云环境下基于组合双向拍卖的动态资源定价

云环境下的市场交易机制缺乏灵活性,且在某些情况下定价不合理。为此,提出一种基于组合双向拍卖的动态资源定价模型,给出云资源分配与定价算法,用户通过响应时间出价,资源提供商根据负载情况要价。仿真实验结果表明,该算法与固定比例的定价算法相比,能提高18%的用户利益与9%的资源提供商利益。     

基于QoE的LTE多业务资源分配算法

高效地利用无线频谱资源和保证用户体验质量是未来无线网络的主要目标。基于此，提出一种基于QoE的LTE多业务资源分配算法。在考虑信道信息、QoS要求及公平性的基础上，引入QoE来计算的用户优先级。特别的，引入最小QoE约束来保证RT用户QoE要求；提出一种次优资源块（Resource Block，RB）分配算法来解决复杂的资源分配优化问题，该算法主要分为两步：保证RT用户最小QoE要求；最大化系统加权和速率。仿真结果表明，相较现有的RT/NRT资源分配算法，该算法在用户分组丢失率、平均QoE和小区频谱效率方面性能都有所提升。     

面向移动社交云的资源分配机制

移动社交云是结合了移动云和社交云的一种新型模式,它可以为用户提供安全可靠的资源分享平台.在传统的资源分配中,移动用户从远程数据中心获取资源的时间开销大,显著地降低了用户的体验质量,与此同时也极少考虑用户之间根据社交属性建立的信任关系,从而导致交易机制存在一定信用风险和交易用户信誉度低的问题.为此,在考虑用户的社交效益和经济效益的基础上提出了一种新型的移动社交云资源分配机制.首先,利用改进Gale-Shapley算法为买方在其朋友圈中匹配出合适的卖方,促进社交朋友间资源的共享.其次,利用多对多的买方多标密封拍卖算法,对未成功匹配的用户再次分配资源,最大化利用空闲的移动云资源.最后,实现了提出的资源分配机制,仿真结果表明,与激励与拍卖兼容的移动云资源分配机制相比,提出的资源分配机制在价格满意度、社交信誉满意度和资源交易成功率方面具有更好的性能.     

物联网中基于信任的频谱资源分配机制

随着无线网络的快速发展,物联网中频谱资源的高效分配问题亟需解决,为此,提出一种基于信任的频谱资源分配机制TSRA.借鉴拍卖理论建立频谱资源拍卖系统模型,根据信任理论确定用户间的信任关系以缩小客户网络范围,利用属性加密理论保护交易数据.在此基础上,采用改进的蚁群算法为用户合理规划资源分配路径,从而实现频谱资源的多目标分配.实验结果表明,该机制可以为用户的交易数据提供细粒度的保护,且具有较高的社会效益和较低的系统计算与通信开销.     

云计算环境下一种基于双向拍卖的资源分配模型

针对云计算环境下资源的特点以及运用经济机制进行资源分配所具有的灵活性及有效性,提出一种在云计算环境下基于双向拍卖的资源分配模型.首先,给出改进的周期性双向拍卖模型,采用分段拟合的方法来确定买卖双方的满意度函数,并且利用供求比例参数来调节买卖双方各自的满意度在总满意度中的权重.在此基础上,提出了即时和批量两种不同匹配算法来匹配买卖双方的集合,以使买卖双方的满意度最大化.最后,基于遗传算法来寻求云资源优化分配方案.仿真研究表明,该模型是可行和有效的,不仅可以满足更多买方的需求,而且提高了资源利用率.     

基于进化博弈的网格资源分配方法的研究

在网络资源优化分配问胚的研究中,由于用户存在决策失误,现有基于理性用户博弈的网格资源分配在实际网格环境会完全失效.分析了非完全理性网格用户群体的资源分配策略及其演化过程,提出一种改进的复制动态机制的网格资源分配方法,克服了用户理性的限制,引入变异机制,在无初始学习样本的情况下,也能确保用户达到进行稳定策略点,实现了网格资源在有限理性用户之间的优化分配.仿真表明,用户通过学习对资源分配策略进行调整,可实现最优分配策略并处于稳定状态,证明了进化博弈的资源分配方法在网格环境中的适应性和稳定性.     

LTE-A系统中基于QoE能效的无线资源分配算法

针对无线通信网络能耗日益增加与用户体验质量(quality of experience,QoE)难以得到保证的问题,提出一种LTE-A系统基于QoE能效的资源分配算法。首先,给出联合优化QoE和能效的数学模型,特别的考虑了用户最小QoE要求;其次,根据约束条件提出了一种迭代算法进行用户资源块(resource block,RB)分配,然后利用分数规划的性质并采用凸优化方法求得最优的发射功率来优化目标函数。仿真结果表明,相较现有基于能效的资源分配算法,该算法在提高系统性能的同时有效的保证了用户QoE。     

基于改进蚁群算法的网格组合拍卖资源分配

网格计算资源分配是一类组合优化问题,即如何将网格计算资源有效地分配到用户任务.针对当前网格环境中资源繁多的特点.为了更好地提高网格计算资源的利用率和资源分配的时间效率,提出了一种新的方法,采用一种通过改进转移概率准则和信息素的蚁群算法来解决网格组合拍卖模型中计算资源的优化分配问题.仿真结果表明,该算法能够保证在一个拍卖周期内满足服务的最大用户数和最短的平均等待时间,证明了改进蚁群算法在网格计算资源合理分配上的有效性.     

