社会资源市场中的双边匹配问题优化方案

（1）研究背景

随着云计算技术与服务质量的不断提高，云计算、云制造、云服务等基于云平台的社会资源共享与交易已经广泛应用于社会各个行业领域。以云制造为例，云制造是一种利用网络和云制造服务平台，将用户所需的各类制造资源和制造能力进行虚拟化和服务化，以服务的形式对制造资源进行集中管理，为用户提供各类按需制造服务的一种网络化制造新模式[17，18]。云制造的一个显著优势是可以将分散在不同地理位置的制造资源/能力提供者拥有的闲置制造资源和制造能力集中起来，进而为分布在不同地理位置的用户提供制造服务，由云制造服务中心对汇聚起来的制造资源/能力进行集中运营管理，提供高质量的服务，从而保障制造资源/能力提供者和需求者双方的利益，以及维系双方参与的积极性[19-22]。云制造环境下服务需求者对制造资源的性能、价格等有偏好，服务提供者也有自己的专长与服务的市场群体，因此，云制造环境下资源/能力分配问题是一个典型的社会资源双边匹配问题。此外，像认知无线电中频谱资源与用户的匹配、医疗资源中医生与患者的匹配、公共住房资源中公共住房与家庭的匹配等都是典型的双边匹配问题。本书对这类社会资源双边匹配问题进行了总结。

（2）社会资源配置相关的双边匹配研究

①云资源市场中的双边匹配问题

任磊和任明仑（2018）[200]研究了智慧云平台中任务请求者和服务提供方之间的合理匹配问题，运用期望效用理论计算双方满意度，提出基于竞争关联的任务间满意度和基于社会网络的服务间满意度聚合方法。以最大化任务满意度、服务满意度、任务间满意度和服务间满意度为目标，构建任务双向匹配多目标优化模型，运用改进非支配粒子群算法和加权TOPSIS求解得到最佳方案。通过汽车智慧制造实验验证了模型和算法的有效性。任磊和任明仑（2018）[204]研究了云制造环境下智能服务单元与复杂制造任务之间的匹配问题，构造基于学习效应模型的主体动态能力计算方法，运用期望效用理论聚合双方满意度，应用协同网络刻画服务社会关系，基于社会网络理论计算服务间协同满意度，构建以任务、服务满意度、服务间协同满意度最大化的一对一双边匹配多目标模型。赵道致和李锐（2017）[207]研究了云制造平台上的碎片化资源匹配问题，通过多属性评价，计算出资源供求双方之间的满意度，据此确定匹配主体的偏好序，以偏好序作为匹配依据，设计在考虑匹配数量的前提下，求解稳定匹配方案的多对多匹配算法，并论证匹配结果对于匹配优先方的Pareto最优性。程丽军和王艳（2018）[208]针对云端融合过程中的云任务——资源匹配问题，考虑任务和资源的双边满意度，提出一种用于云端融合任务分配的基于改进知识迁移极大熵聚类算法，该算法改进了历史聚类中心知识和历史隶属度知识的引入方式，提高了聚类性能和稳定性，解决了传统聚类算法不能适用于动态云资源聚类的问题，在此基础上，考虑双边主体满意度，将该算法的聚类结果应用于云任务——资源的双边匹配决策优化模型中。赵道致和丁琳（2017）[210]研究了云制造服务平台上企业可用制造资源的稳定匹配问题，有剩余可用能力的企业可以选择出售，成为资源的供给方；而能力短缺的企业则希望购买可用能力完成生产，成为资源的需求方，由此形成了一个以剩余可用能力进行交易的双边匹配市场，考虑到市场上企业的制造资源种类和数量各不相同，构建了以云平台为主导的可用制造资源的多对多匹配市场模型，设计了基于企业偏好序列的资源双边匹配机制，证明了稳定匹配结果的存在性。徐俊等（2018）[212]研究了考虑服务资源的有限性和用户与服务供应商的双向偏好的云服务资源匹配问题，依据供需双方偏好建立服务资源分配框架，利用聚类方法快速筛选用户需求及候选服务，结合Gale-Shapley算法提出两种需求服务匹配策略，考虑到用户满意度和服务提供商的成本效益，得到稳定的服务资源匹配方案，达到全局最优。徐鹏等（2011）[217]针对目前异构网络选择问题大多没有考虑用户和网络相互选择的问题，提出了一种新的异构网络选择博弈模型，该模型基于不同准则分析了用户与网络相互选择的匹配博弈过程，并找到了博弈的均衡点，仿真实验表明用户与网络在选择过程中得到了双赢。游庆根等（2015）[218]针对云环境下虚拟机部署问题，提出了一种基于双边匹配的决策分析方法。将虚拟机部署问题视为虚拟机与物理主机的双边匹配问题，构建了以虚拟机对物理主机满意度最大和虚拟机和物理主机匹配度最大为目标的多目标优化模型，并通过模型求解得到最优匹配结果。张瑞等（2015）[219]针对车辆在异构网络覆盖环境下的网络接入选择问题，先利用层次分析法获得相应权重分配以给出满意度函数，然后将网络侧的一对多匹配转化为一对一匹配问题，在稳定匹配条件下构建多目标优化模型，并求解最优匹配结果。相关性能分析及仿真实验表明，基于稳定匹配的博弈模型相对于传统决策模型，能够使网络和用户侧双方的满意度最优化，从而得到双向网络选择的均衡状态。施超等（2018）[220]针对容器化云环境中容器与虚拟机之间的匹配问题，将机器学习中的几种相似度计算方法作为稳定匹配算法的偏好规则，同时将已经拟分配过容器的虚拟机继续加入偏好列表，从而将一对一的稳定婚姻匹配算法改进为多对一的稳定匹配，解决了将容器整合到虚拟机上的初始化部署问题。仿真实验结果表明，采用优化的稳定匹配算法来初始化部署容器时，不仅SLA违规较低，而且比FirstFit，MostFull以及Random算法分别约节能12.8%，34.6%和30.87%，其中使用欧氏距离作为稳定匹配算法偏好规则的节能效果最好。

