异构网络中面向优化竞标的终端用户行为学习：对用户/网络关联的影响
系统与控制
2019-09-13 v1 网络与互联网体系结构
系统与控制
摘要
我们研究了在具有多个服务提供商（SP）的异构网络（HetNet）中，终端用户行为对服务提供商竞标及用户/网络关联的影响，同时考虑了 SP 所提供的服务保证中的不确定性。利用前景理论（PT）来建模偏离期望效用理论（EUT）的终端用户决策，我们将用户与 SP 的关联建模为一个多领导者 Stackelberg 博弈，其中每个 SP 向每个用户提供一份竞标，包含具有一定概率服务保证的数据速率及给定价格，而用户在这些竞标中选择最优报价。我们表明，当用户低估 SP 所宣传的服务保证时（一种在不确定性下观察到的行为），竞标拒绝率急剧上升，进而降低 SP 的效用与服务速率。为克服此问题，我们提出一种基于两阶段学习的优化竞标框架。第一阶段，我们使用支持向量机（SVM）学习算法预测用户的二元决策（接受/拒绝竞标）；第二阶段，我们将效用优化竞标问题表述为马尔可夫决策问题（MDP），并提出一种基于强化学习的动态规划算法来高效求解。仿真结果和计算复杂度分析验证了我们提出模型的效率。
引用
@article{arxiv.1909.05679,
title = {Learning End-User Behavior for Optimized Bidding in HetNets: Impact on User/Network Association},
author = {Mohammad Yousefvand and Narayan Mandayam},
journal= {arXiv preprint arXiv:1909.05679},
year = {2019}
}
备注
Submitted to IEEE J-SAC Special issue on Smart Data Pricing. arXiv admin note: text overlap with arXiv:1806.03213