融合企业供应商评价的SDN资源价格协商算法

姜磊磊，马　宁

(1.安徽广播电视大学 经济与管理学院，安徽 合肥 230022)；2.安徽广播电视大学 城市建设学院，安徽 合肥 230022)

目前，针对企业供应商的评价系统得到了广泛的应用，它在使用的过程中将与其他系统、外部设备以及用户相互依赖[1]。企业供应商的评价系统的使用过程中各参数是不断变化的，SDN资源价格协商作为企业供应商评价系统的重要指标[2]，企业供应商可以利用其独特的特性参照使用环境以及自身的不断变化进行自主调节，进而可以确保系统稳定运行同时满足用户的不同要求[3]。SDN资源价格协商能力[4]在不同企业公司中的供应商评价系统中变得非常关键[5-6]。

本文以面向SDN资源价格为出发点，结合目标满足性驱动的在线协商，提出融合企业供应商评价的SDN资源价格协商算法(SDN resource price negotiation algorithm，SDNRPNA)。该框架将企业供应商评价方法协商过程与需求验证过程有机结合，通过对特定非功能需求的验证来实现SDN资源价格运行时的协商。

1　企业供应商评价的SDN资源价格协商方法

1.1　SDNRPNA框架

SDNRPNA通过有效结合业务逻辑和SDN资源价格协商算法，进而使得静态的需求算法与动态的价格协商算法进行完美结合，本文基于系统的需求实现的SDNRPNA框架，主要分为设计阶段和运行阶段，如图1所示。

在设计阶段，企业供应商评价系统被分为业务逻辑层和SDN资源价格协商两个部分。其中，业务逻辑层主要描绘了企业供应

图1SDNRPNA方法框架

商评价系统应该完成的任务以及应该具备的功能。SDN资源价格协商以业务逻辑为基础描述了SDN资源价格协商优化的最终目标。SDN资源价格协商逻辑包括监测、分析、协商和执行四个任务。

监测模块对系统中的数据进行监控；分析模块通过对收集到的数据进行融合分析或者进行计算等方法，对系统进行判定是否应该进行SDN资源价格协商运算；协商模块主要是寻求能够满足SDN资源的最佳配置方式；执行模块将经过SDN资源价格协商获得的最优配置应用于系统之中，以达到对系统的有效控制。

1.2　SDN资源价格协商的计算

如果SDN资源之间的价格无法协商确定的情况下，将会导致系统的不稳定，进而影响SDN资源价格协商的管理与趋势预测。合理量化后的资源关系是进行协商管理的前提条件。为了可以精确地实现对SDN资源价格协商关系量化，通过使用直接协商、信任隶属函数、激励函数以及资源活跃度评价函数等不同方面来描述SDN资源价格协商关系的动态性和不确定性。

(1)

式中γ(k)∈[0,1]表示的是衰减函数，主要是对发生在不同时间段内的协商信息进行有效的加权运算，按照一般人们的思维习惯，对于发生不久的交互行为应采取更多的权重计算，衰减函数可表示为：

(2)

如今的SDN资源价格协商算法主要存在的缺点就是对风险因素考虑较少，在开环系统运行之中，大多的重点是故意针对SDN资源进行的破坏性行为，根据经济学中的风险预警的基本原理，本文主要从服务的方面进行风险定义，采用如下表达式对投资风险进行计算：

R(xi,xj)=Sj(1-Γ(xi,xj,s,t-1))=Ψ(Γ(xi,xj,s,t-1))[1-Γ(xi,xj,s,t-1)]

(3)

式中Sj表示xj所需求的服务内容，如果Sj值变大，那么存在的风险也会变大，即风险与Sj之间的关系是成正比关系，Γ(xi,xj,s,t-1)代表xi对xj就近时间戳的SDN资源协商评价,协商值如果越高，那么风险性就会越小,即风险性与1-Γ(xi,xj,s,t-1)成正比关系。

协商风险函数指的是资源提供商对用户请求者需求的不确定性和本文能够提供的服务行为的认识,它与表达式(3)之间有如下关系:

Y2(xi,xj)=1-R(xi,xj)

(4)

