Nash组建ISP内容提供商联盟的案例

2022-6-11 00:41:28

通过Nash讨价还价组建ISP内容提供商传感器的案例Universitydebasismitra@columbia.eduAbhinavSridharColumbia大学和Qualcommas5183@columbia.eduAbstract-对于大规模内容缓存，需要考虑组建一个宽带接入互联网服务提供商（ISP）和多个内容提供商（CP）的联盟。联合体成员分担运营成本和支持基础设施投资成本。相应地，模型的成本函数包括边际成本和固定成本；后者在决定产业结构方面起着重要作用。此外，如果网络中立性监管允许，ISP最后一英里的额外网络容量可能由CPs承包。用户数量是由用户的需求价格弹性和体验质量共同决定的。定价和设计优化后的联盟产生的利益决定了游戏的特征函数。联盟的形成是在非合作多人博弈论框架下，根据Okada（1996）提出的基于随机提议的讨价还价过程。为大联盟的形成提供了必要和充分的条件，将补贴从大贡献者限制到小贡献者。即使在NetNeutrality法规下，也普遍支持缓存。大联盟的利益符合上限。数值结果说明了分析结果。索引条款内容交付、纳什谈判、网络中立。一、简介视频流等商业级Web应用的增长非常迅速。来自提供商（如Net flix和YouTube）的内容已经构成了所有互联网流量的重要组成部分，而且这一趋势正在强劲上升。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:41:31

例如，2018年第一季度，Netflix和YouTube在每天高峰时段的互联网流量中占比超过50%，各自占下游流量的比例分别为31.62%和18.69%[1]。2018年，Netflix本身在全球拥有1.25亿用户[2]。这是公认的挑战，缓存（以各种形式）已被公认为解决此环境中性能问题的重要技术。例如，参见T.Leighton的《照明论文》[3]。缓存要有效，需要参与者（即内容提供商、控制到最终用户的最后一英里的SP和传输SP）之间在从工程到业务的各个层面上进行合作。2014年，全国媒体就网络流量限制问题清楚地看到了这种合作的缺失。作者感谢与王琼（UIUC）的讨论带来的好处。本文报告的工作得到了美国国家科学基金会CMMI-1435378的资助。Comcast和其他ISP的流量。然而，这种关系最近变得很好【4】，部分原因可能是由于Net flix的OpenConnect缓存系统的部署带来了互惠互利【5】。除了ISP-CP关系之外，其他重要因素也决定了恶作剧用户行为的规模和ZF法规，尤其是网络中立性。在本文中，我们对上述参与者和因素的兴趣和行为进行了广泛的分析，目的是深入了解用于互联网内容交付的超大规模缓存的新方法。查看缓存解决的性能瓶颈非常有用。延迟是用户体验质量的主要决定因素[6]。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-11 00:41:34

莱顿（Leighton）[3]认为，他称之为“距离瓶颈”（distance瓶颈）和“中间英里”（middle mile）的“限制瓶颈”（Limiting瓶颈）是指在内容源和最后一英里之间穿越互联网所花费的时间。[3]中指出，延迟和吞吐量呈反比关系。[3]中的表格显示了以下两个连接之间的对比，（i）本地连接小于100英里，以及（ii）跨大陆连接约3000英里。各自的性能如下：延迟1.6 ms vs 48 ms，吞吐量44 Mbps vs 1 Mbps，4GB内容下载时间12分钟vs 8.2小时。最近的一篇论文[7]基于ISP和单个CP之间业务交互的Stackelberg领导者-追随者模型，对相关问题进行了建模和分析。Stackelberg模型已经建立得很好了[8]。然而，我们认为，在这种情况下，它有几个缺点：（a）ISP作为领导者和CP作为追随者的假设在当前和将来可能都不合理；（b）作为一种商业互动模型，它有很多需要考虑的地方，即将Stackelberg模型中所有参与者的综合绩效与规范性基准进行比较，对前者非常不利；（c）对网络中立政策效果的预测值得怀疑。让我们解释一下。苏珊·克劳福德（SusanCrawford）[9]在2013年生动地描述了面对现任者的反对，尤其是康卡斯特（Comcast），Netflix的生存权。今天的情况大不相同。FLIX的净市值为1730亿美元，而康卡斯特的净市值为1610亿美元。如今，它被定位为内容流媒体行业的领导者，事实上，所有主要的流媒体视频公司都是具有相当大影响力的主要参与者。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-6-11 00:41:37

