一种面向内容协作缓存的边缘联盟博弈方法

1.本发明涉及一种网络边缘缓存布置方法，具体是一种面向内容协作缓存的边缘联盟博弈方法。


背景技术：

2.随着移动设备数量的不断增加，互联网正承受着移动数据流量的爆炸式增长。思科公司的一份报告预测，从2017年到2022年，全球移动数据将增长7倍。除了庞大的流量，流量传输的延迟也很重要。特别是在新兴的对延迟敏感的应用和服务中，如增强现实、自动驾驶、交互式在线地图等，交通延迟的大小直接决定了服务质量(qos)。因此，为了减轻骨干网的通信负担，减少对延迟敏感的业务的响应时间，人们付出了很多努力。在网络边缘(即接近终端用户)部署缓存已被证明是一种有效和明智的策略。
3.目前的移动边缘缓存方案主要包括宏基站缓存、小基站缓存、设备到设备通信网络缓存和移动设备本地缓存四大类。缓存在这些基础设施或设备中的内容可以由所有用户直接从网络边缘获取，从而避免了骨干网的通信负担。除了上述四种类型外，最近还提出了一种新的在具有丰富it资源的车辆上进行边缘缓存的方案，这是一种很有前景的方法。通过重用车辆作为缓存节点，服务提供商可以节省构建缓存基础设施(如基站)的巨额开支，同时确保所需的缓存命中率。
4.虽然在网络边缘缓存内容可以减少通信延迟，但在混合边缘缓存方案中，均衡缓存使用也带来了挑战。一方面，基站的固定缓存节点可能具有较大的存储容量(以边缘云的形式)，但其部署成本较高，服务范围(服务动态需求的能力)也有限。另一方面，车辆或移动设备的移动缓存节点具有较低的成本和灵活的适应用户需求变化的能力。然而，由于有限的存储容量，它不能缓存太多的数据。为了解决上述问题，利用混合缓存方案，提出了协同内容缓存。网络边缘的不同缓存节点相互协作可以降低网络成本，提高整体缓存利用率。然而，仍然存在一些关键的挑战，这些挑战限制了网络边缘的协作内容缓存，仍然有待解决。
5.缓存资源在空间上的不平衡。以往的合作模式通常采用租赁模式，内容提供者(cps)与缓存基础设施提供者(cips)签订双边合同，租赁边缘资源用于内容缓存。这种模式忽略了cips之间的交互(如资源共享和内容负载)，导致缓存过程中的空间不平衡和资源浪费。
6.用户请求在时间上的不平衡。随着时间的推移，最终用户请求的波动会导致缓存资源和服务需求之间的不匹配。无线流量需求通常在一天中有一个较大的峰谷比。因此，构建更多缓存基础设施以满足高峰需求等传统解决方案也会造成巨大的资源浪费(在山谷时期)。
7.缺乏有吸引力的激励措施。期望缓存提供者无论获得多少利润都会无条件地与他人合作是不切实际的。在某些情况下，一个“听起来不错”的联盟并不总能使所有成员受益，例如，某些人的利润可能会因“闲置成员”获得的收入多于他们应得的收入而受损。因此，只有当考虑到潜在的金钱损失风险(例如违反了与客户协商的服务质量)，每个成员都能获得
足够的利益时，合作才会形成。


技术实现要素：

8.本发明要解决的技术问题是提供一种面向内容协作缓存的边缘联盟博弈方法，能够解决现有技术的不足，在稳定的情况下提高缓存服务中个体参与者的利润。
9.本发明的内容包括以下步骤：a、建立缓存基础设施提供者联盟系统模型；b、设置联盟系统模型的服务位置；c、设置用户请求调度策略；d、建立服务请求模型；e、计算联盟系统收益；f、优化内容缓存策略和工作负载调度策略，使联盟系统利润最大化；g、设置联盟系统利润分配方案；h、设置联盟博弈方案。
