考虑协作方双重身份的数据协作下载激励机制①

陈 晓 刘 敏 周雅琴 李忠诚

(*中国科学院计算技术研究所 北京 100190) (**中国科学院大学 北京 100049) (***Singapore University of Technology and Design, ISTD, Singapore 487372)



考虑协作方双重身份的数据协作下载激励机制①

陈 晓②***刘 敏③*周雅琴***李忠诚*

(*中国科学院计算技术研究所 北京 100190) (**中国科学院大学 北京 100049) (***Singapore University of Technology and Design, ISTD, Singapore 487372)

研究了移动无线网络数据的协作下载。为了鼓励资源有限的移动用户参与协作下载，针对多任务数据下载场景，利用协作用户既可作数据出售者也可作数据请求用户的合作者的双重身份，同时考虑协作用户差异化的服务质量，基于拍卖理论设计了一种新颖的数据协作下载激励机制，该机制能够激励并选择合适的协作用户完成数据下载任务。仿真实验表明，这种激励机制的性能优于忽略协作用户双重身份的激励机制，有效提高了协作用户的服务质量、请求用户获得的效用和社会福利。

激励机制， 协作下载， 拍卖理论， 任务分配， 用户选择

0 引 言

数据协作下载应用是希望获得互联网数据的移动用户，通过其他移动用户的数据转发，间接地获得网络数据的应用。这类应用不仅可以使无法上网的移动用户获得数据，而且能够弥补移动网络运营商提供移动数据服务的缺陷，实现移动用户和移动运营商之间的“双赢”。然而，由于移动用户的移动设备的存储空间、计算资源以及电池电量等资源都非常有限，很少有用户自愿无偿地帮助其他用户下载并转发数据。解决这一难题的一种有效方法是设计激励机制来鼓励用户参与数据协作下载。拍卖理论被广泛用于激励机制中，比如发布任务的移动用户通过支付一些奖金的方式，激励其他用户成为任务的协作用户完成其请求的任务[1-6]。在以往的研究中，协作用户只被作为服务出售方。然而在数据协作下载应用中，协作用户会对发布的任务产生一定的兴趣，也就是说，需要下载的数据对协作用户具有一定的价值。因此，在数据协作下载的应用中，协作用户除了具有数据出售方这一个身份外，又多了一个新的身份，即请求用户的合作伙伴。在数据协作下载应用中，考虑协作用户的双重身份，会给协作用户和请求用户带来很多好处。首先，由于协作用户对需要完成的任务有一定的兴趣，协作用户会自发地努力完成任务，提高完成任务的质量。其次，由于需要完成的数据任务对协作用户有一定的价值，协作用户可以作为请求用户的合作伙伴一起共同分摊完成任务的费用，从而一定程度上降低了请求用户的费用支出。

针对多任务数据下载场景，本文基于协作用户的双重身份——数据的出售方和请求用户的合作者，同时考虑协作用户差异化的服务质量，设计了一个基于组合拍卖的成本分摊激励机制 (Cost AppointMent Incentive based Combinatorial Auctions)，简称CAMCA，以鼓励并选择合适的用户参与数据协作下载。据我们所知，这是第一个针对多任务数据下载场景，基于拍卖理论考虑协作用户的双重身份的激励机制。本文理论分析了CAMCA机制的保护隐私、保证协作用户报价真实和计算高效等优越特性，并通过仿真实验验证了CAMCA机制在服务质量、任务完成比例、请求用户的效用以及社会福利等方面都优于不考虑协作用户双重身份的激励机制。

1 相关工作

1.1 协作下载应用

目前，在移动无线网络中协作下载的应用有很多。在文献[7-10]中，在同一时间多个希望观看同一视频的用户，先分别从互联网中下载一部分数据，然后在本地数据共享，从而使每个人获得完整的数据。文献[7-10]认为用户之间是合作式的协作，不需要虚拟货币的支付进行激励，同时协作用户需要与请求用户同时对某个数据完全感兴趣才会进行协作，这个约束条件非常严格。而在本文的机制中，协作用户不要求对数据完全感兴趣，所以本文的机制适用的范围更广。在文献[11]中，能够接入网络的用户通过向不能上网的用户分享带宽，使其能够连接网络，并采用非竞争的方式对可用带宽进行定价与分配。而在本文中，协作用户是采用竞争的方式制定服务质量方案。

