文献

J-GLOBAL ID：201802231568447696   整理番号：18A1044120

複数の前向き競合クラウドプロバイダによる進化市場における価格政策の最適化【JST・京大機械翻訳】

Optimize Pricing Policy in Evolutionary Market with Multiple Proactive Competing Cloud Providers

著者 (4件)： Shi Bing ,  Zhu Hangxing ,  Wang Jinwen ,  Sun Bin
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICTAI  ページ： 202-209  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 複数の競合するクラウドプロバイダを有するクラウドコンピューティング市場において,各プロバイダは,他のプロバイダを動かし,長期収入を最大化するために,クラウド資源の価格を決定するために最適化価格決定政策を実行する必要がある。本論文では,以下の2つの事実を考慮することにより,クラウドプロバイダに対する最適価格決定政策を設計することを意図した。(1)市場は,クラウド利用者の増加した量とプロバイダの限界コストの減少に関して進化的である。(2)市場は,すべてのプロバイダがより多くの利益を受けることが期待されるので完全に競争力があり,一方,ユーザはそれらの要求に対してより少ないことを期待する。これらの現実的状況を考慮することにより,クラウドプロバイダが他のプロバイダに対抗しながら最適価格決定政策を設計する方法を分析した。具体的には,Markovゲームとして競合環境における価格決定問題をモデル化し,次に,最適価格決定政策を見出すために,Mini-QとQ-学習アルゴリズムを採用した。最後に,著者らのアルゴリズムを評価して,他の既存の政策と価格決定政策を比較した。数値シミュレーションにより,提案した手法の有効性を実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  価格決定 ,  学習アルゴリズム ,  シミュレーション ,  ゲーム ,  *最適化 ,  限界原価 ,  モデリング
準シソーラス用語： 数値シミュレーション ,  *ISP【インターネット】 ,  クラウドコンピューティング , 【Automatic Indexing@JST】

分類 (2件)： その他の情報処理  (JE15050M) ,  オペレーティングシステム  (JD03020J)

タイトルに関連する用語 (8件)： 競合 ,  クラウド ,  プロバイダ ,  進化 ,  市場 ,  価格 ,  政策 ,  最適化