这些参与者的讨价还价能力是实质性的，当然超过了斯塔克伯格模型中追随者的地位。[7]中的数据表明，斯塔克伯格模型中ISP和CP的组合收益率大大低于可被视为标准基准的收益率，即在理想化环境中实现的收益率，在理想化环境中，玩家在定价和系统设计方面进行合作，以最大化组合收益率。然而，没有提出如何在竞争环境中实现规范绩效基准的模型。在对网络中立性的分析中，文献[7]证明，ifregulations禁止向CP的服务增加网络容量，然后缓存崩溃。给出的解释是，提高缓存的单价符合ISP的利益，因为它增加了缓存的利润，即使它的数量在不断减少，而CP作为跟随者必须接受；然而，这种价格上涨对CP性能的影响越来越大，导致CP在达到nullpoint之前减少了缓存部署。任何观察者都有理由认为一定有更好的方式来经营企业！这里讨论了[7]中的其他重要缺陷。其中最重要的是ISP和CPs产生的固定公共成本。固定成本来自基础设施、设备、建筑、稳定可靠的电源、空调、维修等。这些成本不同于边际成本，边际成本与用户数量、缓存和增强的网络容量成比例。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-6-11 00:41:40

固定共同成本是通信行业经济中众所周知的因素，通常规模较大，并且在进入壁垒、自然垄断形成和监管方面对行业结构产生重大影响；例如，参见[10]和[11]。该模型的一个相关特征（在[7]中没有）是存在多个可能是异质的CP。特别是在存在大量固定成本的情况下，自然的业务框架是这些成本可以共享的地方。事实上，这是关键所在。我们寻求一个投资和运营框架，在这个框架中，行业参与者为了利益而竞争，但出于自身利益而合作，同时他们的议价能力也不会扭曲。我们提出的框架是非合作博弈论，纳什讨价还价是联盟形成的基础。更具体地说，虽然结果适用于其他协议，但我们关注的是一个由冈田（Okada）[12]提出的随机提议的协议。消除了第一个投标人的众所周知的优势，并存在一个平等的谈判领域。我们概述了我们的结果。（i）我们面临的第一个挑战是获取所有参与者集合（包括一个ISP和KCP）中任何联盟或子集的特征函数值。这些值对应于联盟在设计优化后获得的利润。pro-fit函数的诱人之处在于，它与每个CP对应的组件具有相加性，并且由于共同执行的成本F，只存在耦合。优化是基于其订阅者支付的价格（或费用）、每个CP的缓存大小和增量网络容量。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

点击查看更多内容…

2022-6-11 00:41:43

我们明确地获得了最优价格，并证明了价格函数相对于缓存大小是凹的，这为其最优提供了一个简单的条件。（ii）对于随机提议者的协议，冈田[12]获得了形成大联盟的必要和充分条件。我们为我们的模型获得了一个简单的等价条件。对这种情况的一种解释是，联盟中可能存在大利润贡献者对小利润贡献者的补贴，但补贴是有限的。具体而言，平均贡献与最小贡献之间的差距受到上限的限制。（iii）该结果的操作含义是，有必要应用一种形式的联盟许可控制，以形成大联盟。（iv）我们的分析和数值结果表明，网络中立性规则不会导致放弃缓存。这表明，与[7]相反的结果是Stackelberg模型的伪影。（v）我们表明，如果联盟中的所有参与者都满足联盟准入控制条件，那么即使CPs退出，它也会保持满足。（vi）我们将组成大联盟的谈判所隐含的对所有参与者的平等利益与Shapley Valuepayoffs进行了比较，并发现非合作基金会的成本分摊公式截然不同。（vi）我们的数字结果说明并证实了分析。举例说明了网络中立性监管可以减少可能加入联盟的CP数量。此外，还给出了一个例子，其中cache和incrementalnetwork容量在很大范围的参数值上充当经济替代品。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:41:46

（我们交替使用术语“财团”和“联盟”，通常分别在业务和分析上下文中使用）。在内容交付网络（CDN）的定价和经济性方面有大量的前期工作【13-15】。CDN作为ISP和CP之间的中介，在互联网上发挥着重要作用。然而，在这里考虑的模型中，这一角色由大型CP承担。Net flix就是最好的例子，它以前依赖CDN【16】，现在主要是自己的CDN。诚然，CDN在未来将扮演什么角色还有待观察。此外，在算法和教学部署方面有大量的前期工作[17-18]。由于我们的重点在其他地方，所以我们依赖于基本和早期的缓存模型[19]。二、型号A。系统模型和订阅方我们的系统模型有多个异构CP。每个CPmay都将其内容存储在不同的地理分散位置，通常存储在云中，并与ISP的数据中心保持一定距离。假设CP k的含量为∑k（k=1，2，…，k）。虽然我们关注的是以时间单位衡量的延迟（位），但在分析中，我们发现可以方便地使用网络容量的概念，网络容量与吞吐量相关，行为与延迟成反比，并且每单位时间有位单位。我们所考虑的系统（见图1）有一个大小为k的缓存，用于CP k的内容；缓存位于最后一英里的终点，或与ISP的数据中心相连接。在缓存命中的情况下，即CP k最终用户的内容选择碰巧存储在缓存中，用户经历的总延迟仅用于最后一英里的内容交付，而在缓存丢失的情况下，由于互联网从内容源到最后一英里的遍历，会有额外的延迟，这通常很大。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:41:50