1.2 协作应用的激励机制

激励机制的设计通常分为基于声誉的激励机制和基于虚拟货币机制的激励机制，目前多数研究集中在基于虚拟货币的激励机制中。拍卖理论作为博弈论的一个分支，是一种定量分析的方法，常在基于虚拟货币的机制中使用。

在基于虚拟货币的激励机制中，有在P2P场景中采用虚拟货币形式设计的激励机制[12，13]。由于在P2P系统中，协作用户提供的是本地已存储的文件资源的上传服务，也就是说协作用户已经获得了请求用户需要的数据，所以协作用户对内容任务不会再有兴趣和需求，因此就不会与请求用户共同分摊成本，所以协作用户和请求用户的策略都与本文有很大不同。在众包应用中，文献[14]对实时到达的任务，选择最优的完成任务用户集合，使用虚拟货币作为协作用户的完成任务的奖励。在移动无线网络协作下载应用中，文献[15]设计了一个帮助他人下载数据的服务系统，使用虚拟货币和声誉相结合的方式激励用户参与协作下载。文献[14，15]都没有使用拍卖的方式设计激励机制，而且没有考虑到协作用户对任务有兴趣而具有双重身份的特点设计激励机制。

拍卖理论作为博弈论的分支在很多领域的激励机制的设计中被采用。文献[1]采用在线采购拍卖的方式，根据用户的边际价格选择合适的用户缓解云存储数据压力。文献[2]采用在线拍卖的方式，在预算有限的约束下，设计贪心算法，贪心地选择边际价值大于阈值的动态到达的用户参与协作。文献[3]首次根据贝叶斯博弈采用全支付拍卖(all-pay auction)的方式选择用户实现请求平台的收益最大化。文献[4]将用户的参与程度作为其服务质量，根据贝叶斯博弈采用逆向拍卖的方式选择用户集合以达到一定服务质量要求。在文献[5]的以用户为中心的模型中，未考虑协作用户的服务质量，采用了组合拍卖方式设计贪心近似算法选择最优协作用户集合完成任务。

以上这些研究工作都没有考虑协作用户双重身份的特点，而且多数研究工作没有考虑由协作用户完成任务服务质量的不同而带来任务价值差异性的特点。而本文设计的激励机制考虑了协作用户的服务质量和双重身份的特点。

针对数据协作下载应用中请求用户发布单任务的场景，我们的已有工作[6]基于次级密封得分拍卖机制[16]设计了一个基于协作用户双重身份的激励机制。本文针对请求用户发布多任务场景，基于传统的组合拍卖机制提出了一个基于协作用户双重身份的激励机制。

2 系统模型

在本文设计的激励机制模型中，有一个数据下载任务的请求用户和多个可提供数据下载服务的候选协作用户A={a1,a2,…,an}，其中|A|≥2。请求用户有一个数据下载任务集合T={τ1,τ2,…,τ}，其中|T|≥1，任务之间是相互独立的。请求用户把T所需求的数据当作任务向周围的移动用户发布，希望通过购买其他移动用户的数据转发服务的方式获得数据。候选协作用户ai是在请求用户周围，且有能力完成一些数据下载任务Ti⊆T的移动用户。候选协作用户希望以向请求用户提供所需数据的方式获得报酬。当候选协作用户被请求用户选择后，成为完成数据协作下载任务的协作用户。

假设互联网络中的数据内容可以按照不同的主题进行分类，如经济类、体育类和娱乐类等，数据的表现形式上可以是一首歌、一篇文章或是一段视频等。假设任意一个数据τk有所属的唯一主题Iτk。