10.作为优选，步骤a中，缓存基础设施提供者包括固定基站和带存储单元的移动车辆，不同的缓存基础设施提供者组成一个联盟，为内容提供者提供缓存服务，并在联盟之间合理分配收益，选择哪个缓存基础设施提供者合作和在每个特定区域租用多少存储资源将决定获得的利润，联盟形成的整个过程是动态的，取决于系统的状态，每个缓存基础设施提供者在每个时隙决定是否与其他缓存基础设施提供者合作；设缓存基础设施提供者的集合为，其中表示拥有基站的固定缓存基础设施提供者的集合，表示拥有移动缓存车辆的移动缓存基础设施提供者的集合，联盟系统模型包含了集合为的基站和集合为的缓存车辆，它们分别属于不同的固定缓存基础设施提供者，用边缘节点来指代基站和缓存车辆，所有缓存节点的集合表示为，对于固定和移动分别定义和为属于它们的基站和缓存车辆集合，表示属于缓存基础设施提供者的边缘节点的集合，表示在基站k覆盖范围内的缓存车辆的集合；当一个请求到达基站，如果基站缓存了它需求的内容，那么就会直接把内容发给用户；否则，在基站覆盖范围内和基站协作的缓存车辆可以作为协助节点来处理请求；同时，基站之间可以通过高速链接互相协作；基站作为静止的边缘节点，其数量和位置是固定的；在每个时隙，确定每个基站覆盖范围内可用的缓存车辆的数量，根据移动缓存基础设施提供者提供的轨迹数据，基站计算每个移动缓存基础设施提供者在其区域内某个时间段内的最小缓存车辆数量作为可用车辆数量；联盟中的所有基站在每个时间段连续收集到达请求的信息，包括到达率和类型的比例；缓存车辆的状态，包括可用车辆的数量和它们属于哪个缓存基础设施提供者，通过联
盟中的移动缓存基础设施提供者获取并发送给基站。
11.作为优选，步骤b中，固定的内容库包含集合为，它的被请求的概率和大小分别为和，，内容i被请求的概率为，其中，的值介于0.5到1之间，表示分布的峰值，反映分布的不同偏度，对于基站k，用户的到达速率为，请求内容j的请求的到达速率为，表示缓存节点i的缓存容量，一个基站或是缓存车辆不能同时缓存所有内容，缓存节点根据用户的请求有选择地缓存内容，用二元变量来表示内容放置的状态，表示内容j放置在缓存节点i，每个缓存节点缓存的内容不能超出它的存储容量，。
12.作为优选，步骤c中，表示请求调度策略，表示请求内容j的请求在本地基站i处理的比例，对于且，表示请求内容j的请求从基站i负载到基站k的比例，表示分配到宏单元的负载比例，对于，表示请求内容j的请求从基站i分配到缓存车辆v的比例，基站只能把它的请求分配到在它覆盖范围内的协作缓存车辆，对于，当满足时成立，对于每个基站i，请求内容j的请求能在本地处理、在协助基站、范围内的缓存车辆或是宏单元处理，负载比例满足：；表示为从基站k的缓存中提供在基站i请求的内容j所获得的利润，为从缓存车辆v的缓存中提供在基站i请求的内容j所获得的利润，用宏单元为请求提供服务通常会给延迟关键服务带来不可容忍的传输延迟，表示通过宏单元服务内容j的罚款，设。
13.作为优选，步骤d中，将请求视为客户，每个缓存节点作为一个服务台，为客户提供服务；根据所有缓存节点的内容位置，请求被分配给基站、缓存车辆或宏单元；当请求被调度到另一个基站时，从另一个基站获取的内容首先通过高容量链接传输到被请求的基站，然后由被请求的基站
发送给用户，这可以看作是一个两阶段的过程；因为在第二阶段，内容是通过本地基站的传输链路发送的，这就占用了本地基站的通信资源；本地基站或另一个基站的请求服务都被视为本地基站的执行过程；和表示到达基站i和缓存车辆v的请求速率；设内容大小满足均值为的指数分布，对应的基站i和缓存车辆v的服务速率也服从均值分别为和；设每个基站和缓存车辆为没有请求优先级和等待队列限制的m/m/1队列，基站每个请求的平均时延为，，设，在基站i范围内的缓存车辆v每个请求的平均时延为，，其中，为了保证服务质量，定义一个时延阈值满足，传输时延的约束定义为。
