面向LTE電力行業應用的終端準入控制策略

邢寧哲 常海嬌 李信 李財云

摘 要： 為了在保證用戶服務質量的前提下，提高對電力通信業務流量的接納能力，提出在電網終端與公網用戶共享頻譜資源場景下的博弈準入控制策略。首先基于無線網絡業務流量自相似性建立網絡流量模型，根據電網和公網用戶的不同服務質量需求計算不同網絡業務的服務需求帶寬，之后提出電網和公網用戶之間基于古諾雙寡頭博弈的準入控制優化策略，用以實現帶寬資源在電網和公網之間的動態合理分配。仿真結果顯示，所提準入控制方法能夠有效降低業務阻塞率，提高系統吞吐量上限。

關鍵詞： LTE電力行業應用； 帶寬資源分配； 博弈論； 準入控制策略； 阻塞率； 吞吐量

中圖分類號： TN915.6?34 文獻標識碼： A 文章編號： 1004?373X（2018）15?0016?06

Terminal admission control strategy for LTE power industry application

XING Ningzhe1， 2， CHANG Haijiao1， LI Xin1， LI Caiyun3

（1. Information Communication Company， State Grid Jibei Electric Power Company， Beijing 100053， China；

2. School of Electronic and Information Engineering， Beijing Jiaotong University， Beijing 100044， China；

3. Beijing InfoTel Network Testing Lab Company， Beijing 100088， China）

Abstract： On the premise of ensuring the service quality of users， and improving the traffic admitting ability of power communication service， a game theory based admission control scheme for power grid terminal and public users′ co?existence spectrum resource is proposed. The network traffic model is established on the basis of self?similarity of wireless network business traffic， and then the service requirement bandwidth of different network services is calculated according to different service quality requirements of power grid users and public grid users. A Gounod duopoly game based admission control optimization strategy for power grid users and public grid users is proposed to realize the dynamic reasonable allocation of bandwidth resource between power grid and public grid. The simulation results show that the admission control strategy can reduce the business blocking rate effectively， and improve the upper limit of the system throughput.

Keywords： LTE power industry application； bandwidth resource allocation； game theory； admission control strategy； blocking rate； throughput

0 引 言

LTE電力行業應用是指電力公司通過租賃公網運營商的無線網絡，充分利用LTE技術高帶寬、低時延、全IP、扁平化與全時在線等優勢為電力行業提供安全可靠的通信保障。此時，普通公網用戶終端與電網行業終端共享同一蜂窩網下有限的無線頻譜資源。但是隨著電力通信網的規模與復雜度的增加，各類業務越來越廣泛，因此其承載了大量周期性和突發性流量，這就導致電網行業終端與公網用戶終端競爭有限的頻譜資源。由于電力行業終端的業務服務質量需求[1]與公網用戶存在差異性，不合理的資源分配方式將會造成網絡擁塞，導致用戶丟包率上升，服務質量惡化。因此，需要針對電網通信終端和公網用戶終端共存的LTE電力行業應用場景設計新的擁塞避免策略，來合理分配公網用戶與電網終端之間的頻譜資源，同時為系統內的兩類服務提供業務質量保證。

在眾多無線資源管理技術中，準入控制機制（Admission Control，AC）可有效緩解網絡擁塞。AC是指根據新業務請求的業務特征、服務質量需求和系統當前可用資源，設計合理的準入判決準則，判決是否接收這個新業務請求。傳統的呼叫準入控制研究主要包括基于系統門限的準入控制和基于接入概率的準入控制。文獻[2]根據帶寬可用性感知提出貪婪性選擇準入控制機制。文獻[3]采用分數功率指標作為接入概率來實現準入控制機制。但目前這些準入控制方法都基于固定帶寬分配，沒有考慮網絡資源分配的整體優化，因此不能實現頻譜資源在電網和公網業務之間的合理分配。

為了解決這個問題，本文首先對行業應用下通信業務流量的自相似性展開分析，并利用無線網絡的流量自相似特點對LTE電力無線網中公網業務與電網業務進行流量建模，計算滿足業務QoS的最優分配帶寬。然后在此基礎上提出面向LTE電力行業應用的終端準入控制機制（Cellular?Power devices Gaming?AC，CPG?AC），通過對頻譜資源獲取的雙方博弈優化，實現在電網行業終端與公網用戶共存的網絡場景下無線帶寬資源的合理分配。