候选协作用户对数据内容的模糊兴趣和进行协作服务的成本参数是其私有信息。模糊兴趣是指用户对任意一个主题的数据可以是完全感兴趣或有一些兴趣或完全不感兴趣。本文使用δiτk(0≤δiτk≤1)表示候选协作用户ai对数据τk的模糊兴趣。δiτk=1(或δiτk=0)表示ai对数据τk完全(或不)感兴趣，0<δiτk<1表示ai对数据τk有一定兴趣。ai根据自身对任务集合的兴趣Δi={δiτ1,δiτ2,…,δiτ}确定自己意愿完成的任务集合Ti⊆T。成本参数是表示协作用户完成任务所需要消耗的成本[16]。候选协作用户ai的成本参数βi(βmin≤βi≤βmax)越大，表示ai完成任务的成本越高，完成任务的能力越低。本文假设ai的βi是随时间变化的。

本文认为任务的价值受协作用户完成服务质量的影响。由于数据下载的服务质量可从多个维度综合衡量，如下载速度和丢包率，为不失一般性，本文假设衡量协作用户服务质量的向量是由m个独立的收益型[17]服务属性i构成。iτk=(qi1τk,qi2τk,…,qimτk)表示ai对任务τk提供的服务质量向量。假设1表示平均速度，且1是请求用户必须考虑的服务质量属性，qi1τk表示ai对任务τk提供的平均速度。服务质量属性的类型可分两种，收益型和成本型。收益型属性的效用随属性数值的增加而增加，而成本型属性的效用随属性数值的增加而减少。虽然收益型属性和成本型属性是两个性质相反的属性，但两个属性之间可简单地进行转换，如平均速度就是数据大小除以完成时间。因此，为了方便计算和分析，请求用户考虑在乎的服务属性需要先统一为收益型属性，然后再进行相关计算。

本文假设候选协作用户是信息对称、相互独立以及风险中性的。也就是说每个用户除了自身的私有信息外，其他公共信息是相同的；候选协作用户独立地计算自己的收益，不会和其他用户共谋；候选协作用户计算自己的收益时不用考虑风险，也就是确定性收益就是其期望收益。

针对多任务场景，本文以请求用户自身效用最大化为目标，考虑协作用户双重身份的特点以及服务质量，鼓励和选择用户参与数据协作下载。

3 多任务场景的激励机制设计

在请求用户同时发布多个任务的场景中，即T={τ1,τ2,…,τ}, |T|≥2，请求用户希望从候选协作用户集合A中选择一个子集作为执行数据下载任务的协作用户集合W⊆A。本文假设候选协作用户ai的投标任务集合Ti不能拆分，即如果ai被选择成为协作用户，Ti就是其分配的任务集合。

3.1 请求用户确定协作用户选择准则

s.t. xi={0,1}, ∀i∈A

(1)

所示。其中，viτk是候选协作用户ai完成任务τk的服务价值； xi=1(或0)表示候选协作用户ai是(或否)成为协作用户，即ai∈W(或ai∉W)。由于可能存在多个协作用户完成同一个任务的情况，本文使用协作用户集合W中完成该任务的最高服务价值表示请求用户获得的服务价值。

由于服务属性是相互独立的，候选协作用户ai的服务价值viτk定义如公式

(2)

所示。其中dτk表示下载任务τk的数据大小，qijτk(0≤qijτk≤qijmax)表示协作用户ai的第j个服务质量属性的数值，qijmax表示ai能提供的服务属性j的最大数值。参数00。

3.2 候选协作用户确定投标方案

(3)

所示。其中，由于候选协作用户ai具有双重身份，ai的完成任务τk的收入来自两部分，一部分来自从ai期望从请求用户获得的服务报酬biτk，另一部分来自由自身对数据的模糊兴趣而从获得的满足感ϑiτk；ciτk是ai完成任务τk的成本。由于任务是相互独立的，ai完成任务集合Ti的总收入和总成本可分别由每个任务的收入和成本相加得到。

(4)

为衡量候选协作用户ai从数据τk中获得的满足感，即所要下载的数据对协作用户ai的价值，本文使用biτk作为衡量数据价值的标准。这是因为biτk是ai认为数据τk对于完全感兴趣的用户(如请求用户)的价值。由于ai对数据τk有着模糊兴趣δiτk(0<δiτk<1)，所以ai从该数据获得的满足感ϑiτk的定义如下式所示：

ϑiτk=δiτkbiτk

(5)

由于服务质量属性是相互独立的，候选协作用户ai完成任务的成本ciτk可由每个服务属性的成本相加得到[16]，如公式

(6)

