零合頻寬策略是指在固定載點的可用上傳頻寬下，競爭者A的頻寬需求若提高一單位會造成競爭者者B的下載頻寬降低一單位。但如果載點的上傳頻寬很大，則在可用頻寬用完之前，以相同增加速率增加每個用戶的下載可用頻寬，直到每個用戶的下載頻寬被滿足或載點可用上傳頻寬被用完為止。
RBM機制並未考量節點下載差異
在RBM機制裡，其使用的是Progressive Filling演算法，如果將第i個節點實際獲得分配的下載頻寬以Bi表示，而用戶原本需求頻寬以Bri表示，載點可用上傳頻寬以Bs表示，並以M表示請求之用戶數及xj表示到第j個節點(j=1,2,..,M)為止已獲分配的總頻寬，則RBM機制之Bi的計算可如公式1。
 |
| 公式1 |
舉個例子，假設載點的上傳頻寬為9Mbit/s，現有五個用戶對同一載點提出下載頻寬需求，分別為[2、4、4、1、5](單位Mbit/s)，則此五個用戶所可能得到的下載頻寬為何？很顯然五個用戶的總下載頻寬需求已超過載點可用的上傳頻寬，因此，上傳頻寬會先被用完，而無法每一個用戶均被滿足其下載頻寬。依據公式1的計算方法，可分別計算這五個節點所可能取得的頻寬分配情形，計算方法如公式2所示。
 |
| 公式2 |
因此五個節點的下載頻寬要求雖為[2、4、4、1、5](單位Mbit/s)，但實際獲得分配的下載頻寬則為[1.8、1.8、1.8、1、2.6](單位Mbit/s)。由上述計算可以看出只有B4可以獲得滿足其最低要求的下載頻寬之外，其餘均無法滿足各節點提出的下載頻寬要求，但載點之上載總頻寬9Mbit/s則剛好被分配完畢，獲分配頻寬總和為B1+B2+…+B5 =9Mbit/s。
不過從以上計算中可知，RBM方式雖可以將網路資源做到盡量利用，卻不考慮節點之間可能存在的下載差異，此為一種等式平等的下載分配法，並無助於降低自由載者(Freeloader)數量以消弭搭便車(Free-riding)問題。因此有學者提出激勵式的RBM計算方式，簡稱「RBM-I計算模式(Resource Bidding Mechanism with Incentive)」。此模式可謂RBM模式的改良，其考量每個節點的下載差異性，並利用回饋貢獻度的評定，決定每個節點所能獲得分配的實際下載頻寬。因此RBM-I的計算結構與RBM方式大致相同，只是在評估剩餘可用頻寬時，利用加權方式改變各節點可獲得的下載頻寬，其計算方式如公式3，其中，Ci表示某i個節點的加權值。
 |
| 公式3 |
RBM-I彌補原有RBM模式不足
在RBM-I模式中，可補償原RBM模式無法針對每個節點的下載差異納入分配參考的遺憾。在RBM分配模式中，無論網路節點對網路的貢獻度如何，均可獲得載點相同的資源分配，這種分配方式是點對點(P2P)網路最初發展時的分配模式，但這種分配模式卻因為用戶越來越多，而造成非常嚴重的搭便車問題，甚至已影響點對點網路標榜的快速交換能力。
但RBM-I模式提出利用加權觀念將下載節點間的差異放大，至於不提供貢獻的節點仍可下載資源，只是在資源使用上有其限制，此限制會不會足以激勵用戶開放資源分享，仍值得觀察，但值得肯定的是，在資源分配上至少慢慢朝向公平的方向發展。
為使載點能評估各節點的貢獻度，各節點的資源分享能力必須建立一個客觀的評比標準，並定時回傳給載點作為頻寬分配調整依據。以上述的例子重新計算前五個節點所能獲得的頻寬，假設這五個節點的貢獻度值C分別為[1、2、2、3、2]，其中以第一個節點貢獻度最低，而第四個節點貢獻度最高，所以Bri=[2、4、4、1、5]，M＝5，Bs＝9Mbit/s，C=[1、2、2、3、2]，所以各節點的下載分配計算為公式4。
 |
| 公式4 |
同樣的五個節點，下載頻寬要求為[2、4、4、1、5](單位Mbit/s)，貢獻度為[1、2、2、3、2]。此在RBM計算模式中，每個節點可獲得下載頻寬分配為[1.8、1.8、1.8、1、2.6](單位Mbit/s)，第一個節點的貢獻度不若其他第二、第三節點高，但卻可獲相同頻寬分配(1.8Mbit/s)，對其他用戶而言，此種資源分配方式頗不公平；但在RBM-I的計算模式中，這種下載差異性會被反映出來。也就是說，在RBM-I中各節點依其貢獻度差異，實際獲得的頻寬分配的大小為[0.9、1.8、1.8、1、3.5](單位Mbit/s)，總頻寬仍為9Mbit/s，此時第一個節點因為貢獻度低，故其所獲得頻寬的分配便低於其他節點，一個貢獻度差異的下載模式如圖1。