Letrand r分别对应于缓存命中和未命中情况下的网络容量，因此r>r。让hk表示缓存命中概率。在Serpanoset之后。我们假设。1： System Modelhk=log（Sk+1）log∑k（1）CP k用户的平均网络容量表示为byRk，其中，Rk=rhk+r（1- hk）（2）我们考虑第二个性能增强功能，即CP k的βkper用户在ISP的最后一英里基础设施上的网络容量增强。此增强增强了SR，即所有用户的默认网络容量。能力增强需要在CPs和THISP之间协商，并遵守法规。如果启用增强，则其效果是修改CP k用户的平均网络容量，因此，Rk=（r+βk）hk+r（1- hk）（3）我们采用了[7]中的用户行为模型，其中CP k、nk提供的服务的用户数量取决于两个主要因素，即定价和体验质量（QoE）。我们让nk以乘积形式给出，nk（pk，βk，Sk）=Dk（pk）Qk（βk，Sk），（k=1，2，…，k）（4）这里，Dk（pk）表示服务价格的影响，pk，Qk（βk，Sk）表示QoE影响。具体而言，用户对价格的反应基于需求的恒定价格弹性[8,20,21]：Dk=Akpεkk（5），其中εk>0是恒定弹性，aki是潜在订阅者群的度量。请注意，丹麦pkpkDk=-εk，（6）即，恒定弹性是价格微小百分比变化的需求百分比变化。我们进一步假设εk>1，这与通信和电力行业[21]中的历史数据一致。QKRE函数表示QoE对订阅的影响。在al的Reichl之后。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-11 00:41:53

[22]，我们让对数函数将QoS映射到QoE，QoS由CP k，Rk的用户经历的平均网络容量给出，即Qk（βk，Sk）=log Rk（βk，Sk）（7），在不丧失一般性的情况下，我们选择的单位是r=1in（3）。那么，Rk（βk，Sk）=（δr+βk）hk+1，（k=1，2，…，k）（8），其中δr=r- r=r- 1 > 0. 因此，从（4）-（8）中，CP k的订户数量，nk（pk，βk，Sk）=Akpεkklog Rk（βk，Sk）（9）B。成本我们在此收集模型中假设的成本信息。重要的是，我们已将ISP和CPs单独产生的固定共同成本包括在内。设c为所有CP为支持每个用户而产生的成本，因此CP k产生的相应边际成本为cnk。这一成本是由于计费、身份验证等费用造成的。CP k的缓存费用是安装的缓存的c（s）kper单位，因此其缓存安装成本是c（s）kSk。固定成本用fk表示。ISP的固定成本（通常较大）由F表示。我方理解，只有在达成联盟组建协议的情况下，ISP才会产生固定成本。我们还让η（S）和η（β）分别表示ISP产生的缓存和网络容量的单位成本。C、非联盟业务模式在此业务模式中，ISP以单价向每个CP缓存和网络容量销售，并产生上述提供这些资源的单位成本；单价可能是特定于CP的。每个CP的收入来自其订户支付的费用。让ISP为CP k的缓存销售和网络容量设置的单价分别为t（S）和t（β）k。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:41:56

ISP和CP k的值由πISP（p，β，S）=KXk=1{（t（β）k）给出-η（β））βknk+（t（S）k-η（S））Sk}-F（10）πk（pk，βk，Sk）=（pk-c-t（β）kβk）nk-（c（S））k+t（S）k）Sk-fk（11）引入nkin（9）的表达式，我们得到πISP（p，β，S）=KXk=1{（t（β）k- η（β））βkAkpεkklog Rk（βk，Sk）+（t（S）k- η（S））Sk}- F（12）（13）πk（pk，βk，Sk）=（pk- c- t（β）kβk）Akpεkklog Rk（βk，Sk）- （c（S））k+t（S）k）Sk- FK在ISP和CPs之间没有业务协议的情况下，CP k的缓存Sk=0，因此缓存命中概率hk=0，Rk（βk，0）=1，Qk（βk，0）=0，因此πISP（p，β，0）=πk（pk，βk，0）=0，（k=1，2…，k）。D、联合业务模型我们获得了理想化的“综合运营”（IO）环境中的利润函数表达式，在该环境中，ISP和CP共同做出业务决策，以最大限度地提高其组合利润。因此，在该环境中，CPs不会向ISP转移资金以获得缓存和网络容量。我们注意到，本文提出的模型的全部相关性将在几秒钟内变得明显。IV和V。我们遵循的符号如下：玩家按k索引，CPs的索引范围为1到k，而SP的索引为k+1。我们让集合K={1，2，…，K}和K+=K∪{K+1}。我们用Θ表示CPs的任何联盟 Kand联盟，包括ISP，由Θ+=Θ组成∪ {K+1}。联盟的优势是πIO（Θ+）=Xk∈πk+πISP，（14）见（12）和（13）。由于取消了涉及t（S）和t（β）k的条款，这与此设置中没有CPs向ISP付款的情况一致，因此πIO（Θ+；p，β，S）=Xk∈ΘVk（pk，βk，Sk）- F（15），其中，对于k=1，2，K、（16）Vk（pk，βK，Sk）=（pk- c- η（β）βk）Akpεkklog Rk（βk，Sk）- （c（S）k+η（S））Sk- fkWe将VKA解释为ISP和CP k的“虚拟传感器”的“运营”利润。合格人员“运营”和“虚拟”注意到没有固定成本F。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:41:59