②网络通信资源市场中的双边匹配问题

郭文艳等（2017）[196]针对传感资源在云市场中实现交易共享的问题，提出传感资源的动态报价策略DPS-SR和基于组合双向拍卖的稳定匹配算法，其中，DPS-SR综合考虑了历史成交价格、市场供需情况、供应方资源负荷率和需求方焦急度给出合理的供需报价；CDA-SMA以供需双方偏好为导向实现双向稳定匹配，DPS-SR和CDA-SMA共同实现传感资源的动态定价，仿真实验结果显示在不同的市场供需情况下该定价策略比传统的固定比率定价有更好的适应性。曹龙等（2016）[197]针对认知无线电网络中的次用户（SUs）数量不断增加，频谱资源的精确、实时分配与管控越来越难以实现的问题，提出一种分层的认知无线电网络（CRN）架构，多个管理实体专注于为各层用户提供频谱服务，并在该架构下，提出一种基于稳定匹配的资源分配算法，用户通过自主协商形成分配结果，不仅保证了主用户（PUs）对次用户的功率限制，还充分考虑了各自的效用。李湘洋等（2016）[198]针对无线通信网络中混合频谱共享问题，将混合共享认知无线网络的信道分配问题构建为一对一的匹配博弈，提出了分布式用户-信道匹配算法。该算法数学复杂度低，且能够达到稳定匹配。仿真结果表明，算法收敛时间短，稳定匹配状态下的平均传输速率与使用匈牙利算法的最优分配算法所获得传输速率相接近，远优于随机分配算法的传输速率。张河昌等（2016）[202]针对D2D（Device-to-Device）通信中频谱资源严重干扰问题，提出了一种新的D2D资源分配方案——基于稳定匹配的多回合迭代D2D资源分配方案，即在稳定分配的基础上引入多回合迭代算法完成二次优化，以最大化系统吞吐量为目标，使每个D2D复用更合适的频谱资源，仿真分析结果表明提出的方案能提升D2D的满意度，系统吞吐量也有所提高。冯晓峰等（2018）[203]针对包含多个主次用户的Underlay认知无线网络，提出了一种新的协作物理层安全机制，在保证主用户通信质量的前提下，最大化网络中次用户的总的安全容量，考虑到个体理性和自私性对于频谱接入稳定性的影响，该机制利用稳定匹配理论将频谱接入选择问题建模为一对一的双边匹配问题，通过构建主次用户之间的稳定匹配来保证频谱接入的稳定性。仿真结果表明，使用本书所提安全机制，可以在保证主用户通信质量的前提下，稳定而又有效地改善网络中次用户获得的总的安全容量。(www.xing528.com)