14.作为优选，步骤e中，联盟系统的收益为，为，为，联盟系统为过载条件支付的罚金为，。
15.作为优选，步骤f中，将优化问题表示为，
决策变量是和，限制条件为缓存节点的内容不能超过其容量，来自基站的请求都被调度到本地基站、其他基站、覆盖范围内的缓存车辆或宏单元，每个缓存节点请求的平均传输延迟不超过延迟阈值，申请j内容的请求不会被调度到一个没有缓存j内容的缓存节点，基站只能将其请求重定向到其覆盖范围内的缓存车辆。
16.作为优选，步骤g中，设第i个缓存基础设施提供者对联盟的边际贡献为，u为价值函数，第i个缓存基础设施提供者从联盟分配到的收益为其中是的全排列的子集，是排列π中在i前面的玩家的集合；设定义缓存节点k缓存每个单位的成本为，第i个缓存基础设施提供者的缓存成本为；第i个缓存基础设施提供者的净利润为。
17.作为优选，步骤h中，设玩家i的偏好函数，玩家i比更偏好，当且仅当，，偏好函数等于每个用户在联盟中分配到的效用；当参与者没有动机单方面改变自己的联盟为分区中的另一个联盟时，分区中的参与者是纳什稳定的，，通过将效用值和联盟划分结合，联盟形成博弈被定义在集合n上，集合的效用值和其他联盟无关，满足，为优化问题的最优解；收益分配方法满足以下条件，有效性：；
对称性：若，对于所有都成立，则；公平性：对于任何，j对于i的贡献等于i对于j的贡献，；虚拟性：容易i是一个虚拟的玩家，即对于所有，则。
18.作为优选，步骤h中，在特定时间t的决策过程由若干个回合组成，每个回合包括n个步骤，每个参与者都可以做出决策；在t轮中，随机序列产生，其中表示第i个被选中进行决策的参与人，在每一步中，玩家i选择离开当前的联盟并加入新的联盟或留在当前的联盟中，具体包括，玩家i迭代地检索当前划分，使用一组来记录参与人i之前加入的历史联盟，检索过程忽略历史集合中的联盟，计算参与人i加入新的联盟的利润；若新联盟的收益超过当前的，则新联盟被记录为最佳联盟，这个过程将继续，直到所有可能的联盟都完成，除了历史集中的联盟，在迭代之后，若最好的联盟已经被更新，那么当前的联盟将被追加到历史集，并获得一个新的当前划分；在第t轮结束时，在所有参与人做出决策后，我们获得并记录一个划分，在给定的第t+1轮，若，则表示没有玩家可以为了更好的利润而偏离他们当前的联盟，那么就达到了纳什稳定。
19.本发明的有益效果是：本发明提出了一个框架，以联合各种各样的缓存基础设施提供者提高整体利润。由缓存基础设施提供者拥有的基站和缓存车辆组成的模型来描述缓存过程，包括贴近用户的内容放置和请求调度。在此模型的基础上，定义了由不同缓存基础设施提供者组成的联盟的效用函数，主要考虑了不同的服务请求方式所获得的收益以及平均时延和缓存容量的约束。通过求解该优化问题，可以得到特定联盟状态下的最优利润。每个缓存基础设施提供者在每个时间段根据自己的利润决定加入不同的联盟。与只有固定缓存节点的合作情况相比，联盟的总利润和参与者的平均个人利润分别增加了53%和42%。
附图说明
20.图1为边缘计算环境的一个示例场景示意图。
21.图2为由宏单元、基站和缓存车辆组成的缓存联盟体系结构示意图。
22.图3为动态的用户请求到达速率和缓存车辆的数量波动示意图。
23.图4为三种不同策略下所有缓存基础设施提供者的总利润对比图。
24.图5（a）
‑
（c）为三种不同情况下固定缓存基础设施提供者的利润对比图。
25.图6为移动缓存基础设施提供者的利润对比图。
26.图7为用户请求异构性对总收益影响的示意图。
27.图8为移动收益对总收益影响的示意图。
28.图9为缓存节点数量与算法运行时间之间的关系图。