此外，Vkis是πk的结合环境中的类似物，in（13）。三、联盟商业模式的优化我们考虑以下问题：通过设置最大πIO（Θ+；p，β，S）w.r.t p，β，S.（17）πIO/pk=0，我们获得了针对订阅者的最佳费用，p*,p*k=εkεk- 1（c+η（β）βk）（k=1，2，…，k）（18）括号中的术语是用户的边际成本。我们将上述表达式合并到πIO中，并在这里考虑πIO和{Vk}仅是β和S的函数。也就是说，从（15）和（16），πIO（Θ+；β，S）=Xk∈ΘVk（βk，Sk）- F（19），其中，对于k=1，2，K、 Vk（βK，Sk）=ak（βK）log Rk（βK，Sk）- （c（S）k+η（S））Sk- fk，（20）和，ak（βk）=（εk- 1）（εk-1） εεkk·Ak（c+η（β）βk）（εk-1）（21）这里，ak（βk）表示在考虑了订阅支持和增量网络容量的每用户成本后，订阅费的利润部分。另一个pro-fit组件log-Rk放大了第一个pro-fit组件，并显示了由于缓存和最后一英里网络容量增量的结合提高了QoE而导致的订阅者的增加。（20）中的负面条款是虚拟联盟的缓存成本和CP的固定成本。该问题将针对缓存大小Sk的最大Vk（βk，Sk）（k=1，2，…，k）（22）和针对缓存大小（20）的容量增量βk.A.优化，Vk（βk，Sk）Sk=ak（βk）（δr+βk）（对数∑k）Rk·（Sk+1）- （c（S）k+η（S））（23）由于右侧随着Sk的增加而减小，因此Sk中的Vkis凹面>0。此外，如果Vk（βk，0）/Sk公司≤ 0，则当NSK=0时，相对于滑雪板达到的最大VKw。我们有提议1。Vk（βk，Sk）在Skis（c（S）k+η（S））<ak（βk）（δr+βk）（log∑k）（24）的唯一正值下达到其最大值的必要和充分条件如果不等式成立，则从一阶条件获得的Skis的唯一最优值Vk公司/Sk=0。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:42:02

如果违反（24）中的内在质量，则最佳Sk=0。证明如下：Vk（βk，Sk）相对于Sk的凹度；（24）表示Vk（βk，0）/Sk>0。（24）的解释是，左侧数量是ISP和CP k缓存的单位成本，右侧数量是Sk=0时缓存的边际收益。B、增量网络容量优化读卡器可以从（20）中验证Vk（βk，Sk）βk=ψk（βk，Sk）ak（βk）log Rk（βk，Sk）（25），其中，ψk（βk，Sk）=“hkRk（βk，Sk）log Rk（βk，Sk）-（εk- 1） η（β）（c+η（β）βk）#（26）从（25）中注意到ψk（βk，Sk）的符号是Vk（βk，Sk）βk因为其他因素是积极的。同样，作为βk→ ∞, ψk（βk，Sk）→ 如果ψk（0，Sk）>0，那么，由于ψkis在βk中是连续的，那么Vk（βk，Sk）/βk=0。设最小正解为β*k、其中Vk（βk，Sk）将最大化（可能是局部）。因此，我们有命题2。如果ψk（0，Sk）>0，即η（β）c<（εk- 1） hk（δrhk+1）log（δrhk+1））（27）那么在β处至少存在一个稳定的vk（βk，Sk）最大点*k> 0。请注意，左侧是η（β）与c的比率，η（β）是最后一英里内增量网络容量的单位成本，c是每用户成本。C、游戏的特征函数对于任何联盟Θ，特征函数值v（Θ）是联盟生成的利润。如果联盟不包括ISP（索引K+1），则特征函数值为null，单态{K+1}也是如此。我们现在考虑CPs和ISP的联盟，即Θ K、和Θ+=Θ∪ {K+1}。让VKw关于βk和skb的最大值通过上述程序产生，vk=最大vk（βk，Sk），（k=1，2。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:42:05