所示。其中kj体现边际成本效应：kj>1[11]体现边际成本递增效应，即随着服务属性数值的提高，服务成本的增量逐渐增加；kj=1体现边际成本恒定不变，即每单位服务属性提高的成本不变；hj表示服务属性的成本系数。

为确定投标方案，ai需确定对每个任务提供的服务质量属性数值。由于服务质量属性之间是独立的，因此每个服务质量最优值可独立确定。本文假设除平均速度服务属性1外，其他服务质量属性的计算数值不受任务执行顺序的影响，因此计算方法如公式[6]

j=1,2,…,m (7)

由于候选协作用户ai对请求用户的每个任务都有模糊兴趣，而ai的服务时间li有限，所以ai需要确定投标任务集合Ti⊆T，使自己最有可能被选择为协作用户。由选择协作用户的规则可知，当ai的投标任务集合具有越高的服务价值和越低投标价格时，该协作用户越有可能获得投标胜利。由于协作用户对任务的兴趣越高，其提供的服务价值越高，相对报价也越低[6]。因此，CAMCA机制中，ai根据自身对任务的模糊兴趣和服务时间确定投标任务集合Ti的算法如算法1所示。在算法1中，ai先将任务按照模糊兴趣的降序排列；然后确定候选任务的完成时间，在有限的服务时间li约束下，确定投标任务集合Ti。

算法1 TaskDetermination(Δi,li)1. l←li,Ti←Ø,Qi1←Ø2. Forjfrom1toNN3. τk←argmaxτj∈TTiδiτk;4. q*i1τk←(t1w1(1+δiτk)k1h1βi)1k1-t1;5. Ifq*i1τk≥qi1max6. q*i1τk←qi1max;7. Endif8. υ*←υmax-(υmax-υmin)(qi1max-q*i1τk)qi1max-qi1min;9. l←l-dτk/υ;10. Ifl≥011. υ←dτk/(li-l);12. qi1τk←qi1max-(qi1max-qi1min)(υmax-υ)υmax-υmin;13. Ti←Ti∪{τk};14. Qi1←Qi1∪{qi1τk};15. Else16. break;17. Endif18. Endfor19. ReturnTi,Qi1;

3.3 请求用户确定协作用户及报酬

由请求用户选择协作用户规则可知，如式(1)所示，协作用户选择问题是0-1整数规划问题。由于0-1整数规划问题是NP难的，请求用户确定协作用户的问题也是NP难的。因此，本文使用贪心算法设计近似算法确定协作用户集合以及协作用户的报酬。

(8)

(9)

所示。然后，更新已选用户集合W的服务价值向量、已选协作用户集合W以及未选的候选协作用户集合A′。最后，重复上述两个步骤，当在未选候选协作用户集合中，用户边际服务得分最大值为负数时，选择结束。

算法2 WinnerSetSelection(A)1.W←Ø,A'←A,s←-∞;2. Forτk∈T3. vWk←0;4. Endfor5. aj←SelectOneWinner(A',W,&s)6. Whiles>07. A'←A'{aj};8. W←W∪{aj};9. Forτk∈Tjdo10. Ifvjk>vWk11. vWk←vjk;12. Endif13. Endfor14. s←-∞15. aj←SelectOneWinner(A',W,&s);16. Endwhile17. ReturnW;

算法3 SelectOneWinner(A',W,&s)1.aImax←0,smax←s;2. Forai∈A'do3. si←-bi;4. Forτk∈Tido5. Ifvik>vWk6. si←si+vik-vWk;7. Endif8. Endfor9. Ifsi>smax10. aImax←ai;11. smax←smax+si;12. Endif13. Endfor14. Returnalmax

算法4 PaymentDetermination(aj)1.pj←0,A'←A{aj},W'←Ø2. Forτk∈T3. vWk←0;4. Endfor5. Repeat6. s←-∞,vj=0;7. aji←SelectOneWinner(A',W',&s);8. Forτk∈Tdo9. Ifvjk>vWk10. vj←vj+vjk;11. Endif12. Ifvjik>vWk13. vWk←vjk;14. Endif15. Endfor16. pj←maxpj,min{vj-s,vj}}17. W'←W'∪{aji}18. A'←A'{aji}19. Untils<020. Returpj;

