具有偏好探索的社会群体中效用最大化策略

我们考虑一个由网络节点组成的\emph{社会群体}，旨在寻找一个段（segment）的“宇宙”以最大化其效用。每个节点拥有该宇宙的一个子集，并可通过一条昂贵的链路下载数据。节点还可以利用节点间链路，以低成本通过相互交换段副本来获取整个宇宙。虽然节点间链路的交换确保了最小或可忽略的成本，但群体中的某些节点试图利用该系统。我们将此类节点称为“非互惠节点”，并通过提出“给予 - 获取”准则来禁止此类行为，即仅当每个参与节点都拥有对方没有的段时才允许交换。遵循节点间链路的这一准则，每个节点都希望最大化其效用，这取决于该节点可用的段集合。节点间的链路激活需要参与节点的共同同意。每个节点通过偏好探索其他节点以形成链路来寻找配对伙伴，而未配对的节点则以段激进概率选择使用昂贵链路下载段。我们提出了多种基于\emph{稳定室友问题}的线性复杂度去中心化算法，节点可根据其行为性质利用这些算法，基于可用信息选择最佳策略。此外，我们提出了一种去中心化随机算法，其在节点数量较大时表现接近最优。我们定义了\emph{选择代价}，用于对仅由非激进节点组成的社会群体的性能进行基准测试。我们评估了各种算法的性能，并刻画了能为节点和社会群体产生最佳结果的行为机制，同时在昂贵链路上的支出最小化。我们考虑了由非激进节点组成的社会群体，并将所提算法的性能与最优解进行了基准对比。