1 無線網絡自相似性研究

對于公網來說，隨著無線網絡逐漸向IP分組化轉變以及網絡突發業務流量的增加，無線網絡流量特性變得更加復雜。諸多研究[4?7]顯示，無線網絡業務流量具有自相似性，即在不同的時間尺度下，無線網絡流量的突發性變化都不會消失，且流量模式具有相同的統計特性。

隨著智能電網規模不斷擴大，能夠提供的電網業務種類不斷增多，對于配電信息網能夠承載的網絡業務流量以及提供的服務質量提出更高的要求，因此，配電信息網提供的通信業務類型從最初的窄帶通信業務逐漸轉化為如今以IP數據業務為主體，綜合語音、視頻和多媒體的寬帶數據業務。研究[8?9]表明，如今的配電通信網的流量模式與普通公網一樣，都具有自相似、長相關的特點。因此在公網業務與電網業務共存的網絡場景中，本文選擇基于流量自相似性描述多種類型業務共存模式下的網絡特性，進而預測不同業務帶寬需求。最后基于某一時刻公網和電網業務不同帶寬需求，采用博弈論方法進行帶寬資源的合理分配。

1.1 自相似過程定義

漸進自相似過程定義為：對于廣義平穩隨機過程[X=Xi，i=1，2，…]，[Xi]代表第[i]個單位時間內到達的業務流量，其自相似函數可表示為[rk=EXi-μXi+k-μσ2，i，k=0，1，2…]。假設[rk]滿足：[rk～k-βLk]，其中，[Lk] 是一個[k→∞]趨勢下的緩變函數，即[limLtxLtx=1]，對所有的[X>0]成立。

令[Xmk=Xkm-m+1+…+Xkmm]，記變量[Xk]的[m]階疊加過程為[Xm=Xm1，Xm2，…]，對應的自相關函數為[rmk]。如果[rmk=rk，?m，k∈Z+]，則[X]是[H=1-β2]的嚴格二階自相似過程[4]，其中[H]又稱為Hurst參數，用來描述流量的自相似性，[H]越大，流量的自相似程度越高。

1.2 ON/OFF數據源疊加模型

本文采用ON/OFF模型[10]進行流量建模，它能夠很好地描述自相似性業務流量的產生過程。設 [Xit，i∈[1，N]]為[N]個彼此不相關的數據源，數據源[Xit]具有由其業務服務質量需求決定的ON/OFF周期。[Xit]交替產生1或0值，分別對應ON/OFF狀態。[Xit=1]，意味著ON期間在時刻[t]以一定的速率發送一個數據包；而[Xit=0]，意味著OFF期間在時刻[t]不發送任何數據。在時刻[t]，[N]個數據包疊加，其合成流量可表示為：

[XallNTt=i=1NXi（Tt）] （1）

設[T]為時間拓展因子，在[0，Tt]內鏈路上聚合的數據量（在[t]時刻到達的流量）為：

[WallNTt=0TtXallNudu=0Tti=1NXi（u）du] （2）

當[N→∞，T→∞]時，流量模型[WallNTt，t≥0]與分形布朗運動過程具有類似的統計特性[11]。選擇重尾分布對ON/OFF過程進行描述，則有概率分布函數：

[FONt=1-βONtαONFOFFt=1-βOFFtαOFF] （3）

式中：[βON，βOFF]是Pareto分布的位置參數；[αON，αOFF]是Pareto分布的形狀參數，反映了ON和OFF狀態下分布曲線的重尾程度。

根據文獻[12]，對于同樣的業務而言，假設用戶滿足相同的Pareto分布，[WallNTt，t≥0]可表示為：

[WallNTt=NTμONμON+μOFFt+THNσminBHTt] （4）

式中：[μON，μOFF]為ON階段和OFF階段時間長度的均值；[BHTt]為增量平穩的分形布朗運動，且[BH0=0]；[σmin]為有限正常數。

由式（4）可知，基于ON/OFF模型的無線網絡業務流量模型由兩部分組成，[NTμONμON+μOFFt]體現了用戶數量的累積所導致的業務流量的改變，而[σminBHTt]代表分形布朗過程，說明突發性變化在任何時間規模上都不會消失，體現了業務流量的自相似性[12]，且[H]越大，重尾分布的拖尾現象越明顯，網絡流量自相似性越高。