根据表达式(3)和式(4)可以得出，Y2(xi,xj)具有2个维度：(1)用户请求者中故意利用SDN资源对提供者进行有目的的攻击行为，如果SDN资源价格协商的等级越高，这种恶意行为发生概率将会越低，否则相反；(2)与提供者所提供的服务质量密切相关，能够提供服务的质量越高，存在的风险将会越小。根据表达式(4)能够得出，Y2(xi,xj)与R(xi,xj)之间关系呈成反比，这主要是根据定义1进行总体资源价格协商确定的，协商风险函数使用DF表示，与R(xi,xj)成反比。

SDN资源活跃度从侧面表现出资源协商评价的活跃程度，进行信息反馈的数量越多，代表与SDN资源价格协商成功交互的数量就越多。如果SDN资源活跃度越高，也表明SDN资源具有很高的可信度。

(5)

式中，Φ(x)=1-(1/x+δ)，L表示反馈者的数量，ntotal表示全部与j有交互关系的SDN资源数量，Φ(x)的调节常数δ是一个不小于零的常数，主要是确保Φ(x)趋近于1的速度，δ值变大，那么Y(x)趋近于1的速度就会变快，根据图1能够得出：SDN资源活跃度Y5(xi,xj)主要是由两个变量L和ntotal一起决定的，与SDN资源协商的其它资源数量也会变多，Y5(xi,xj)值也会增大，同时反馈者数量增多，Y5(xi,xj)的值也将变大，但是变量L和ntotal的数量真实地反映了SDN资源在资源价格协商中的活跃程度，比如，L=55,ntotal=15，δ=0.2,则Y5(xi,xj)=0.87

2　实验与结果分析

SDNRPNA主要借用概率来检验SDN资源价格协商算法的稳定性。SDN资源价格协商的过程可以认为是在不同结构和参数的系统中进行资源需求分配的过程。本文将进行如何根据需求进行资源价格协商，同时进行MobIS的最优参数的优化。为更快地解决此问题，本文选用随机检验工具PRISM来对该方法的可靠性需求进行验证.待验证的可靠性需求的表示文中已经给出. SDN资源价格协商的参数设置如下：参数T0选取5作为步长，取值范围为[5,25]，单位为min;参数B选取50作为步长，取值范围为[50，250]，单位为MB。对于每类型的Network，MobIS共有208(=2*2*(2*5*5+2))种候选配置。

参数最优化的设置将分为两个步骤进行:一是SDN资源价格协商的框架设计，二是在已经设计完毕的框架基础上进行参数最优化处理。

2.1　最优结构设计

图2和图3为参数(T0，B)分别取值(15，150)时，在结构框架不同的情况下，在REL1和REL2的测试结果。系统需要参照这些实验结果进行结构框架的不断优化。由于REL1阈值的设定值为0.90，在图2中概率值保持在0.900以上的13种设置全部能够被选作候选设置。但是REL2阈值的设定值为0.05，因此在图3中概率值处于0.050以下的5种设置全部能够被选作候选。这两组候选设置的交集为{SMS，GSM，Offline(Text)}，{Internet，GSM，Online(Media)}，{Internet，GSM，Online(Text)}，{Internet，GSM，Offline(Voice)}和{Internet，GSM，Offline(Text)}。参照用户喜好P1，为确保用户可以得到更新后的实时信息，系统需要选用Online模式来获取信息。参照用户喜好P2，为确保用户的交互体验更加真实，系统需要实时地获取媒体信息。

图2　不同结构设计下REL1的概率图

图3　不同结构设计下REL2的概率

图4　不同参数配置下关于REL1的概率

2.2　最优参数配置

图4和图5分别呈现了在结构{Internet，GSM，Online(Media)}中的不同参数设置下，系统在REL1和REL2下概率分布图。从图4可以看出，这15种参数设置全部符合REL1。如果参数T0相同，那么参数B的值将会越大，进而使得概率的值也会变大。

图5　不同参数配置下关于REL2的概率

3　结论

SDNRPNA方法的主要目标是实现企业供应商评价系统对SDN资源价格的高效协商，以确保SDN资源价格可以符合客户的需求。SDN资源价格协商的过程是主要是在系统分析算法处理后的情况下，对特定需求进行资源价格协商的。SDN资源价格协商方法提供了一种关于企业供应商评价的思路，有别于现有的其他基于SDN资源建立企业供应商评价方法，它用简单的元素和语义显示化描述了企业供应商评价准确性。