③其他资源市场中的双边匹配问题

刘潇等（2015）[209]针对我国住房保障中公共住房如何公平高效分配的问题，通过保障家庭对公共住房地理位置、居住面积、市场租金、楼层高度和周边环境五个关键属性的期望值和重要性排序来反映保障家庭的住房偏好，依据保障家庭的住房偏好和公共住房的实际属性值构建彼此在各个关键属性上的子匹配度评价体系，采用多维空间正负理想点法计算保障家庭和公共住房之间的匹配度。再后依据保障家庭优先级的不同取值方式，将双边分配问题用多目标规划求解模型和经典指派模型来描述，并用成熟算法求解。吴威让等（2015）[211]研究了弱偏好序下带容量房屋市场混合模型（CHMTeT）的机制设计问题，针对该模型提出了一类算法机制，该机制是TTC算法机制的推广，称之为剔除筛选算法（简记为CTTC）机制，并证明了CHMTe T模型应用CTTC算法得到的这一类机制（即CTTC机制）满足个人理性、帕累托有效性和防策略操纵性。刘潇等（2015）[216]针对我国住房保障中公共住房如何公平高效分配的问题，依据保障家庭的住房偏好和公共住房的实际属性值，计算双方各属性的子匹配度，再用各子匹配度与正负理想点的相对距离来衡量保障家庭和公共住房之间的匹配度，建立以保障家庭和公共住房匹配度最大为目标的优化模型。谭博等（2016）[206]首先对大城市房屋租赁过程中房东和租客的匹配问题进行了研究，对房屋租赁过程中房东和租客的匹配问题进行描述，其次根据双方提供的信息进行满意度计算，然后在此基础上构建使双方达到满意度最大的多目标决策模型，最后通过一个算例，求解得出最佳匹配结果，说明了方法的有效性。

路应金等（2018）[199]针对医疗供应链管理中，医生和病人之间存在的资源配置问题，基于Gale-Shapley算法稳定匹配，构建了兼顾社会效益以及经济效益的双边匹配优化模型。该模型同时考虑了双方主体利益，成功让患者和医生的匹配问题得以解决，得到帕累托最优稳定匹配，从而改变我国目前医疗供应链资源管理不合理的问题，进而促进医疗服务分级诊疗的实现。陈希和王娟（2018）[214]针对智能平台下医疗服务供需双方匹配的现实问题，比较双方主体在不同指标下的期望水平和评价信息之间的差距，计算得到双方差异度，并通过集结运算分别获得了双方满意度；在此基础上，分别以医疗服务供需双方的满意度最大为目标，构建了智能平台下医疗服务供需匹配的多目标优化模型，通过模型求解可得到最优匹配结果。

吴文建等（2017）[213]针对售电企业与用户的双边匹配决策问题，考虑售电企业和用户的电能产品供需特征、服务时间和其他多指标评价等方面的信息，为确定双方都满意的匹配方案，构建电力产品供需主体双边匹配多目标优化模型，提出实现供需主体双边匹配的决策方法。李雄一等（2018）[221]针对平台视角下的数据交易供需双边匹配问题，提出了考虑模糊语言评价信息、区间数评价信息和0-1评价信息的混合型多属性匹配决策方法并定义了属性匹配满意度函数，以供需主体最大匹配满意度为目标，构建了数据交易供需双边匹配的多目标优化模型，并设计模型求解算法，将多目标化模型转化为单目标线性规划模型进行求解，以获取匹配结果。张慧中（2018）[222]从乳制品供应链供求平衡角度考虑，乳制品资源的供方可以选择出售资源，即存在剩余能力，而需求方希望购买乳制品资源实现生产运营，即能力短缺，由此形成以剩余可用能力进行交易的双边匹配市场，构建了多对多的双边市场模型，实现主体间的资源双边匹配。

（3）评述与展望

本书对社会资源市场中的双边匹配问题进行了总结，涉及的社会资源包括云市场中传感资源、认知无线电频谱资源、医疗资源、电力资源、云制造平台资源、公共住房资源、异构网络资源、数据资源、乳制品资源等。具体研究了不同市场资源的不同定价策略、资源供需双方交易的满意度和匹配度计算、资源供需双方的稳定匹配算法、不同匹配机制之间的优劣比较。已有社会资源市场双边匹配包含的偏好信息有多指标评价信息、期望信息、资源属性信息、弱偏好序信息等。基于稳定匹配理论的资源交易机制可以实现资源供需双方相对稳定的一种交易状态，与其他资源交易机制相比，可以解决原来资源市场混乱无序的状态，这也是目前社会资源市场研究稳定匹配理论的重要驱动力。通过真实的资源交易历史数据跟踪、验证稳定匹配理论在资源交易中的有效性，并验证模型的合理性是目前所欠缺的。