根據[WallNTt]的物理意義可知，平均輸入系統緩存的速率[v]為：

[v=EWallNTt=NμONμON+μOFF] （5）

同時，反映其波動程度的標準差系數[Vσ]為：

[Vσ=varWallN1EWallN1=kNv=kNμON+μOFFμON] （6）

1.3 業務需求帶寬計算

LTE電力行業應用網絡同時承載公網業務和電網業務。其中，公網業務是指提供給普通商業用戶使用的集成數據、語音、視頻的綜合業務。電網業務則指的是由配電通信網承載的用來監測和保證電網正常運行的業務，這類業務主要應用于用電信息采集、配網自動化、電網視頻監控等各系統之間的互聯和數據共享。

由于公網業務與電網業務在應用上的差異性，因此需要滿足不同的服務質量要求。商業網絡主要承載Web業務與視頻業務，這兩類業務能夠容忍網絡處理傳輸過程中存在一定的延遲，但是考慮到數據業務傳遞信息的重要性以及丟包率過高會造成數據丟失，因此在公網業務需求帶寬的計算中主要考慮丟包率帶來的影響。對于由LTE所承載的配電通信網業務來說，數據傳輸主要是保障時延，其是保證智能電網可靠、安全、高效的關鍵，因此在計算電網業務需求帶寬時主要考慮時延的QoS需求。

1.3.1 滿足丟包率的業務需求帶寬計算

考慮網絡承載業務的丟包率主要由緩沖區溢出產生，因此將業務的丟包率映射為緩沖區的溢出概率，用[ε]表示。設在一段時間系統服務速率為[C]，為業務分配有效帶寬，緩存隊列長度應滿足：

[Xt=supτ≥0WallNt+τ-WallNt-Cτ] （7）

設基站接納系統的緩沖區大小為[b]，則服務器隊列的溢出概率[ε]為：

[ε=PXτ>b≥maxτ≥0PWallNτ>Cτ+b] （8）

根據文獻[13]，求解一定LTE基站溢出概率下的自相似業務帶寬需求預測模型，可以得到隊列長度大于[b]的概率為：

[PXτ>b≥maxτ≥0?C-vτ+bvVσ?τH] （9）

根據參考文獻[13]對式（9）求導，即可得到滿足溢出概率需求的服務帶寬：

[ΔCεε，H=v+Hb1-HH-1vVσ?-1ε1H] （10）

1.3.2 滿足時延的業務需求帶寬計算

本文主要考慮由于消息在緩存隊列中排隊等待而產生的排隊時延。由于電網業務的特性，對時延有嚴格的要求。下面根據文獻[12]提出的計算方法獲得滿足時延需求的有效帶寬。

設系統平均時延[Tdelay]為：

[Tdelay=BΔCd] （11）

式中：[C]為系統服務速率，即為業務分配有效帶寬；[B]為平均隊列長度。

[B=212K2-12K1-1K2K2?γ12K2+12，12K1K2-K2bK22] （12）

式中：[K1=1vVσ?C-vHH；K2=1-H]。

計算式（11），式（12）即可得到滿足時延需求的服務帶寬[ΔCdTdelay，H]。

2 基于博弈論準入控制策略

電力通信無線業務大部分采用租用移動通信運營商的網絡實現，運營商作為第三方將有限的頻譜資源分配給普通用戶與電力行業終端同時使用，因此需要設定合理的動態頻譜分配策略，同時保證電力行業終端和普通公網用戶的QoS需求，提高有限頻譜資源利用率，緩解系統擁塞。這種情況下可以把運營商作為主系統，將有限的頻譜資源分配給次系統：電力通信網絡和商業網絡。此時次系統之間相互競爭主系統資源，因此可以采用古諾雙寡頭博弈模型分析次系統之間的頻譜分配問題。

2.1 基于古諾雙寡頭博弈的帶寬資源分配模型

2.1.1 古諾雙寡頭模型基礎

古諾雙寡頭博弈模型[14]是指在一個市場中假設僅存在兩個參與者，兩者之間沒有任何聯盟或通信，但雙方都知道彼此的策略集合和收益函數，需要研究如何設定最優策略，即選擇合適的產量最大化自身的收益。假定兩個參與者在某一段時間內生產完全相同的產品，產量分別為[q1]和[q2]，因此市場總產出為[q1+q2]，設[Pq]表示產品單價，與產品總數負相關。同時，假設參與者[i]的生產成本為[Ciq，i=1，2]，則參與者[i]的收益函數為：

