Vehicular cloud computing has emerged as a promising solution to fulfill users' demands on processing computation-intensive applications in modern driving environments. Such applications are commonly represented by graphs consisting of components and edges. However, encouraging vehicles to share resources poses significant challenges owing to users' selfishness. In this paper, an auction-based graph job allocation problem is studied in vehicular cloud-assisted networks considering resource reutilization. Our goal is to map each buyer (component) to a feasible seller (virtual machine) while maximizing the buyers' utility-of-service, which concerns the execution time and commission cost. First, we formulate the auction-based graph job allocation as an integer programming (IP) problem. Then, a Vickrey-Clarke-Groves based payment rule is proposed which satisfies the desired economical properties, truthfulness and individual rationality. We face two challenges: 1) the above-mentioned IP problem is NP-hard; 2) one constraint associated with the IP problem poses addressing the subgraph isomorphism problem. Thus, obtaining the optimal solution is practically infeasible in large-scale networks. Motivated by which, we develop a structure-preserved matching algorithm by maximizing the utility-of-service-gain, and the corresponding payment rule which offers economical properties and low computation complexity. Extensive simulations demonstrate that the proposed algorithm outperforms the benchmark methods considering various problem sizes.

中文翻译：

---

车载云辅助网络中图工作分配的真实拍卖

车载云计算已成为满足用户在现代驾驶环境中处理计算密集型应用程序需求的有前途的解决方案。此类应用程序通常由由组件和边组成的图表示。然而，由于用户的自私，鼓励车辆共享资源带来了重大挑战。在本文中，在考虑资源再利用的车载云辅助网络中研究了基于拍卖的图作业分配问题。我们的目标是将每个买方（组件）映射到一个可行的卖方（虚拟机），同时最大化买方的服务效用，这涉及执行时间和佣金成本。首先，我们将基于拍卖的图形作业分配公式化为整数规划 (IP) 问题。然后，提出了一种基于 Vickrey-Clarke-Groves 的支付规则，该规则满足所需的经济属性、真实性和个体理性。我们面临两个挑战：1）上述 IP 问题是 NP-hard；2) 与 IP 问题相关的一个约束提出解决子图同构问题。因此，在大规模网络中获得最优解实际上是不可行的。受此启发，我们通过最大化服务收益的效用以及提供经济特性和低计算复杂度的相应支付规则开发了一种结构保留匹配算法。广泛的模拟表明，考虑到各种问题的大小，所提出的算法优于基准方法。我们面临两个挑战：1）上述 IP 问题是 NP-hard；2) 与 IP 问题相关的一个约束提出解决子图同构问题。因此，在大规模网络中获得最优解实际上是不可行的。受此启发，我们通过最大化服务收益的效用以及提供经济特性和低计算复杂度的相应支付规则开发了一种结构保留匹配算法。广泛的模拟表明，考虑到各种问题的大小，所提出的算法优于基准方法。我们面临两个挑战：1）上述 IP 问题是 NP-hard；2) 与 IP 问题相关的一个约束提出解决子图同构问题。因此，在大规模网络中获得最优解实际上是不可行的。受此启发，我们通过最大化服务收益的效用以及提供经济特性和低计算复杂度的相应支付规则开发了一种结构保留匹配算法。广泛的模拟表明，考虑到各种问题的大小，所提出的算法优于基准方法。受此启发，我们通过最大化服务收益的效用以及提供经济特性和低计算复杂度的相应支付规则开发了一种结构保留匹配算法。广泛的模拟表明，考虑到各种问题的大小，所提出的算法优于基准方法。受此启发，我们通过最大化服务收益的效用以及提供经济特性和低计算复杂度的相应支付规则开发了一种结构保留匹配算法。广泛的模拟表明，考虑到各种问题的大小，所提出的算法优于基准方法。