具体实施方式
29.参照图1
‑
2，一种面向内容协作缓存的边缘联盟博弈方法，包括以下步骤：a、建立缓存基础设施提供者联盟系统模型；b、设置联盟系统模型的服务位置；c、设置用户请求调度策略；d、建立服务请求模型；e、计算联盟系统收益；f、优化内容缓存策略和工作负载调度策略，使联盟系统利润最大化；g、设置联盟系统利润分配方案；h、设置联盟博弈方案。
30.步骤a中，缓存基础设施提供者包括固定基站和带存储单元的移动车辆，不同的缓存基础设施提供者组成一个联盟，为内容提供者提供缓存服务，并在联盟之间合理分配收益，选择哪个缓存基础设施提供者合作和在每个特定区域租用多少存储资源将决定获得的利润，联盟形成的整个过程是动态的，取决于系统的状态，每个缓存基础设施提供者在每个时隙决定是否与其他缓存基础设施提供者合作；设缓存基础设施提供者的集合为，其中表示拥有基站的固定缓存基础设施提供者的集合，表示拥有移动缓存车辆的移动缓存基础设施提供者的集合，联盟系统模型包含了集合为的基站和集合为的缓存车辆，它们分别属于不同的固定缓存基础设施提供者，用边缘节点来指代基站和缓存车辆，所有缓存节点的集合表示为，对于固定和移动分别定义和为属于它们的基站和缓存车辆集合，表示属于缓存基础设施提供者的边缘节点的集合，表示在基站k覆盖范围内的缓存车辆的集合；当一个请求到达基站，如果基站缓存了它需求的内容，那么就会直接把内容发给用户；否则，在基站覆盖范围内和基站协作的缓存车辆可以作为协助节点来处理请求；同时，基站之间可以通过高速链接互相协作；基站作为静止的边缘节点，其数量和位置是固定的；在每个时隙，确定每个基站覆盖范围内可用的缓存车辆的数量，根据移动缓存基础设施提供者提供的轨迹数据，基站计算每个移动缓存基础设施提供者在其区域内某个时间段内的最小缓存车辆数量作为可用车辆数量；联盟中的所有基站在每个时间段连续收集到达请求的信息，包括到达率和类型的比例；缓存车辆的状态，包括可用车辆的数量和它们属于哪个缓存基础设施提供者，通过联
盟中的移动缓存基础设施提供者获取并发送给基站。
31.步骤b中，固定的内容库包含集合为，它的被请求的概率和大小分别为和，，内容i被请求的概率为，其中，的值介于0.5到1之间，表示分布的峰值，反映分布的不同偏度，对于基站k，用户的到达速率为，请求内容j的请求的到达速率为，表示缓存节点i的缓存容量，一个基站或是缓存车辆不能同时缓存所有内容，缓存节点根据用户的请求有选择地缓存内容，用二元变量来表示内容放置的状态，表示内容j放置在缓存节点i，每个缓存节点缓存的内容不能超出它的存储容量，。
32.步骤c中，表示请求调度策略，表示请求内容j的请求在本地基站i处理的比例，对于且，表示请求内容j的请求从基站i负载到基站k的比例，表示分配到宏单元的负载比例，对于，表示请求内容j的请求从基站i分配到缓存车辆v的比例，基站只能把它的请求分配到在它覆盖范围内的协作缓存车辆，对于，当满足时成立，对于每个基站i，请求内容j的请求能在本地处理、在协助基站、范围内的缓存车辆或是宏单元处理，负载比例满足：；表示为从基站k的缓存中提供在基站i请求的内容j所获得的利润，为从缓存车辆v的缓存中提供在基站i请求的内容j所获得的利润，用宏单元为请求提供服务通常会给延迟关键服务带来不可容忍的传输延迟，表示通过宏单元服务内容j的罚款，设。
33.步骤d中，将请求视为客户，每个缓存节点作为一个服务台，为客户提供服务；根据所有缓存节点的内容位置，请求被分配给基站、缓存车辆或宏单元；当请求被调度到另一个基站时，从另一个基站获取的内容首先通过高容量链接传输到被请求的基站，然后由被请求的基站