[Uiq1，q2=Pqiqi-Ci（qi）] （13）

若納什均衡組合[q*1，q*2]存在，則該組合應該滿足一階導數為0，即：

[?U1q1，q2?q1=0?U2q1，q2?q2=0] （14）

求解式（14），即可得到納什均衡解。

2.1.2 帶寬資源分配模型

在同時承載公網業務以及電網業務的LTE無線網絡中，通過建立博弈模型合理進行頻譜資源分配，博弈雙方為普通商業用戶業務和電網通信終端業務。每個博弈方都期望獲得較大的帶寬資源分配以提高QoS滿意度，然而如果一味地給某一方提供高帶寬資源分配，會導致網絡負載增大，降低另一方的效用函數。將博弈方[i]由于帶寬分配帶來的服務質量滿意度作為博弈方[i]的收益。博弈方[i]因為使用了頻譜資源而帶來網絡負載的增量作為博弈方[i]的成本，每個博弈方在效用與代價之間尋找最佳的平衡點，使每個博弈方都能獲得最優的凈收益。

資源分配博弈為[G=S=x1，x2，U=u1，u2]，其中：[x1，x2]為策略空間，[x1]為普通商業用戶業務被分配到的頻譜資源，[x2]為電力通信終端業務被分配到的頻譜資源；[u1，u2]分別是普通商業用戶業務和電力通信終端業務的凈效用函數。引用古諾雙寡頭博弈模型可認為博弈方的凈收益等于收益減去成本。

博弈方的收益函數用獲得的QoS滿意度來衡量，常數[λi]為QoS的定價因子，[λi]會隨著用戶業務優先的升高而增大，以此保證更高優先級業務頻譜資源的分配。用戶的QoS滿意度會隨著網絡分配給它的帶寬的增加而增加，然而QoS滿意度收益并不是呈線性增長的，因為隨著網絡為用戶分配的帶寬的增加，QoS滿意度會更多地受限于其他的網絡因素，同時網絡負載的加重會導致網絡內已存在用戶的丟包率上升，服務質量下降。對于用戶而言，隨著網絡給用戶分配的帶寬的增大，QoS滿意度收益增長變慢，因此用凹函數即對數函數來衡量帶寬資源分配帶來的QoS滿意度。同時考慮到商業網要滿足丟包率的最低服務帶寬需求[ΔCε]，因此商業網用戶的收益函數為：

[input1=λ1loga1x1-ΔCε] （15）

電網要滿足時延的最低服務帶寬需求[ΔCd]，因此電網用戶的收益函數為：

[input2=λ2loga2x2-ΔCd] （16）

網絡分配給用戶的帶寬越多，對自身負載造成的影響越大。網絡負載的大小會影響網絡中用戶的服務質量，網絡負載的加重會導致網絡中用戶的丟包率上升。本文的網絡代價主要考慮由于給兩類業務劃分需求帶寬對于當前網絡造成的負載增量。因此，博弈方的代價函數可表示為：

[cos ti=kixiWth?Eavg-xj， i=1，2； j=3-i] （17）

式中：[Wth]為系統可用帶寬資源；[Eavg]表示對所有用戶的平均頻譜效率；[ki]為常數，是對負載影響的放大系數；[xi]為給網絡[i]劃分的需求帶寬。

綜上，商業網用戶和電力通信網終端的帶寬資源分配凈效用模型分別為：

[max u1x1，x2=λ1loga1x1-ΔCε-k1x1Wth?Eavg1-x2max u2x1，x2=λ2loga2x2-ΔCd-k2x2Wth?Eavg2-x1 s.t. x1Eavg1+x2Eavg2≤Wth]

（18）

根據式（14），由式（18）可解得：

[x1=ΔCε+Wth?Eavg1-x2λ1k1ln a1x2=ΔCd+Wth?Eavg2-x1λ2k2ln a2] （19）

最后確定使得兩個最優反應函數同時成立的[xi]的取值，即同時滿足[u1x*2=x*1]和[u2x*1=x*2]的[x*1，x*2]作為商業網用戶和電力通信網終端最優分配帶寬為：