，K）（28）从（19），maxp，β，SπIO（Θ+；p，β，S）=Xk∈Θvk- F（29）因此，特征函数v（Θ+）=Xk∈Θvk- F（30）注意，如果∪{k} =, 然后v（Θ）+∪{k} （）-v（Θ+）=vk>0，因此游戏的特征函数是超级相加的。四、联盟谈判a。回顾相关模型我们感兴趣的是在多人非合作博弈论的框架内，由一个ISP和多个CP组成的一组参与者组成联盟。正如在两人讨价还价中[23,24]，多人讨价还价博弈可以通过公理化模型（如纳什讨价还价模型）或战略模型来实现[12]、[25,26]。在这些博弈中，讨价还价收益采用时间折扣，即每增加一轮，收益按系数δ（δ<1）进行折扣。一般来说，一个玩家提出一个提议，而提议联盟中的其他玩家要么接受要么拒绝该提议。在后一种情况下，游戏进行到下一轮，玩家提出另一个建议。参与者提出建议的顺序具有重大影响；例如，第一个投标人的优势是众所周知的。因此，模型可分为“固定顺序”博弈和“随机顺序”博弈，前者确定参与者提出建议的顺序，后者在每一轮中统一随机选择提议者。下面讨论的所有模型都使用平稳子博弈完美均衡（SSPE）作为解的概念。（子博弈完美均衡（SPE）是原始博弈的纳什均衡，也是博弈中每个子博弈的纳什均衡。如果游戏的一个解决方案是一个SPE，它的属性是，在任何一轮中，每个玩家的策略都只取决于该轮中所有活跃玩家的集合，则称为SSPE。）Chatterjee等人。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:42:08

[25]考虑第一个拒绝者成为新提议者的固定顺序协议，并关注具有渐近有效均衡的讨价还价博弈，即δ有效→ 1、他们表明，如果“平等主义”的支付向量（其中所有支付都相等）不在博弈的核心，那么平稳均衡可能会违反协同学有效均衡的两个属性，即大联盟形成和无延迟。Compte和Jehiel[26]研究了一个谈判模型，其中只有一个联盟可以形成（冈田[12]没有假设）。因此，在超级加法游戏中，玩家在可能组建一支较小团队的威胁下讨价还价。在该模型中，假设参与者采用混合策略，这与[12]和[25]中假设的纯策略相反。[26]中的主要结果是，如果存在一个渐近有效的平稳均衡，那么均衡中的收益向量与通过最大化纳什乘积（即参与者收益的乘积）获得的收益向量是一致的。B、冈田的讨价还价模型和结果在[12]的讨价还价过程中，每轮t，t=1，2，一名球员，可能是CP或ISP，在所有仍然活跃于谈判的球员中以同等的概率被选为提案人。设kt为第t轮的活动玩家集，其中K=K+。选定的参与者k提议（i）与k建立联盟集Θ+∈ Θ+ k和v（Θ+）>0，以及（ii）支付向量x（Θ+）。Θ+中的所有其他参与者依次接受或拒绝该提议。如果联盟中的所有其他玩家都接受该提议，那么就同意了，并且所有Θ+之外的其他玩家都可以在下一轮继续谈判。否则，谈判将进入下一轮，并在兰多姆统一选择新的提案人。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:42:11

这一进程一直持续到不可能形成具有积极价值的联盟为止。玩家的报酬确定如下。当在第t轮中商定一个建议（Θ+，x（Θ+）时，Θ+中每个成员k的支付为δt-1x（Θ+），其中δ是贴现因子。对于没有加入任何联盟的玩家，他们的收入被假定为零。假设有一个完美的信息模型，即当玩家做出决策时，每个玩家都有关于游戏历史的完美信息。除了静态子博弈完美均衡（SSPE），我们还需要（i）极限SSPE和（ii）极限子博弈有效SSPE的概念。让上面定义的对策用G（K+，δ）表示，子对策用G（Θ+，δ）表示。当δ变为1时，limitSSPE是G（K+，δ）的SSPE的极限点。如果对于每个子博弈G（Θ+，δ），每个玩家在SSPE中提出完整的联盟Θ+，δ，则称为子博弈有效。当δ变为1时，极限子对策有效SSPE被定义为G（K+，δ）的子对策有效SSPE的极限点。子博弈效率的概念是一个很强的概念，因为它要求在所有可能的谈判回合中，每一个参与者都提出积极参与者的完整联盟。定理1（冈田）。当且仅当博弈满足v（ψ+）|ψ时，博弈存在一个极限子博弈效率spe（达到平衡点的响应规则）+|≥v（θ+）|θ+|对于所有θ+ Ψ+ K+预期均衡收益向量是平均主义的，即w（Θ+）=（v（Θ+）、v（Θ+）、，v（Θ+）、v（Θ+）、v（Θ+）、v（Θ+）。结果表明，当且仅当人均利润P C（Θ+）=v（Θ+）/（124;+）随联盟规模增加时，任何足够大的δ都存在讨价还价博弈G（K+，δ）的子博弈有效SSPE。如果理论中的条件成立，那么Chatterjee等人的谈判模型中的每个固定订单协议的极限有效SSPE也将成立。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