4 CAMCA激励机制理论分析

4.1 保护私有信息

在候选协作用户的投标方案中，服务价值向量和投标价格都是由候选协作用户的私有兴趣和私有成本共同决定的，因此，候选协作用户的私有信息得以保护，从而用户参与协作的积极性不会受到隐私泄露问题的影响。

4.2 保证投标价格真实

定理1.[19]当拍卖机制满足以下两个性质后，该拍卖机制能保证投标价格真实性：

(2)获胜用户的报酬是临界值：如果用户的报价高于其报酬，则该用户不会被选择成为获胜用户。

定义：子模函数 令Z为一个有限集合，对任意的子集X⊆Y⊆Z和任意的元素i∈ZY，如果函数f: 2Z|→满足f(X∪{i})-f(X)≥f(Y∪{i})-f(Y)，称函数f为子模函数。其中2Z为集合Z的幂集，为实数集。

(10)

(11)

定理2. CAMCA机制能保证投标价格真实。

证明：首先，协作用户选择算法具有单调性。由协作用户选择算法(如算法3)可知，候选协作用户的报价越低，其边际效用评分函数越高，越容易成为被选择成为协作用户。

4.3 计算高效

5 实验和性能分析

本节使用MATLAB平台，采用仿真实验的方法评价CAMCA的性能评价。首先，介绍对比未考虑候选协作用户双重身份的激励机制MCA以及性能评价指标。接着，阐述仿真实验的设计。最后，将CAMCA和MCA进行实验对比分析。

5.1 对比算法及评价指标

在多任务场景中，进行CAMCA与MCA的对比实验，评价指标分别为获胜方提供的服务质量、任务集合完成比例、请求用户获得的效用(式(12))和社会效用(式(13))。在MCA中，除了协作用户在确定投标方案时不考虑自己的双重身份外，MCA机制的其他步骤都与CAMCA相同。

(12)

(13)

在实验中，请求用户发布的任务种类数目、候选协作用户的成本参数、模糊兴趣参数和服务时间都是随机取得，评价指标的结果是重复实验1000次后的平均数值。

5.2 实验设计

候选协作用户的成本参数服从在[βmin, βmax]范围内的均匀分布，成本参数取值的跨度比例为βmax/βmin=6。由于βmax/βmin值越大，候选协作用户的差异性越大，本文提出的激励机制相对于与对比机制的性能效果更加优越。本文选择适中的[1,6]作为候选协作用户成本参数的取值范围。

候选协作用户ai对属于主题Ij的数据内容的兴趣δij服从以流行程度Pj为均值的正态分布[20]，如下式所示：

(14)

为了使δij的取值范围为[0,1]，正态分布的标准差σ设为0.15。本文假设协作用户对数据τk的兴趣等于对数据所属主题Iτk的兴趣，即δiτk=δiIτk。

本文假设主题数目为10，数据主题的流行程度Pj服从s=2[20]的zipf分布，如下式所示：

(15)

在多任务场景中，请求用户发布的任务数目为20个，每个任务的大小为1M，任务的所属主题服从请求用户对数据兴趣的概率分布。由于手机的搜索范围和本地网络连接数目有限，实验中参与竞标的候选协作用户的数目设定为10～20。候选协作用户的服务时间服从[30s,150s]的均匀分布，候选协作用户的最大下载速度为200kb/s。协作用户根据任务选择方法确定投标任务集合。请求用户考虑的服务质量属性是平均速度1和丢包率L。由于丢包率是成本型属性，按照公式

(16)

表1 参数设置

5.3 多任务场景的实验结果分析

图1和图2分别描述了CAMCA与MCA在服务质量Q1和Q2指标方面随候选协作用户数目变化的实验结果。采用CAMCA的请求用户与采用MCA请求用户相比，获得的服务质量属性Q1平均提高了27.57%，服务质量属性Q2平均提高了157.17%。这说明在多任务场景中，考虑协作用户的双重身份特点，能够激励协作用户提高服务质量，从而使请求用户高质量的服务。在多任务场景下Q1和Q2的平均数值公式不同，且服务属性的权重不同w1≠w2， 所以CAMCA的服务属性数值Q1和Q2与MCA相比的提高幅度不同。在图3中，尽管 CAMCA选择用户数目少于MCA选择用户数目， CAMCA的获胜用户集合提供的服务质量仍然高于MCA的获胜用户提供的服务质量。这进一步验证了CAMCA机制能够选择高质量的协作用户集合，并有效地激励协作用户提供高质量的服务。