[x1=Wth?Eavg11-β2+ΔCεβ1-ΔCdβ1-β2x2=Wth?Eavg21-1β1+ΔCd1β2-ΔCε1β2-1β1] （20）

式中：[ β1=k1ln a1λ1]；[ β2=λ2k2ln a2]。

2.2 電網和公網用戶共存場景下的共享頻譜資源博弈的準入控制策略

傳統的資源分配方法為電力通信網租用固定大小的公網帶寬資源來使用，這會導致在電網通信業務輕負載狀態下，所租用的固定大小的帶寬資源因為閑置而浪費；但是在重負載狀態下，租用的帶寬資源有限，有可能不能滿足電網發生緊急情況時突發性流量需求，造成高丟包率與高時延，無法保證電力通信的可靠性。因此，本文提出面向電力通信網終端與公網用戶共存場景的博弈準入控制機制CPG?AC。首先基于自相似理論，根據Hurst參數及QoS需求進行服務帶寬自主優化，然后基于古諾雙寡頭博弈模型為兩類業務終端動態分配帶寬資源，從而提高有限帶寬資源的利用率，保證兩個網絡的QoS需求。該方法具有大尺度時間自主特性，并能應對突發性較強的公網與電網的無線分組業務。策略流程如下：

1. 持續監測小區流量，檢測[Hurst]參數變化

2. 根據緩沖區大小[ε]與時延[Tdelay]計算最低業務需求帶寬[ΔCε，ΔCd]

3. 根據古諾雙寡頭模型計算最優帶寬資源分配[x1，x2]

4. 新業務到達，計算新業務需求帶寬[ΔC1，ΔC2]

5. 如果滿足以下條件，則接入業務；否則，拒絕接入。

[ΔC1

[ΔC2

6. 如果分配的帶寬資源[x1，x2]用完，則回到步驟1重新計算，適合當下系統流量需求的電網和公網之間的帶寬資源分配

該策略首先通過網管實體對小區的業務流量進行監測，根據變化的Hurst參數，依據商業網絡和電力通信網絡不同業務的QoS值，采用上文的方法計算滿足時延、丟包率等指標的等效帶寬；然后利用古諾雙寡頭博弈模型推算兩種不同網絡業務的最優分配帶寬；最后更新小區級相關控制參數。如果小區中電力通信網新到達業務的需求帶寬小于系統分配給電網的帶寬資源[x2]，則準許接入，否則拒絕；如果小區中公網新到達業務的需求帶寬小于系統分配給公網的帶寬資源[x1]，則準許接入，否則拒絕。

3 仿真結果

首先建立基站服務模型，基站同時服務電網和公網用戶，仿真假設只考慮兩個網絡的數據業務，采用ON/OFF模型進行建模，具體仿真參數如表1所示。

圖1為當固定業務請求量時，不同可用帶寬資源下利用CPG?AC策略分別為電力通信網業務和公網業務進行帶寬分配的情況。可以看到，電力通信網與公網分配到的帶寬隨著系統可用帶寬的增大而增大。而由于本文的LTE電力無線通信網需要在保證電網通信網業務的基礎上同時保證公網大數據流量業務的服務質量。因此，認為在LTE電力無線通信網中對公網數據速率的保證能力要大于電力通信網業務，且公網分配到的帶寬資源比例要比電網大。由此可以看到，本文提出的針對電網和公網用戶共存場景的準入控制機制可以在保證電力通信網服務的情況下盡可能提高公網通信網服務質量。

由于帶寬根據流量自相似性動態分配，系統的接納能力會整體提高，圖2顯示了不同用戶數存在時，CPG?AC同固定帶寬分配的AC在呼叫阻塞率方面的比較，從圖中可以看出，在系統負載較低時，CPG?AC能夠有效推遲阻塞發生。在高負載時，CPG?AC策略通過動態調整電力通信網和公網業務的帶寬，提升了資源利用率，使得系統阻塞率下降，并且業務量越大，CPG?AC優化的效果越明顯。因此，CPG?AC策略能有效延緩系統擁塞的發生。

