具有非对称约束信息的有效网络共享

网络共享已成为下一代网络诸多赋能技术（如网络功能虚拟化与雾计算架构）的关键特征。网络效用最大化 (NUM) 是一种实现受限网络资源公平、高效且经济共享的通用框架。然而，当智能体拥有非对称且私有的信息时，一个基本的经济学挑战是如何在考虑策略型智能体自身利益的前提下求解 NUM 问题。许多先前的相关工作提出了能够应对智能体私有效用的经济机制。但网络共享范式引入了关于约束的信息不对称问题。相关文献在很大程度上忽视了这一问题；有限的密切相关研究仅提供了适用于特定应用场景的解决方案。为应对这些问题，我们提出了可分解 NUM (DeNUM) 机制与动态 DeNUM (DyDeNUM) 机制，这是文献中首批在考虑私有效用与约束信息下求解 NUM 问题的机制。两种机制的核心思想是将决策过程去中心化给智能体，由其在无需向他人披露私有信息的情况下做出资源分配决策。在可监测影响假设下，DeNUM 机制在均衡处给出网络效用最大化的解，并具备其他理想的经济性质（如个体理性与预算平衡）。我们进一步建立了均衡结构与一个相关优化问题原始-对偶解之间的联系，并基于此证明了 DeNUM 算法向均衡的收敛性。当智能体的影响不可监测时，我们提出 DyDeNUM 机制，以牺牲预算平衡为代价在均衡处给出网络效用最大化的解。