圖1中可發現貢獻度(CV值大者)大的節點往往可獲取較大的下載頻寬分配，與等式分配已具公平性。但這種RBM-I的計算方式仍有一個問題，就是在同樣貢獻度下，越先獲分配的節點可能會越吃虧。
 |
| 圖1 參考貢獻度差異的下載模式 |
公平分配頻寬卻非最適切
雖然有相同貢獻度的節點理應獲得相同的資源分配，但在後受分配的節點若有不須使用較高頻寬分配資源時，如上例中的第四節點，其剩下的頻寬會基於頻寬充分使用原則而全部給後面的節點，如上例節點五，造成前面先受分配的節點較為吃虧的現象。為解決此問題，另有學者提出將剩餘頻寬乘貢獻度比值後加到不同的節點可受分配頻寬中，但此類作法固可消弭剩餘頻寬全給某特定有相同貢獻度節點的不公平現象，此為網路資源的「分配充分性概念」，但如以有效資源利用的觀點，即利用的妥適性，卻不見得有利。
理由之一是某些節點或許有較高貢獻度，但其下載頻寬需求卻不是那麼大，因此如果一律將剩餘頻寬以貢獻度比值全分給用戶，可能會造成不必要資源浪費，如某個用戶的下載頻寬要求為2Mbit/s，實際獲分配頻寬為1.9Mbit/s，經過剩餘頻寬分配後，得到實際分配頻寬為2.2Mbit/s。但該用戶因線路頻寬問題只能以最高速2Mbit/s進行資料下載，剩下多出來的0.2Mbit/s便造成載點頻寬資源的浪費。因此為顧及用戶的需求、資源使用公平性，2006年Richard T. B. Ma及Sam C.M. Lee等人闡述了另一種基於「利用特徵(Utility Feature)」的RBM分配法，稱為「RBM-U分配模式」。不過這種機制的定位是放在網路資源利用的有效性而不只是資源利用的完整性，因此不是用以消除搭便車問題，而是將搭便車問題對資源分配的影響衝擊降到最低。
在RBM-U分配模式概念中，假設有兩個具相同貢獻度的節點A、B存在，如果載點的頻寬資源只有2Mbit/s，則依據RBM及RBM-I的運算理論，A、B應該會各取得1Mbit/s的下載頻寬資源分配，以符合頻寬充分使用及公平原則，但若從A、B節點的觀點來看，其下載要求未必相同。假設A的下載要求為0.8Mbit/s；B的則為3Mbit/s，則各取得1Mbit/s的下載頻寬分配或許符合網路資源分配的充分性，但卻不符合資源分配的有效性及妥適性，因此從整體來看，網路資源仍未被充分利用。
1995年S. Shenker便曾在未來網路結構設計的相關論文裡面討論上述問題，其揭示「雙向頻寬利用」的概念。此概念亦為前述的RBM-I運算方法，只具有資源分配充分性但卻缺乏資源利用的妥適性等問題，提供一個很好的參考改良方向，也是RBM-U的研究基礎所在。
透過RBM-IU模式 獲得網路資源分配妥適性
網路電視(IPTV)或其他廣告媒體(CM)，其播放流暢度和封包遺失率均與用戶端的存取網路(Access Network)能力有很大關連。雖然激勵式的資源分配可在充分性概念下，對資源使用的公平性加以考量，但其卻是單向思考模式，與Shenker提出的雙向頻寬利用概念仍有一段差距，為使有限的網路資源能獲得更有效的利用，雙向頻寬的利用模型逐漸被提出來討論。
一個基礎作法就是利用現有激勵概念搭配使用特徵的方法，此方法同時結合RBM-I與RBM-U的運算模式，以謀求在有限的資源中尋求最大貢獻度與最大可用性的最佳化資源分配法則，此一混合模式被稱為「資源請求機制的激勵與利用特徵模型(RBM-IU)」。
討論RBM-IU模型前，須先對利用特徵模式中的一些概念先加以了解。在網路資源的利用特徵中，頻寬利用考量是雙向的，且可分配實體資源的頻寬是一種凹曲線函數(Concave)，換句話說，在固定的頻寬資源下，可受分配頻寬只會因用戶的增加而越來越少。這種因利用特徵完成的頻寬分配，所反映出的是一種「實體彈性流量」概念，亦即用戶的增加的確會增加網路流量，但在增加流量的這部分卻不見得與用戶增加是一種正比例關係。利用特徵中的利用率會拘束競爭節點可取得的最大可用頻寬，這種拘束效應會一直到競爭節點所要求的下載頻寬被滿足或可用實體頻寬用完為止。因此其利用特徵模型，主要核心在於最大化實體可利用頻寬總和，即
，使其滿足所有
。其中Ui為利用特徵函數Bi為可用實體下載頻寬，Bs表示載點最大可用頻寬。
各競爭節點並不知道彼此的利用函數，須等競爭節點向載點提出下載要求時，由載點推算該競爭節點的利用率。正因為激勵與利用特徵模型是激勵模型與特徵利用模型的一般化情況，因此其架構概念便是在利用率上加上貢獻度加權的概念，使其一樣滿足最大化總和利用的原則。因此在RBM-IU的概念中，強化了RBM使用的Progressive Filling演算法，在競爭節點有相同貢獻度時，混合模型只會考慮節點的利用率，此時頻寬的處理就會與RBM-U的模式相同。