能者818

2022-6-11 00:42:15

[25]，因此，正如冈田所指出的那样，结果对于控制推荐人选择规则的变化是可靠的。五、大联盟的形成和性质我们得到了定理1中所述的大联盟形成的必要和充分条件。我们证明了各种联盟属性，包括联盟动态演化的场景。我们还将非合作博弈理论中联盟伙伴的收益与Shapley值收益进行比较，Shapley值收益来自合作博弈中的公平利润分配方案【27】。A、随机提议的大联盟形成对于任何联盟，人均利润，P C（Θ+）=（|Θ+））v（Θ+）=（|Θ+1）hXk∈Θvk- Fi（31）在不丧失一般性的情况下，我们对参与者进行索引，如下所示：≤ v≤ v≤ . . . ≤ vK（32）建立定理1中的关键条件，即percapita利润随着联盟规模的增加而增加，考虑到两个联盟，即Θ和ψ，使得Θ Ψ K、设Θc=ψ命题3。P C（ψ+）的必要和充分条件≥ P C（Θ+）isv≥（K+1）hKXk=1vk- Fi（33）证明：P C（Θ+）- P C（ψ+）=（|Θ|+| C |+1）hXk∈Θvk+Xk∈Θcvk- 金融机构-hPk公司∈Θvk- Fi（|Θ|+1）=| c |（|Θ|+| c |+1）”| c | Xk∈Θcvk-（|Θ|+1）hXk∈Θvk- 金融机构#≥|Θc |（| c |+| c |+1）| c | | c | Xk=1vk-（|Θ|+1）hKXk=K-|Θ|+1vk- Fi#（34）≥|Θc |（|Θ|+| c |+1）”v-（|Θ|+1）hKXk=K-|Θ|+1vk- 金融机构#≥|Θc |（|Θ|+| c |+1）K（|Θ|+1）”v-KhKXk=2vk- Fi#（35）=| c |（| c |+| c |+1）（K+1）（| c |+1 |）”v-K+1hKXk=1vk- Fi#（36）（34）的证明来自于（32）中的排序，（35）来自于kxk=2vk- 千伏≥KXk=K-|Θ|+1vk- （|Θ|+1）v（37）因此，从（36）开始，（33）中的条件是P C（ψ+）的充分条件≥ P C（Θ+）。必然性来自于Θ=K \\{1}和ψ=K的情况。我们现在可以陈述（33），而不参考（32）中的特殊顺序。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:42:18

将最小和平均特征函数值表示为vmin（K）=min1≤k≤Kvkand vavg（K）=KKXk=1vk（38）推论1。以下条件等同于条件（33），vmin（K）≥（K+1）v（K+）（39）（K+1）[vavg（K）+F]≥ vavg（K）- vmin（K）（40）来概括，当且仅当（39）或（40）中的任何一方持有大联盟的形式，在这种情况下，收益向量是平等的，即所有参与者都得到平等的份额。很容易证明，平等主义的回报向量是游戏的核心。我们用wk（k=1，2，…，k+1）表示大联盟中对玩家k的回报，因此，对于所有k，wk=k+1v（k+）=k+1hKXk=1vk- Fi（41）对上述条件的一种解释是，可能存在从较大出资人联盟到较小出资人联盟的补贴，但这些补贴是有限的。共同固定成本F的作用值得注意。它在为联盟辩护方面发挥着至关重要的作用。还要注意的是，考虑到（40）左侧的系数1/（K+1），假设所有其他数量都固定不变，则形成更大的联盟变得越来越困难。B、大联盟形成程序为了总结大联盟形成的先前结果，对任何候选CP集和ISP依次执行以下两个步骤设计优化。如第。三、计算每个CP对特征函数的最佳贡献vkof CP k，见（28）。联盟利益函数的近似可分离结构，参见（19），允许将其优化分解为K简化设计优化，每个优化都是CP和ISP的具体优化联盟准入控制。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:42:21

这一步骤确保所有被承认的CP都满足条件（39）或条件（40）。这可能需要拒绝某些参与者加入联盟，例如CPs中贡献最小的参与者。与限制在允许范围内的球员就联盟组建进行谈判。因此，形成的大联盟完全由被接纳的球员组成。当然，这引发了各种相关的问题，其中一些问题在下面讨论，其他问题超出了本文的范围。例如，一组CP是否可能组合在一起形成一个新的实体，以满足准入控制？C、结算我们明确了为了实现大联盟的基本目标，即实现平等回报，必须进行的结算。我们获得的结算遵循对联盟商业模式中每个参与者的收入和成本进行簿记的方式。由于唯一的收入来自CPS的用户，因此结算将涉及CPS向ISP的付款。让TKDE将CP k支付给SP作为结算。然后，Tk=（pk- c） nk公司- c（S）kSk- fk公司- wk（42）对于ISP，可以验证其在联盟中的回报，wk+1=KXk=1Tk- η（β）KXk=1βknk- η（S）KXk=1Sk- F（43）在II-C中的非联盟商业模式的背景下，观察tk={t（S）kSk+t（β）kβknk}（k=1，2，…k）（44），也就是说，联盟中的结算付款可以被解释为CPs向ISP支付缓存和网络容量。请注意，重要的是，（44）并不是唯一确定单价t（S）和t（β）k.D.在线环境中大联盟的可持续性我们考虑大联盟在动态环境中的可持续性，在动态环境中，CPs可能适用于辍学，其他CPs可能适用于加入。提案4。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:42:25