图1 请求用户获得平均服务质量Q1的比较

图2 请求用户获得平均服务质量Q2的比较

图3 平均选择用户个数的比较

图4显示了CAMCA与MCA在完成任务集合比例指标方面随候选协作用户数目变化的情况。请求用户采用CAMCA获得的任务完成比例比采用MCA获得的效用平均提高了11.50%。结合图3所示的CAMCA选择用户数目少于MCA选择的获胜用户数目的对比结果，可以说明CAMCA能够有效地激励有能力的协作用户完成更多的任务。

图4 平均任务集合完成比例的比较

图5和图6分别显示了CAMCA与MCA在请求用户获得的效用和社会福利指标方面随候选协作用户数目变化的实验结果。请求用户使用CAMCA机制获得的效用比使用MCA机制获得的效用平均提高了69.32%，社会福利平均提高了41.39%。这主要是因为CAMCA中考虑了协作用户的双重身份，协作用户对数据的兴趣提高了协作用户提供的服务质量，从而提高了协作用户的服务价值以及完成任务的数量，并且通过与请求用户一起分摊成本开销的方式降低了请求用户的支付费用，实现了请求用户获得的效用以及社会福利的提高。

图5 请求用户获得平均效用的比较

图6 平均社会福利的比较

6 结 论

在移动设备的数据协作下载应用中，针对请求用户发布多个数据下载任务的场景，考虑协作用户在数据下载中的双重身份以及差异化服务质量，提出了一种数据协作下载激励机制CAMCA，该机制具有保护隐私、保证投标价格真实和计算高效等优越特性。本研究通过实验验证，与忽略协作用户双重身份的激励机制相比，CAMCA能充分激励协作用户提供高质量的服务，提高请求用户的效用以及社会福利。

虽然本文的激励机制是针对移动设备的数据协作下载应用而设计的，但该激励机制也可以应用到其他领域中，如延时容忍网络(delay tolerant networks，DTN)和众包应用中。只要满足请求用户发布的任务对协作用户来说是从未做过且有价值的这一特点，就可以采用本文的机制。

[1] Zhao J, Chu X, Liu H, et al. Online procurement auctions for resource pooling in client assisted cloud storage systems. In: Proceedings of the 34th Annual IEEE International Conference on Computer Communications, Hong Kong, China, 2015. 576 - 584

[2] Zhao D, Li X, Ma H. Budget-feasible online incentive mechanisms for crowdsourcing tasks truthfully.IEEE/ACMTransactionsonNetworking, 2014, 24(2): 647-661

[3] Luo T, Tan H P, Xia L. Profit-maximizing incentive for participatory sensing. In: Proceedings of the 33th Annual IEEE International Conference on Computer Communications, Toronto, Canada, 2014. 127-135

[4] Koutsopoulos I. Optimal incentive-driven design of participatory sensing systems. In: Proceedings of the 32th Annual IEEE International Conference on Computer Communications, Turin, Italy, 2013. 1402-1410

[5] Yang D, Xue G, Fang X, et al. Crowdsourcing to smartphones: incentive mechanism design for mobile phone sensing. In: Proceedings of the 18th International Conference on Mobile Computing and Networking, Istanbul, Turkey, 2012. 173-184

[6] Chen X, Wang S, Liu M, et al. Partner-recruitment: Incentive mechanism for content offloading. In: Proceedings of the IEEE International Conference on Communications, Sydney, Australia, 2014. 2538-2543

[7] Chen X, Proulx B, Gong X, et al. Social trust and social reciprocity based cooperative D2D communications. In: Proceedings of the 14th ACM International Symposium on Mobile Ad Hoc Networking and Computing, Bangalore, India, 2013. 187-196

