[發明專利]一種云計算環境中基于用戶感知價值的最優服務定價方法

在審

• 申請號: 201710009301.4
• 申請日: 2017-01-06
• 公開（公告）號: CN106875211A
• 公開（公告）日: 2017-06-20
• 發明（設計）人: 魏同權;邵高原
• 申請（專利權）人: 華東師范大學
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 上海藍迪專利商標事務所(普通合伙)31215
• 代理人: 徐筱梅,張翔

技術領域

本發明涉及云計算環境中關于云服務定價技術領域，尤其涉及一種考慮實際市場環境中基于產品價格與供需關系的服務定價模型；具體來說是一種在實際的市場供需關系基礎上，在保證用戶服務滿意度的前提下，通過尋找最優的云服務定價及云計算系統運行配置，使得云計算服務供應商利潤最大化的方法。

背景技術

云計算(cloud computing)是一種商業計算模型，它將計算任務分布在大量計算機構成的資源池上，使用戶能夠按需獲取計算力、存儲空間和信息服務。通過集中管理互聯網上的資源和服務，云計算提供基于Internet的服務托管方式，例如訪問共享的硬件、軟件、數據庫、信息等等其它所有按用戶需求提供的資源。云計算通過pay-per-use(按訪問量收費)的價格模型，向用戶收取費用。

云服務提供商的利潤與很多因素有關，例如，服務價格、市場需求、系統配置、用戶的滿意度等等。選擇一個合適的服務價格和最優的系統運行配置，既可以吸引更多的用戶購買，又可以降低維護云集群運行的費用，使得云服務供應商可以獲得最大的利潤。目前研究領域主要分為靜態定價和動態定價兩種策略。靜態定價意味著某個服務請求的價格固定且可提前預知，而且并不會隨著條件的改變而改變。對于動態定價策略，服務提供商延遲價格制定直到用戶的需求明確，服務提供商可據此制定相應的價格。

靜態定價策略目前是在現實世界和相關文獻研究中使用最多的也是最廣泛的定價機制。Ghamkhari和Mohsenian-Rad采用了一種叫做flat-rate的定價策略，對于所有的請求設置一個固定的價格；但是Odlyzko則論證flat-rate策略會導致資源浪費，同時也不能適應服務差異化。另一種靜態定價策略是usage-based。服務的價格分別與服務時間以及服務的執行需求成比例。這種定價策略(usage-based)可以使得資源更有效的利用。動態定價策略是作為一個為了更好解決不可預測的用戶需求而出現的。Macias和Guitart提出了一個用遺傳算法以迭代方式獲得最優定價的策略。

目前有很多云服務定價策略的相關文獻研究，但是這些研究工作并沒有考慮過實際的市場供需關系。既然云服務是市場上的一種特殊商品，必然在制定定價策略的時候要考慮實際的市場供需關系，因此需要提出一個能描述市場供需關系的價格模型。

發明內容

本發明的目的是在云計算平臺中，基于用戶的感知價值，在保證用戶服務滿意度的前提下，根據用戶提交的任務屬性(緊急與否)對用戶進行一定的反饋獎勵，同時獲得最優的服務定價和服務器配置使得云服務提供商的利潤最大化，即一種基于市場供需關系的最優服務定價及系統運行配置方案。在探索該方案的過程中，本發明首先根據市場經濟學，在基于用戶感知價值的基礎上，構建出了一種能根據服務價格變化來反應市場供需關系的定價模型；其次構建出基于該供需關系的收入及系統耗費模型；最后還考慮到服務請求的數量，服務的緊急程度，應用環境中的工作負載，服務質量(QoS)，用戶服務滿意度等約束條件。通過以上模型及約束條件，建立利潤模型并將其轉化為一個帶約束條件的優化問題，該優化問題的解即是對應的最優服務定價及系統配置方案。

本發明的目的是這樣實現的：

一種云計算環境中基于用戶感知價值的最優服務定價方法，包括以下步驟：

步驟一：基于用戶感知價值，確定收費周期t內實際購買服務用戶數量的概率分布；

步驟二：根據步驟一確定收費周期t內實際購買服務的用戶數量的期望模型；

步驟三：根據步驟二中實際購買用戶的數量期望模型，構建系統的收入模型；

步驟四：基于功耗以及租賃費，構建維護系統運行的開支耗費模型；

步驟五：根據步驟三及步驟四，確定系統的利潤模型，并根據相應的約束條件，將利潤最大化轉化為帶約束條件的優化；

步驟六：利用增廣拉格朗日方法求解最優化問題；

步驟七：將得到的最優解，包括最優服務定價、最優系統運行配置信息插入到歷史數據集中保存；

步驟八：當系統參數變動時，根據歷史數據集利用曲線擬合方法重新求得實際購買服務的用戶數量的概率分布。

所述步驟一具體包括：

步驟A1：基于第i位用戶的感知價值X_i，確定用戶感知價值分布的概率密度函數f(x)以及累積分布函數F(x).當云服務定價設為ω時，F(x)滿足：0≤F(ω)≤1；lim_ω→∞F(ω)≤1；