表as中；b)不與匹配列表μ(s)中的任何買家c干擾。(2)為干擾圖gs里包含qs買家的子圖，對于中的節(jié)點(diǎn)n，weightn為節(jié)點(diǎn)n的權(quán)重，degreen為節(jié)點(diǎn)n的度，按照weightn/(degreen+1)降序?qū)?jié)點(diǎn)排序。(3)取出排在最前面的一個節(jié)點(diǎn)n，即weightn/(degreen+1)的值最大的節(jié)點(diǎn)，將其加入到最大獨(dú)立集中，將其從刪除，并將所有與其相連的節(jié)點(diǎn)和邊從中刪除。(4)當(dāng)中不再存在節(jié)點(diǎn)時，結(jié)束該算法；否則，跳轉(zhuǎn)至(2)。如圖2所示，實施例的具體實施方案如下：此時進(jìn)入匹配算法，將所有的買家虛擬節(jié)點(diǎn)aa,ab,ba,bb,ca,cb,都加入到賣家a,b,c,d,e,f的候選匹配對象列表as中。在匹配算法的第一輪中，對于賣家a，由于aa的weightn/(degreen+1)值最大，將aa加入到賣家a的最大權(quán)獨(dú)立集中，將aa和與其相連的買家虛擬節(jié)點(diǎn)從干擾圖中刪除后，干擾圖中不再存在節(jié)點(diǎn)，至此，賣家a的最大權(quán)獨(dú)立集為{aa}。同理，對于賣家b，由于ca的weightn/(degreen+1)最大，將ca加入到賣家b的最大權(quán)獨(dú)立集中，并刪除結(jié)點(diǎn)ca,aa,ab,cb,在剩下的節(jié)點(diǎn)中取節(jié)點(diǎn)ba加入到中，干擾圖中不再存在節(jié)點(diǎn)，至此，賣家b的最大權(quán)獨(dú)立集為同理，剩余賣家的最大權(quán)獨(dú)立集均為{ca,ba}。所有賣家均向自己最大權(quán)獨(dú)立集中的買家提出匹配申請，并將其從as中刪除，買家將提出申請的賣家放在候選匹配對象列表wc中，并且在自己的干擾圖中將提出申請的買家節(jié)點(diǎn)刪除。即賣家a向aa提出申請，其余賣家向ca,ba提出申請。對于aa，提出申請的頻道數(shù)為1，aa的需求上限為2，由于提出申請的賣家數(shù)小于需求上限，aa接受賣家a的匹配申請。對于ba，提出申請的賣家數(shù)為5，ba的需求上限為1，由于提出申請的賣家數(shù)大于需求上限，ba接受最偏好的賣家c的申請。對于ca，提出申請的賣家數(shù)為5，ca的需求上限為2，由于提出申請的賣家數(shù)大于需求上限，ca接受最偏好的賣家c和賣家f的申請。清空所有買家的候選匹配列表。至此，第一輪匹配結(jié)束。在第二輪匹配算法中，由于頻道a已經(jīng)暫時與aa匹配，因此在求賣家a的最大權(quán)獨(dú)立集時，排除與aa干擾的節(jié)點(diǎn)。至此，不再有結(jié)點(diǎn)，頻道a的最大權(quán)獨(dú)立集為空集。同理，求得賣家b的最大權(quán)獨(dú)立集為{cb,bb}；賣家c的最大權(quán)獨(dú)立集為空集；賣家d、e、f的最大權(quán)獨(dú)立集為{cb,bb}。此時，cb,bb的候選匹配列表不為空，θ＝2。對于bb，選擇其候選匹配列表中最偏好的賣家e，此時count＝1<θ；對于cb,選擇其候選匹配列表中最偏好的賣家d，此時count＝2<θ。清空所有買家的候選匹配列表。至此，第二輪匹配結(jié)束。第三輪匹配中，賣家b的最大權(quán)獨(dú)立集為{aa}，其余賣家的最大權(quán)獨(dú)立集為空集。賣家b向aa提出匹配申請。此時，賣家a暫時與aa匹配，提出申請的賣家數(shù)與暫時匹配的賣家數(shù)之和為2，不大于aa的需求上限，因此aa接受賣家b的申請。至此，匹配算法結(jié)束。匹配結(jié)果為，aa與賣家a、b相匹配；ba與賣家c相匹配；bb與賣家e相匹配；ca與賣家c、f相匹配；cb與賣家d相匹配。本文中所描述的具體實施例僅僅是對本發(fā)明精神作舉例說明。本發(fā)明所屬
技術(shù)領(lǐng)域：
的技術(shù)人員可以對所描述的具體實施例做各種各樣的修改或補(bǔ)充或采用類似的方式替代，但并不會偏離本發(fā)明的精神或者超越所附權(quán)利要求書所定義的范圍。當(dāng)前第1頁12