如果提案3的推论（39）或（40）中的任何一个成立，那么，无论可能退出联盟的CP的数量和身份如何，该条件将继续适用于其余成员。证据：根据（39）确保任何联盟的人均利益随联盟规模的增加而增加这一事实立即得出。此属性与剩余成员保持不变。另一方面，如果一个新的CP申请加入，则在加入后不能保证（39）的满足，因此需要作为第节讨论的联盟准入控制的一部分进行检查。V-A.E.网络中立性在我们的模型中，即使在适用网络中立性规定的情况下，缓存也可能得到支持，因此不允许对CP k的个人用户提供额外的网络容量。通过检查优化设计中是否存在正向缓存大小，很容易看出，即使βk=0，也可以满足该条件。以秒为单位的数值结果。VI将证明这一点。先前的结果[7]表明，当ISP和CPI按照Stackelberg主从模型进行交互时，当网络中立性规则适用且βk=0时，不支持缓存。我们的结果表明，这种负面结果是Stackelberg模型的产物，而不是网络中立性规则的固有结果。F、 Shapley值Shapley值是一个“公平”利益共享的非合作博弈论概念【27】。在我们的环境中，游戏是非合作的。尽管如此，比较和对比收益还是很有趣的。球员的Shapley价值回报由因其包含收入而产生的利润平均增量确定，并计算所有联盟方案5的平均值。让xkdenote为顶层的Shapley值支付k.xk=vk-K（K+1）F，（K=1，2。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

mingdashike22

2022-6-11 00:42:28

，K）（45）AkPkc nβNSCSRK F fk2×101 0.1 0.5 0.5 4 1 5 10表一：参数列表Xk+1=KXk=1vk-KK+1F（46）我们省略了证明，因为它是基于直接计数的。这些数量可与收益工程相比较=[KPk=1vk-F]/（K+1）给联盟中的所有玩家。显然，在Shapley价值中，ISP承担的固定成本F的负担要大得多。另一方面，由CP k和ISP组成的虚拟联盟（见第三节）产生的价值的一半用于CP的回报，另一半用于ISP。有趣的是，即使它们都有公平和公平分配的共同目标，但不同的业务关系基础如何产生不同的回报。以秒为单位的数值结果。VI将说明分配情况。六、数值结果我们对大联盟的特征、与Shapley值中的收益相关的平均主义收益以及网络中立性的影响进行了数值研究。表I列出了基本模型参数，除非另有明确说明，否则在本节中使用这些参数。在基本情况下，有五个同质CP。A、利润最大化设计（A）v（K+）vsεatη（S）=0.5（b）v（K+）vsεatη（β）=0.1Fig。2：图中显示了作为Vkon Skatε（a）依赖函数的优化联盟利润 = 1.5和η（β）=Vkonβkat的0.1（b）依赖性 = 1.5和η（S）=1Fig。3：表示存在最佳β和SFig的图。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:42:31

4： ISP在不同固定成本下的纳什议价和夏普利价值回报参数η（s）=1η（s）=100η（s）=10η（s）=10p 7.32 9.3 22.59 3h 0.710 0.388 0.079 0S 3699.7 86.8 1.5 0β14.4 21 65.3 0v（K+）·1012.241 9.336 3.723 0表II：NNN案例中优化后的联盟利润和设计参数η（s）=1η（s）=100η（s）=10ηs）=10p 3 3 3h 0.7249 0.3935 0.0501 0S 421190.7 0.08 0β0 0 0 0 V（K+）·1082.612 50.786 2.970 0 0表三：NN情况下优化后的联盟绩效和设计参数我们这里的结果来自第。三、最大利润对价格弹性εkis的依赖性并不明显。注意，增加εk会降低需求，见（5）；然而，（18）中的系数εk/（εk-1）表明价格上涨，需求下降。此外，最优价格与增量网络容量βkis的依赖关系更为复杂。图2（a）和2（b）分别显示了缓存和网络容量的单位成本η（S）和η（β）的不同值的上述依赖关系。图中显示，随着弹性的增加，最佳比例v（K+）降低；价格p的最优值*k、缓存S*K增量网络容量β*卡尔索下降。此外，v（K+）对η（β）的变化比η（S）更敏感。图3（a）显示了专业VKA的行为。对于不同的缓存单位成本值，缓存大小因需求的固定价格弹性1.5和增量网络容量10而不同。这些图证实了Vkas的凹度是Sk的函数，这在第。III-A。与图3（A）类似，图3（b）显示了VKA的行为，其增量网络容量βkis发生变化。凹形行为主义明显缺失；然而，请注意存在一个平稳极大点，即命题2的主题。B、 Shapley值图。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:42:34