[8] Keller L, Le A, Cici B, et al. MicroCast: cooperative video streaming on smartphones. In: Proceedings of the 10th International Conference on Mobile Systems, Applications, and Services, Ambleside, UK, 2012. 57-70

[9] Seferoglu H, Keller L, Cici B, et al. Cooperative video streaming on smartphones. In: Proceedings of the 49th Annual Allerton Conference on Communication, Control, and Computing, Monticello, USA, 2011. 220-227

[10] Huang C, Zhou A, Liu M, et al. FEDCVS: A fair and efficient scheduling scheme for dynamic cooperative video streaming on smartphones. In: Proceedings of the IEEE Global Communications Conference, Atlanta, USA, 2013. 1699-1704

[11] Cui Y, Ma T, Cheng X. Multi-hop access pricing in public area WLANs. In: Proceedings of the 30th Annual IEEE International Conference on Computer Communications, Shanghai, China, 2011. 2678-2686

[12] Vishnumurthy V, Chandrakumar S, Sirer E G. Karma: A secure economic framework for peer-to-peer resource sharing. In: Workshop on Economics of Peer-to-Peer Systems, Berkeley, USA, 2003. 35

[13] Zhang Z, Chen S, Yoon M. A distributed incentive scheme for peer-to-peer networks. In: Proceedings of the 26th Annual IEEE International Conference on Computer Communications, Anchorage, USA, 2007. 1091-1099

[14] Boutsis I, Kalogeraki V. On task assignment for real-time reliable crowdsourcing. In: Proceeding of the 2014 IEEE 34th International Conference on Distributed Computing Systems, Madrid, Spain, 2014. 1-10

[15] Yu T, Zhou Z, Zhang D, et al. INDAPSON: An incentive data plan sharing system based on self-organizing network. In: Proceedings of the 33rd Annual IEEE International Conference on Computer Communications, Toronto, Canada, 2014. 1545-1553

[16] David E, Azoulay-schwartz R, Kraus S. Bidding in sealed-bid and english multi-attribute auctions.DecisionSupportSystems, 2006, 42(2): 527-556

[17] 刘树林, 邱菀华. 多属性决策基础理论研究. 系统工程理论与实践, 1998, 18(1): 38-43

[18] Saaty T L. Decision making with the analytic hierarchy process.InternationalJournalofServicesSciences, 2008, 1(1): 83-98

[19] Singer Y. Budget feasible mechanisms. In: Proceedings of the 2010 IEEE 51st Annual Symposium on Foundations of Computer Science, Las Vegas, USA , 2010. 765-774

[20] Gao W, Cao G. User-centric data dissemination in disruption tolerant networks. In: Proceedings of the 30th Annual IEEE International Conference on Computer Communications, Shanghai, China, 2011. 3119-312

An incentive mechanism for cooperative data downloading considering cooperators’ dual identity

Chen Xiao***, Liu Min*, Zhou Yaqin***, Li Zhongcheng*

(*Institute of Computing Technology, Chinese Academy of Sciences, Beijing 100190) (**Graduate University of Chinese Academy of Sciences, Beijing 100049) (***Singapore University of Technology and Design, ISTD, Singapore 487372)

The problem of cooperative downloading of mobile wireless data was studied. To spur the mobile users with limited resources in mobile devices to participate in cooperative downloading, a novel incentive mechanism for cooperative data downloading based on auction theories was designed with the considerations of cooperative users’ differential service qualities and their dual identity (they can be treated as data sellers as well as partners of requestors). The incentive mechanism can spur and select appropriate users to complete data downloading tasks under multi-task situation. The simulation experiment shows that compared with the incentive mechanisms ignoring dual identity of cooperative users, this new incentive mechanism can improve the quality of cooperative service, utility of requestors and social welfare.

incentive mechanism, cooperative downloading, auction theory, task allocation, user selection

10.3772/j.issn.1002-0470.2016.02.004

①国家自然科学基金重点项目(61132001)，国家自然科学基金面上项目(61572476)和青年科学基金(61502457)资助项目。

2015-09-21)

②女，1988年生，博士生；研究方向：无线协作通信技术，激励机制；E-mail: chenxiao3310@ict.ac.cn

③通讯作者，E-mail: liumin@ict.ac.cn