圖3顯示了不同用戶數存在時采取CPG?AC和固定帶寬分配的AC策略下系統吞吐量的情況。從圖3中可以看到，當系統負載較低時，基于固定頻譜資源分配的AC策略與本文提出的CPG?AC策略有相同的吞吐量增長曲線。然而隨著系統負載加重，CPG?AC策略能夠根據當前不同業務流量的Hurst自相似感知，動態調整帶寬資源在公網用戶和電力通信行業終端之間的合理分配，以此來推遲系統達到飽和的時間，提高系統吞吐量上限。綜上分析，CPG?AC策略能夠根據系統流量需求動態調整電力通信網與公網之間業務帶寬分配，從而提高頻譜資源利用率，緩解擁塞發生。

4 結 論

本文從無線網絡業務的自相似性分析出發，計算滿足電力通信網與公網業務不同服務質量要求的最低需求帶寬。在此基礎上采用古諾雙寡頭博弈模型確定電力通信網與普通公網終端業務之間的最優帶寬資源分配，并以此為基礎得到CPG?AC策略，最后對該策略效果進行仿真驗證。通過仿真結果發現，CPG?AC策略能有效降低業務在網絡中的阻塞率，提升系統吞吐量上限。未來的研究工作中將進一步考慮更多類型的電力通信與公網業務的QoS需求，實現LTE電力行業應用下針對多類型業務的準入控制策略。

參考文獻

[1] KARAGIANNIS G， PHAM G T， NGUYEN A D， et al. Performance of LTE for smart grid communications [C]// 2014 International GI/ITG Conference on Measurement， Modelling， and Evaluation of Computing Systems and Dependability and Fault Tolerance. New York： Springer?Verlag， 2014： 225?239.

[2] RANGO F D， MALFITANO A， MARANO S. GCAD： a novel call admission control algorithm in IEEE 802.16 based wireless mesh networks [J]. Journal of networks， 2011， 6（4）： 595?606.

[3] ANAS M， ROSA C， CALABRESE F D， et al. QoS?aware single cell admission control for UTRAN LTE uplink [C]// 2008 IEEE Vehicular Technology Conference. Singapore： IEEE， 2008： 2487?2491.

[4] LELAND W E， TAQQU M S， WILLINGER W， et al. On the self?similar nature of Ethernet traffic （extended version） [J]. IEEE/ACM transactions on networking， 1994， 25（1）： 202?213.

[5] WILLINGER W， PAXSON V， TAQQU M S. Self?similarity and heavy tails： structural modeling of network traffic [R]. Cambridge： Birkhauser Boston Inc.， 1998： 27?53.

[6] CROVELLA M E， BESTAVROS A. Self?similarity in world wide Web traffic： evidence and possible causes [C]// 1996 ACM SIGMETRICS International Conference. [S.l.]： ACM， 1996： 160?169.

[7] POLAGANGA R K， LIANG Q. Self?similarity and modeling of LTE/LTE： a data traffic [J]. Measurement， 2015， 75： 218?229.

[8] 李文偉.電力數據通信網的業務流量分析[D].上海：上海交通大學，2007.

LI Wenwei. Business traffic analysis of electric power data communication network [D]. Shanghai： Shanghai Jiao Tong University， 2007.

[9] 張倩倩.面向配電網的電力通信流量分析和預測技術[D].天津：天津大學，2012.

ZHANG Qianqian. Electricity communication traffic analysis and forecasting technology for power distribution network [D]. Tianjin： Tianjin University， 2012.

[10] WILLINGER W， TAQQU M S， SHERMAN R， et al. Self?similarity through high?variability： statistical analysis of Ethernet LAN traffic at the source level [J]. IEEE/ACM transactions on networking， 1997， 5（1）： 71?86.

[11] TAQQU M S， WILLINGER W， SHERMAN R. Proof of a fundamental result in self?similar traffic modeling [J]. ACM SIGCOMM computer communication review， 1998， 27（2）： 5?23.

[12] 豐雷，李文璟，邱雪松.適應自相似業務的無線網絡自主CAC策略[J].通信學報，2013，34（8）：27?34.

FENG Lei， LI Wenjing， QIU Xuesong. Wireless network autonomous CAC strategy adapted to self?similar business [J]. Journal on communications， 2013， 34（8）： 27?34.

[13] NORROS I. On the use of fractional Brownian motion in the theory of connectionless networks [J]. IEEE journal on selected areas in communications， 2006， 13（6）： 953?962.

[14] 李幫義，王玉燕.博弈論與信息經濟學[M].北京：科學出版社，2016.

LI Bangyi， WANG Yuyan. Game theory and information economics [M]. Beijing： Science Press， 2016.