4将联盟中ISP的回报与其Shapley价值回报进行比较。如前所述，在Shapley价值中，ISP承担了几乎所有的固定成本F和每个HCP固定成本的一半。虽然联盟讨价还价博弈是在非合作博弈的框架内进行的，但联盟一旦形成，就作为一个联合运营，即ISP和CP作为一个单一的商业实体，所有建立和运营基础设施的固定成本都是平等分担的。C、网络中立性我们探讨网络中立性（NN）规则对联盟形成的影响。综上所述，我们的假设是，使用NN时，增量网络容量为零。在下面的示例中，我们将NN与本文的基本情况非网络中立性（Non-NetNeutrality，NNN）进行了对比。在本例中，需求的价格弹性ε=1.3，表I中的参数适用，除了第五个CP的固定成本，Fis增加到7.0×10，这具有减少该CP贡献v的效果。（回想一下，该贡献是在设计优化后获得的。）案例1：NNNv（K+）=8.3843×10v=1.3997×10>1.3974×10=v（K+），因此在NNN的情况下，联盟接纳控制由五个CP集和大联盟形式满足。案例2：NNv（K+）=3.4939×10v=4.2033×10<5.8232×10=v（K+），因此在这种情况下，NN不会与所有五个CP形成大联盟。。接下来，我们将深入了解NN和NNN对优化系统参数的对比影响，如价格、缓存大小和单个CP特殊情况下的增量网络容量，价格弹性=1.5，以及零固定成本，即F=F=0。表II和表III显示了缓存单位成本η（S）不同值的结果。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

2022-6-11 00:42:37

可以看出，NNN带来了更高的价格、QoE和利润。同样重要的是，在NNN情况下，缓存S和增量网络容量β表现为替代资源[8]。也就是说，随着缓存η（S）的单位成本增加，安装的缓存减少，而增量网络容量增加。还请注意，对于NNN和NNN，在缓存的单位成本非常高的情况下，安装的缓存为零。原因是（24）不再令人满意。VII。结论我们最后指出，这里针对成本分摊财团的案例适用于ISP CPinterworking之外的环境。经济理论告诉我们，每当单个生产者产生巨大的固定成本时，就会形成“自然垄断”，因为单个生产者可以以比多个生产者更低的成本满足市场需求【10】、【11】。然而，这种成本优势为社会付出了高昂的代价。众所周知，附带的不利因素包括新进入者进入壁垒高，以及创新和研发投资减少[28]、[29]。因此，对于分担成本的财团来说，这种情况应该得到广泛考虑，例如，在新兴领域，如共享经济和智能电网。参考文献[1]TestInternetSpeed。org，“一半的互联网流量流向了toNet flix和YouTube”，2018年7月9日[在线]，提供：http://testinternetspeed.org/blog/half-of-all-internet-traffic-goes-tonet flix和youtube/[2]Statista，“网络flix上的统计数据和事实”，[在线]。可用：https://www.statista.com/topics/842/netFLIX/[3]T.Leighton，“改善互联网性能”，《ACM通讯》，2009年2月，第52卷第2期，第44-51页[4]K.Russell，“Net-FLIX Comcast交易在英语中的真正含义”，《商业内幕》，2014年2月23日[在线]。可用：http://www.businessinsider.com/netFLIX-comcast-deal-EXPLICATED-2014-2[5]Net FLIX，“Net FLIX开放连接”[在线]。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

大多数88

2022-6-11 00:42:40

可用：https://openconnect.netflix.com/en/[6]S.柴郡，“这是延迟，愚蠢”[在线]。可用：http://www.stuartcheshire.org/rants/latency.html[7] D.Mitra、Q.Wang和A.Hong，“新兴互联网内容和服务提供商的关系：工程、业务和政策影响的模型和分析”，Proc。INFOCOM 2017-IEEE计算机通信会议，佐治亚州亚特兰大[8]H.R.Varian，“中间微观经济学与微积分：一种现代的方法”，W.W.Norton and Co.，纽约，2014年。[9] S.Crawford，“俘虏受众：镀金时代的电信业和垄断”，耶鲁大学出版社，2013年[10]R.Braeutigam“自然垄断的最优政策”，第23章“产业组织手册”，第2卷，编辑：R.Schmalenseean和R.D.Willig，爱思唯尔北荷兰，阿姆斯特丹，第1289-13461989页。[11] J.C.Panzar，“企业和产业结构的技术决定因素”，《工业组织手册》第1章，第1卷，ed.R.Schmalensee和R.D.Willig，Elsevier North Holland，阿姆斯特丹，第3-59页，1989年。[12] A.Okada，“随机提议者的非合作联盟谈判博弈”，博弈与经济行为，16（1）：97-1081996。[13] K.Hosnagar、J.Chuang、R.Krishnan和M.Smith，“内容交付网络（CDN）服务的服务采用和定价”，《管理科学》，第9期，第1579-15932008页。[14] P.Maille和B.Tuf fin，“内容交付网络对服务和内容创新的影响”，ACM SIGMETRICS PerformanceEvaluation Review，第43卷，第3期，第49-522105页。[15] E.Gourdin、P.Maille、G.Simon和B.Tuf fin，“域名的经济学及其对服务公平性的影响”，J.IEEE Trans。《网络与服务管理》，第14卷，第1期，第22-33页，2017年3月。[16] V.K.Adhikari、Y.Gun、F.Hao、V.Hilt、Z.-L.Zhang、M.Varvello和M。

扫码加我拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