激勵/特徵混合模型 解決資源分配問題
網路資源的利用原則在於將有限的網路資源合理分配，在此合理的分配即是一門學問。目前的網路流量控制策略似乎比原先網路資源分配方式要更合理，但問題為其不具強制性，很難真實的被推廣。且若恣意開放自己的電腦成為載點，是否觸犯相關智慧財產權保護法令，也不可不深究。但從歷史的發展來看，網路從單向頻寬利用的概念走向雙向頻寬利用機制很明顯，只是目前這種等式網路資源分配法，雖然可以將載點的資源可用頻寬完整利用，但卻未考慮用戶之間的下載差異性，導致網路資源使用的不公平出現。
後來提議的激勵式的網路分配模型，雖改善原始RBM方法的缺點，並將用戶的貢獻度納入資源分配的考慮，使網路資源的使用逐漸有合理的依據。但有了較合理的資源分配卻帶來可否有效利用問題，因此資源分配利用的有效性與妥適性問題再次浮上檯面。一些學者利用激勵與特徵模型混合方法，提升網路資源的合理分配與使用率，並合理的分配誘因，使用戶提出額外頻寬供其他人使用，也加速檔案交流的速度。
使用者行為模式分析重要性漸增
有效的IPTV網路的設計有賴於使用者行為模式的精確模型(Accurate Behavior Model)，而此精確行為模式的取得，可經由分析IPTV Log資料與追蹤遞送的資料達成，如通訊通道的使用特性與偏好，以及使用者的加入與離開模式，可經由伺服器的服務日誌(Service Logs)來解，若是使用群播遞送骨架者，群播訊息(Multicast Messages)亦有助於了解使用者行為模式的類型，另外，網路封包分析如區段長度(Session Length)，亦有助了解其所對應的網路流量。
根據2007年L. Guo等人對網際網路上使用者對多媒體服務要求及內容使用的分布研究來看，其使用者到達率(User Arrival)呈現卜瓦松分布(Poison Distribution)，而服務內容則呈現類齊普夫分布(Zipf-like Distribution)，最近的研究則暗示IPTV的服務類型，其使用者模式具有相似的模型結構。在相關的研究中，對於內容分發網路(CDN)上的兩種Zipf偏好模式分析結果顯示，使用者要求最多回應者是音訊方面而非視訊片段。
而在一些商用的IPTV隨選視訊(VoD)服務研究中(H. Yu et al., 2006)，其通道的要求亦呈現Zipf-like分布模式。K. Irma等人在2007年首先針對大型商業群播IPTV追蹤研究，是基於服務提供者的立場測量一些流量特徵，如封包遺失、壅塞時間、位元速率等，在其結論認為群播IPTV似已成熟到足以進入普及的程度。T. Silverston及O. Fourmaux在2006年針對P2P IPTV做過相同研究，其認為IPTV使用者的行為與一般P2P網路上的使用者行為並無多大差異。
為降低網路遞送IPTV的成本，其服務遞送策略與使用者行為模式是主要考量因素。前者受網路整體環境與異質性網路存取因素之影響頗大；後者則與系統服務架構與使用者可能享受的服務品質評比有關。但值得注意的是，在非每人都可接受P2P的概念下，資料注入(DP)的方式在群播網路上之遞送方式有幾個不可否認的優點，包含可提供高品質IPTV服務的延展需求、對相對網路環境差異具有較高可容忍性、提供使用者其他額外的串流互動功能，如真實隨選視訊(TVoD)及其頻寬需求模式與IPTV使用模式相類似等，使其具備更多的競爭力。
然而IP服務潛力與IPTV品質通常處於消長關係，早期FTP-like的流量模式雖然亦常被作為遞送的考量，但如要將此概念用在IPTV上則顯得窒礙難行，因為這類相關研究大多不管穩定的傳送需求，使得IPTV在真實環境裡使用這類技術時，品質維護將更顯困難。
除上述的一些觀點之外，還有許多概念在本文未能提及，如網路資源分配中炙手可熱的「賽局方法」，其主要核心概念是將整個網路資源分配想像成一個「資源競爭賽局(Resource Competition Game)」，其遊戲規則便是有限的總頻寬與個別貢獻度的搭配要最大化，此概念出自A. Mas-Colell, M. D. Mhinston與J. R. Green在微型經濟理論中提出來的一種賽局框架模式。不過可以確定的是，未來網路流量工程的控管機制，將以降低成本、尋求資運分配的穩定與公平性的方向前進，在現有網路架構上思索更精進的控管方法並同時為下一代網路應用媒體布局。