发送给用户，这可以看作是一个两阶段的过程；因为在第二阶段，内容是通过本地基站的传输链路发送的，这就占用了本地基站的通信资源；本地基站或另一个基站的请求服务都被视为本地基站的执行过程；和表示到达基站i和缓存车辆v的请求速率；设内容大小满足均值为的指数分布，对应的基站i和缓存车辆v的服务速率也服从均值分别为和；设每个基站和缓存车辆为没有请求优先级和等待队列限制的m/m/1队列，基站 每个请求的平均时延为，，设，在基站i范围内的缓存车辆v每个请求的平均时延为，，其中，为了保证服务质量，定义一个时延阈值满足，传输时延的约束定义为。
34.步骤e中，联盟系统的收益为，联盟系统为过载条件支付的罚金为，。
35.步骤f中，将优化问题表示为，
决策变量是和，限制条件为缓存节点的内容不能超过其容量，来自基站的请求都被调度到本地基站、其他基站、覆盖范围内的缓存车辆或宏单元，每个缓存节点请求的平均传输延迟不超过延迟阈值，申请j内容的请求不会被调度到一个没有缓存j内容的缓存节点，基站只能将其请求重定向到其覆盖范围内的缓存车辆。
36.步骤g中，设第i个缓存基础设施提供者对联盟的边际贡献为，u为价值函数，第i个缓存基础设施提供者从联盟分配到的收益为其中是的全排列的子集，是排列π中在i前面的玩家的集合；设定义缓存节点k缓存每个单位的成本为，第i个缓存基础设施提供者的缓存成本为；第i个缓存基础设施提供者的净利润为。
37.步骤h中，设玩家i的偏好函数，玩家i比更偏好，当且仅当，，偏好函数等于每个用户在联盟中分配到的效用；当参与者没有动机单方面改变自己的联盟为分区中的另一个联盟时，分区中的参与者是纳什稳定的，，通过将效用值和联盟划分结合，联盟形成博弈被定义在集合n上，集合的效用值和其他联盟无关，满足，为优化问题的最优解；收益分配方法满足以下条件，有效性：；对称性：若，对于所有都成立，则；公平性：对于任何，j对于i的贡献等于i对于j的贡献，；虚拟性：容易i是一个虚拟的玩家，即对于所有，则。
38.步骤h中，
在特定时间t的决策过程由若干个回合组成，每个回合包括n个步骤，每个参与者都可以做出决策；在t轮中，随机序列产生，其中表示第i个被选中进行决策的参与人，在每一步中，玩家i选择离开当前的联盟并加入新的联盟或留在当前的联盟中，具体包括，玩家i迭代地检索当前划分，使用一组来记录参与人i之前加入的历史联盟，检索过程忽略历史集合中的联盟，计算参与人i加入新的联盟的利润；若新联盟的收益超过当前的，则新联盟被记录为最佳联盟，这个过程将继续，直到所有可能的联盟都完成，除了历史集中的联盟，在迭代之后，若最好的联盟已经被更新，那么当前的联盟将被追加到历史集，并获得一个新的当前划分；在第t轮结束时，在所有参与人做出决策后，我们获得并记录一个划分，在给定的第t+1轮，若，则表示没有玩家可以为了更好的利润而偏离他们当前的联盟，那么就达到了纳什稳定。
39.实验（一）实验参数在给定区域内，我们考虑个缓存基础设施提供者（cips），其中个固定缓存基础设施提供者和个移动缓存基础设施提供者，每个缓存基础设施提供者提供种不同类型的内容。我们只关注白天比晚上更拥挤、车流量更大的商业区。3个固定缓存基础设施提供者在区域内分别拥有3个、2个和3个基站。3个移动缓存基础设施提供者分别拥有150辆、200辆和150辆缓存车。我们假设所有的缓存内容都有相同的大小，因为不同的内容可以被划分为相同的大小。为简单起见，我们假设所有的基站和缓存车辆都具有相同的配置。那么我们设，表示基站和缓存车辆在一个时间段内分别可以同时保存70种和10种内容。基站的每个缓存单元的成本设置为0.01$。对于缓存车辆，由于其容量和移动性较低，其缓存成本高于基站，我们将其设置为0.02 $。
