A Game-Theoretic Analysis for Complementary and Substitutable IoT Services Delivery With Externalities
Notice bibliographique
Résumé
The Internet of Things (IoT) connects mobile and wireless devices, and enables the IoT service providers to deliver IoT services to the mobile users in various applications, e.g., transportation and communications. In this paper, the problem of IoT service delivery management is studied with the consideration of substitutability, complementarity, and externalities of delivering IoT services due to the diversity of different IoT components in mobile systems. The substitutable IoT services have similar functionalities to serve IoT users, and the IoT users can switch to buy service from any IoT service provider. The complementary IoT services have different functionalities to serve IoT users, and the IoT users may request a bundle of IoT services from multiple IoT service providers as their IoT services can be integrated. Externalities represent the situation in which IoT users in the same system can affect the utilities of each other due to the connections and interference among the IoT users, which leads to the presence of network effect and congestion effect. To analyze the impact of these factors on the performance of IoT systems, a multi-leader multi-follower Stackelberg game model is introduced. Therein, the IoT service providers and IoT users make their strategic decisions in terms of pricing and service requests, respectively, toward their individual objectives in a distributed manner. A closed-form equilibrium solution is derived analytically through backward induction.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».