[发明专利]一种云计算环境中基于用户感知价值的最优服务定价方法

权利要求书

1.一种云计算环境中基于用户感知价值的最优服务定价方法，其特征在于该方法包括以下具体步骤：

步骤一：基于用户感知价值，确定收费周期t内实际购买服务用户数量的概率分布；

步骤二：根据步骤一确定收费周期t内实际购买服务的用户数量的期望模型；

步骤三：根据步骤二中实际购买用户的数量期望模型，构建系统的收入模型；

步骤四：基于功耗以及租赁费，构建维护系统运行的开支耗费模型；

步骤五：根据步骤三及步骤四，确定系统的利润模型，并根据相应的约束条件，将利润最大化转化为带约束条件的优化；

步骤六：利用增广拉格朗日方法求解最优化问题；

步骤七：将得到的最优解，包括最优服务定价、最优系统运行配置信息插入到历史数据集中保存；

步骤八：当系统参数变动时，根据历史数据集利用曲线拟合方法重新求得实际购买服务的用户数量的概率分布。

2.如权利要求1所述的最优服务定价方法，其特征在于所述步骤一具体包括：

步骤A1：基于第i位用户的感知价值X_i，确定用户感知价值分布的概率密度函数f(x)以及累积分布函数F(x).当云服务定价设为ω时，F(x)满足：0≤F(ω)≤1；lim_ω→∞F(ω)≤1；

步骤A2：把时间间隔t内服务的需求m定义为：到达并愿意以当前定价购买服务的潜在购买用户数量，即所有感知价值X_i≥ω的顾客人数；则其概率分布为：

$P_{\mathrm{\ω}}\left(m\right|n)=\left(\begin{array}{c}n\\ m\end{array}\right)\×{\[1-F\left(\mathrm{\ω}\right)\]}^m\×{\[F\left(\mathrm{\ω}\right)\]}^{n-m}$

其中：n表示对当前定价感兴趣的用户数，m表示感兴趣的用户中实际以当前定价ω购买的用户数量，P_ω(m|n)表示在定价为ω时实际购买服务的用户数量的概率分布；

步骤A3：根据用户需求确定基于市场供需关系的约束，保证基于用户感知价值的需求分布符合市场供需关系；

用户的需求和云服务的价格成反比，价格越高，购买的用户数会下降：

$\underset{m=0}{\overset{c}{\Σ}}{P}_{\mathrm{\ω}+\mathrm{\Δ}}\left(m\right|n)\≤\underset{m=0}{\overset{c}{\Σ}}{P}_{\mathrm{\ω}}\left(m\right|n),c=0,1,2,...\mathrm{\∞};\mathrm{\Δ}\>0$

当云服务的价格趋向无穷大的时候，购买的用户数量应该趋向于零：

$\underset{\mathrm{\ω}\→\mathrm{\∞}}{\lim }E\left(m|\mathrm{\ω}\right)=0$

其中：E(m|ω)表示定价为ω时，购买服务的用户数量的期望；

步骤A4：确定收费周期t内，在当前定价下对服务感兴趣的人数n的概率分布：

$P\left(n\right|{\mathrm{\λ}}_1)=\frac{{\left({\mathrm{\λ}}_{1}t\right)}^n{e}^{-{\mathrm{\λ}}_{1}t}}{n!},n=0,1,2,...\mathrm{\∞}$

其中：λ₁表示单位时间内用户的到达率；

步骤A5：由于到达率λ₁具有波动性，为了表示这种不均匀的特性，确定λ₁的分布：

$g\left({\mathrm{\λ}}_1\right)=\frac{1}{\mathrm{\Γ}\left(\mathrm{\α}\right){\mathrm{\β}}^{\mathrm{\α}}}{{\mathrm{\λ}}_1}^{(\mathrm{\α}-1)}{e}^{-{\mathrm{\λ}}_1/\mathrm{\β}},0\≤{\mathrm{\λ}}_1\≤\mathrm{\∞}$

其中：α，β表示Gamma分布的两个参数；Γ(α)表示gamma函数，与α的阶乘相关；

步骤A6：根据步骤A2-A5确定时间间隔t内实际购买用户的概率分布：

$\begin{array}{c}{P}_{\mathrm{\ω}}\left(m\right)={\∫}_{{\mathrm{\λ}}_1=0}^{\mathrm{\∞}}\underset{n=0}{\overset{\mathrm{\∞}}{\mathrm{\Σ}}}{P}_{\mathrm{\ω}}\left(m|n\right)P\left(n|{\mathrm{\λ}}_1\right)g\left({\mathrm{\λ}}_1\right){\mathrm{d\λ}}_1\\ =\left(\begin{array}{c}m+\mathrm{\α}-1\\ m\end{array}\right){\[\frac{\mathrm{\β}t\[1-F\left(\mathrm{\ω}\right)\]}{1+\mathrm{\β}t\[1-F\left(\mathrm{\ω}\right)\]}\]}^m{\[\frac{1}{1+\mathrm{\β}t\[1-F\left(\mathrm{\ω}\right)\]}\]}^{\mathrm{\α}}\end{array}.$