40.当对内容j的请求在本地服务时所获得的利润和对于所有基站和车辆是相同的，我们将它们分别设置为每个请求0.03$和0.04$。当一个请求无法在接近用户的缓存节点上处理时，我们设置罚款为0.08$，这比任何利润和缓存成本都要高。重罚表明，为了降低缓存成本，缓存基础设施提供者更愿意将内容放置在缓存节点上，以尽可能多地提供服务，而不是拒绝服务，这符合缓存基础设施提供者应该保证缓存命中率，以提高内容提供商(content provider, cps)的利润的现实。对于每个基站，我们将每个请求的处理时间设置为0.005秒。与基站相比，缓存车辆的处理能力较弱，因此我们设置缓存车辆的处理时间为0.015秒。为了保证满意的服务质量，我们将延迟阈值设置为0.02秒。
41.为了反映真实情况，我们使用modelwhale的uber pickups数据集和t
‑
drive数据集来模拟用户请求和流量轨迹。来自modelwhale的数据集是优步出租车的打车记录，包括美国纽约用户请求的时间和位置数据。t
‑
drive数据集记录了北京一周内10000多辆出租车的行驶轨迹。这些数据显示了一天内用户请求和流量之间的关系。对数据集进行数据提取后，我们绘制图3，图中显示了该区域内基站覆盖范围内的用户请求量和缓存车辆量的波动情况。图3说明了在某一天的商业区域内，流量随用户请求而变化。这是保证使用车辆进行缓存是满足动态用户请求的一种有前途的方法的关键前提。根据以上一天的数据，我们进行了一系列的实验来测试联盟的性能。
42.为了直观地表示属性，除了联盟策略之外，我们还设置了两个不同的策略作为基线:不合作策略。不合作是指该区域内所有缓存基础设施提供者之间不合作，即所有基站在本地处理所有请求。基站不能处理的冗余请求只能传输到宏单元。当请求明显超过基站的处理能力时，大量的请求被卸载到宏单元可能会导致大量的惩罚。由于移动缓存车没有与基站合作就无法提供服务，移动cips在这种情况下无法获得利润。
43.bs
‑
only。bs
‑
only表示所有固定cips组成联盟并相互合作的策略。这是目前常用的合作方案。该联盟只在基站中存在，不包括高速缓存车辆。虽然协同基站可以共享不同的内容，但由于基站传输能力的限制，在大量的请求出现时，该方案仍然不能满足需求。
44.（二）表现比较为了运行我们的实验，我们用python开发了一个模拟程序来解决第四节中的优化问题。图4显示了一天中不同时间段的联盟形成算法的性能。我们比较了三种不同情况下所有缓存基础设施提供者的总利润。特别地，我们把一天分成24个时间段，对应24个小时。在每个时隙，缓存基础设施提供者根据每个基站的请求到达率和区域内缓存车辆的数量组成联盟，决定如何缓存内容和调度请求。从图4可以看出，不合作政策始终保持在一个较低的利润水平。由于单个基站的缓存容量有限，即使在请求率较低的时隙，单独工作往往会错过请求的大部分内容。而bs
‑
only策略，由于基站之间可以共享内容，所以在请求不多的情况下，性能较好。但在营业时间，当需求激增时，整体利润呈下降趋势。在这种情况下，主要的瓶颈是基站的处理能力。仅考虑基站之间的协作，提高缓存命中率的关键是增加该区域内的基站或其他缓存基础设施。在一天的大部分时间里，联盟政策的表现比其他两个政策要好得多。在最初的几个小时，它比bs
‑
only策略的优势要小得多，因为请求到达率很低，可以由基站单独处理。当7点以后请求率达到特定水平时，缓存车辆在分担基站负荷和提高联盟整体利润方面发挥了重要作用。
