网络中的流量平衡：冗余、学习与随机波动的影响
概率论
2010-02-27 v2 计算机科学与博弈论
信息论
网络与互联网体系结构
math.IT
摘要
我们研究网络中流量的分布，其中用户通过遵循一种受进化博弈论中复制子动力学启发的简单学习方案来最小化其延迟。这些动力学的稳定稳态与网络的Wardrop均衡一致，并形成一个凸多面体，其维度由网络的冗余度（一个衡量用户路径"线性相关性"的重要概念）决定。尽管存在如此多的驻点，复制子动力学的长期行为却出奇地简单：每个解轨道都收敛到一个Wardrop均衡。另一方面，当用户的延迟因随机外部因素而不可预测地波动时，会出现一个重大挑战。在这种情况下，内部均衡不再是稳态的，但严格均衡无论波动幅度大小都保持随机稳定。事实上，如果网络没有冗余且用户足够耐心，我们证明用户流量的长期平均值会收敛到均衡附近，并估计了相应的不变测度。
引用
@article{arxiv.0912.4012,
title = {Balancing Traffic in Networks: Redundancy, Learning and the Effect of Stochastic Fluctuations},
author = {Panayotis Mertikopoulos and Aris L. Moustakas},
journal= {arXiv preprint arXiv:0912.4012},
year = {2010}
}
备注
39 pages, 4 figures. Incorporated material on nonatomic potential games and Braess's paradox; some minor typos have now been corrected