对抗环境下的网络效用最大化
网络与互联网体系结构
2017-12-29 v2
摘要
二十多年来，由于其分析上的可处理性，随机模型在网络优化理论中一直占据主导地位。然而，这些模型无法刻画非平稳甚至对抗性的网络动态，而这类动态对于建模恶意攻击下的网络行为或刻画短期瞬态行为正变得愈发重要。在本文中，我们考虑对抗性网络设置下的网络效用最大化问题。具体而言，我们关注总队列长度与效用遗憾(utility regret)之间的权衡，其中效用遗憾衡量了在有限时间范围内因果策略与知晓未来的“预言机”之间的网络效用差异。我们建立了两种对抗性网络模型来刻画对手的行为。我们给出了在这些对抗模型下效用遗憾与队列长度之间权衡的下界，并分析了两种控制策略（即Drift-plus-Penalty算法与Tracking Algorithm）的性能。
引用
@article{arxiv.1712.08672,
title = {Network Utility Maximization in Adversarial Environments},
author = {Qingkai Liang and Eytan Modiano},
journal= {arXiv preprint arXiv:1712.08672},
year = {2017}
}