45.（三）联盟的可行性虽然我们研究了联盟的形成对于增加缓存基础设施提供者的整体利润有很好的效果，但是我们必须确定每个缓存基础设施提供者都能从中受益，这才能保证联盟的可行性。图5(a)(b)(c)显示了三种不同情况下固定缓存基础设施提供者的利润，以及动态联盟策略下移动缓存基础设施提供者的利润。图5(a)(b)(c)说明了联盟利润的增量并不完全等于移动缓存基础设施提供者获得的利润。换句话说，移动缓存基础设施提供者的参与不仅给自己带来了收入，也提高了固定缓存基础设施提供者的利润。当请求量达到较高且基站自身无法很好处理的请求时，移动缓存基础设施提供者对固定缓存基础设施提供者有很大
的帮助。对于移动缓存基础设施提供者来说，缓存车辆需要与基站合作才能提供服务。从图6可以看出，当移动缓存基础设施提供者可以从中获利时，他们愿意加入联盟。当请求率较低且基站不需要额外的缓存节点来分担负载时，移动缓存基础设施提供者可能会保持独立。当请求超过一定数量时，移动缓存基础设施提供者加入联盟，提高联盟的利润，从而获得联盟的利润。
46.根据以上结果，我们发现通过联盟的方式提高缓存基础设施提供者利润是可行的。同时，与以往由所有缓存基础设施提供者组成的大联盟相比，基于现状的动态联盟具有至关重要的优势。在某些时间段，移动缓存基础设施提供者拥有的一些缓存车辆是空闲的，这意味着如果形成大联盟，缓存资源将被浪费。由于模拟规模有限，一些移动缓存基础设施提供者没有加入联盟。因此，如果情形足够大并且有更多的参与者，闲置的缓存基础设施提供者可能会加入其他的联盟并贡献总利润。无用的缓存基础设施提供者长期呆在大联盟中，除了造成资源浪费外，还会对联盟中的其他成员造成严重伤害。
47.（四）相关参数的影响用户请求异构性的影响。用户请求的不平衡将加剧大多数基站过载或空闲的情况。它损害了总利润。因此，在这种情况下，我们研究了用户请求的异质性对整体利润的影响。我们改变了不同基站内用户请求的标准差。由图7可以看出，不合作和bs
‑
only的情况下的总利润受到增加的标准差的强烈影响。当从12增加到15时，不合作和bs
‑
only的情况下，利润分别下降了约37%和31%。而动态联盟则较好地适应了用户请求的不平衡。
48.手机收益的影响。我们将收益比定义为移动车辆获得的利润与基站的比率。如图8所示，随着收益比的升高，联盟整体利润增量增大。这意味着，如果通过缓存车辆服务请求所获得的收益达到一定水平，那么联盟就可以获得可观的利润。换句话说，一旦缓存车辆的服务质量提高，导致更高的费用，缓存车辆可以为缓存联盟做出很大的贡献。
49.（五）算法的效率在这一部分，我们通过仿真实验来证明我们算法的有效性。我们改变网络的规模(缓存节点数)，在图9中记录相应算法的运行时间。如图9所示，随着缓存节点的增加，运行时间呈线性增长，说明我们的算法具有较好的效率。在实验过程中，我们保持缓存基础设施提供者的数量不变(3个固定缓存基础设施提供者和3个移动缓存基础设施提供者)，只改变缓存基础设施提供者拥有的缓存节点数量。对于缓存节点，我们不仅调整了缓存车辆的数量，还根据比例调整了基站的数量(如3个基站对应97辆车，8个基站对应292辆车)。增加车辆而不考虑基站是没有意义的，比如对于基站来说，100辆和200辆缓存车辆没有区别，因为100辆已经满足了基站的用户要求。由于沙普利值的性质，它计算利润 的阶乘次，成员数对运行时间的影响很大。尽管缓存节点数量的增加可能不会导致运行时的急剧上升，特别是缓存基础设施提供者的数量处于较低的水平。实际上，在实际情况中，缓存基础设施提供者的数量并不多，例如中国的固定缓存基础设施提供者主要包括电信、移动和联通。因此，我们的算法很好地适应了真实场景。