Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2508.14830

帮助 | 高级搜索

计算机科学 > 分布式、并行与集群计算

arXiv:2508.14830 (cs)
[提交于 2025年8月20日 ]

标题: MOHAF:一种多目标分层拍卖框架,用于物联网生态系统中可扩展和公平的资源分配

标题: MOHAF: A Multi-Objective Hierarchical Auction Framework for Scalable and Fair Resource Allocation in IoT Ecosystems

Authors:Kushagra Agrawal, Polat Goktas, Anjan Bandopadhyay, Debolina Ghosh, Junali Jasmine Jena, Mahendra Kumar Gourisaria
摘要: 物联网(IoT)生态系统迅速增长,加剧了在高度动态、分布式环境中高效分配异构资源的挑战。传统的集中式机制和单一目标拍卖模型,仅关注成本最小化或收益最大化等指标,难以实现平衡的系统性能。本文提出了多目标分层拍卖框架(MOHAF),这是一种分布式资源分配机制,可联合优化成本、服务质量(QoS)、能效和公平性。MOHAF结合了分层聚类以降低计算复杂度,并采用贪心、子模优化策略,保证(1-1/e)的近似比。一种动态定价机制能够实时适应资源利用率,提高市场稳定性和分配质量。在包含3,553个请求和888个资源的Google集群数据跟踪上进行的大量实验表明,MOHAF的分配效率(0.263)优于贪婪(0.185)、第一价格(0.138)和随机(0.101)拍卖,同时实现了完美的公平性(Jain指数=1.000)。消融研究表明,成本和QoS组件在维持平衡的多目标结果中起着关键作用。具有近线性可扩展性、理论保证和稳健的实证性能,MOHAF为大规模物联网部署提供了一个实用且适应性强的解决方案,有效协调分布式资源协调中的效率、公平性和可持续性。
摘要: The rapid growth of Internet of Things (IoT) ecosystems has intensified the challenge of efficiently allocating heterogeneous resources in highly dynamic, distributed environments. Conventional centralized mechanisms and single-objective auction models, focusing solely on metrics such as cost minimization or revenue maximization, struggle to deliver balanced system performance. This paper proposes the Multi-Objective Hierarchical Auction Framework (MOHAF), a distributed resource allocation mechanism that jointly optimizes cost, Quality of Service (QoS), energy efficiency, and fairness. MOHAF integrates hierarchical clustering to reduce computational complexity with a greedy, submodular optimization strategy that guarantees a (1-1/e) approximation ratio. A dynamic pricing mechanism adapts in real time to resource utilization, enhancing market stability and allocation quality. Extensive experiments on the Google Cluster Data trace, comprising 3,553 requests and 888 resources, demonstrate MOHAF's superior allocation efficiency (0.263) compared to Greedy (0.185), First-Price (0.138), and Random (0.101) auctions, while achieving perfect fairness (Jain's index = 1.000). Ablation studies reveal the critical influence of cost and QoS components in sustaining balanced multi-objective outcomes. With near-linear scalability, theoretical guarantees, and robust empirical performance, MOHAF offers a practical and adaptable solution for large-scale IoT deployments, effectively reconciling efficiency, equity, and sustainability in distributed resource coordination.
主题: 分布式、并行与集群计算 (cs.DC) ; 计算机科学与博弈论 (cs.GT); 神经与进化计算 (cs.NE); 网络与互联网架构 (cs.NI)
引用方式: arXiv:2508.14830 [cs.DC]
  (或者 arXiv:2508.14830v1 [cs.DC] 对于此版本)
  https://doi.org/10.48550/arXiv.2508.14830
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Polat Goktas [查看电子邮件]
[v1] 星期三, 2025 年 8 月 20 日 16:25:37 UTC (105 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
cs.DC
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-08
切换浏览方式为:
cs
cs.GT
cs.NE
cs.NI

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号