云计算环境下兼顾买卖双方利益的双向拍卖资源分配算法

针对当前云计算环境下的资源分配算法不能充分考虑买卖双方利益的问题,本文提出了一种适用于云计算环境的组合双向拍卖资源分配模型。首先,初始化云经纪人列表和供应商报价列表,拍卖人通知拍卖参与者拍卖开始;然后,根据属性值按升序排序云经纪人请求和云服务供应商报价列表,从而确定投标获胜者;最后,获胜的云经纪人向相关云服务供应商发送任务并支付费用,云服务商执行任务。仿真实验使用CloudSim原型化,在基于Java的仿真云环境中从经济角度进行了效率评估。仿真结果表明,本文模型适用于云环境中的资源分配,在经济上非常有效。相比其他的现有模型,本文模型更能鼓励参与者在买卖双方公平公正的前提下根据真实估值竞购资源。     

智能电网中两阶段网络切片资源分配技术

为满足网络切片在智能电网中的多样化需求,提出了一个在智能电网中基于云-边协同的切片资源分配模型。为优化网络切片分配,提出一种两阶段的切片分配模型：在第一阶段中,以用户体验最优为目标,建立了本地边缘网络的资源分配问题的优化模型,并采用拉格朗日乘子法对此最优问题进行了求解;在第二阶段中,首先将网络切片资源分配系统建模成Markov决策过程,然后提出使用深度增强学习方法对核心云的切片自适应地进行资源分配。实验结果表明所提的两阶段切片资源优化分配模型可有效减少网络延迟,提高用户满意度。     

基于组合拍卖机制的移动Agent投标策略

针对Agent系统资源分配需求提出一种兼顾Agent时间片数量要求和执行截止期限要求的投标策略。定义CPU时间片组合拍卖问题模型,设计Agent各种投标信息处理方法,包括适合组合拍卖CPU时间片机制的Agent零智能投标算法和NZIPca投标算法。仿真结果表明NZIPca策略具有较强的竞标能力。     

基于组合双向拍卖的云资源调度方法

针对跨数据中心的资源调度问题，提出了一种基于组合双向拍卖（PCDA）的资源调度方案。首先，将云资源拍卖分为三个部分：云用户代理报价、云资源提供商要价、拍卖代理组织拍卖；其次，在定义用户的优先级及任务紧迫度的基础上，在拍卖过程中估算每一个工作发生的服务等级协议（SLA）违规并以此计算云提供商的收益，同时每轮竞拍允许成交多项交易；最终达到根据用户等级合理分配云资源调度的效果。仿真实验结果表明该算法保证了竞拍成功率，与传统一次拍卖成交一项的组合双向拍卖方案相比，PCDA在竞拍时间段产生的能耗降低了35.00%，拍卖云提供商的利润提高了约38.84%。     

资源有限连续双向拍卖环境下的理性策略

网络系统的动态资源分配是未来IT系统必须解决的一个基本问题。针对agent资源的有限性,提出了连续双向拍卖环境下（Continuous Double Auction,CDA）agent具有理性行为的GD2策略。GD2策略是一种包含价格和数量的二维报价策略,agent通过建立信任函数和计算最大期望利润调整报价,实验表明GD2策略可以实现较高的动态资源分配效率,平均分配效率超过98%。     

一种基于市场竞拍机制的网格资源管理分配方法

提出了一种基于市场机制的网格资源分配方法：以均衡理论和第二价格竞拍机制为基础, 依靠市场机制, 实现计算网格资源的优化分配。描述了基于市场的资源分配框架, 它包括三个层次: 资源层、市场层和消费者层;采用第二价格竞拍规则作为资源分配策略,满足了网格对分配系统可扩展性和全局最优调度的需求。     

基于拍卖机制的网格在线信誉系统模型

在现有的网格经济模型和在线信誉系统的基础上,提出了基于拍卖机制的网格在线信誉系统模型.该模型侧重于保护资源提供者,为资源提供者提供了贡献与共享资源的动机,吸引更多更好的资源加入网格,实现资源优化分配.保证交易双方均获取最大利益,有利于网格资源的市场管理及供需均衡.并以市场为平台,构建一种新的网格信任模型,由交易事件和衰减函数共同驱动信任度的在线更新,并引入激励机制,尽可能增强信任模型的合理性和可操作性.     

Dynamic bidding in spot market for profit maximization in the public cloud

In public cloud domain, some cloud providers sell surplus resources in the form of spot instances to improve their profits. The average spot price is much cheaper than the on-demand options, which drives more and more cloud users to use spot instances to accelerate their services. However, the cloud user faces a challenge in determining the instance rental and management policy due to the unconventional pricing structure in the spot market and fluctuations in workload and spot price. In this work, we propose a dynamic bidding and resource management algorithm for the cloud user to cut down the instance rental bill in the spot market. The proposed algorithm operates in two timescales, i.e., it determines the bidding, instance rental, and job dispatching policy hourly and makes instances allocation decision in a finer granularity. The advantages of our approach are that it has a simple structure and needs no a priori statistical information of spot price and workload. We prove the optimality of the proposed algorithm and use extensive simulations to study its performance. It is shown that D-bid can save up to almost 70% of the rental cost compared to a baseline nonwork-conserving strategy.     

面向边缘计算的组合拍卖式任务卸载机制

在万物互联的时代,数据量与计算需求飞速增长,促使应用部署方式由云计算模式向边缘计算模式演进,以解决带宽消耗严重和响应时延过高等问题。为推进面向边缘网络的任务卸载,需要解决应用服务提供商(ASP)与边缘计算提供商(ECP)之间的双向选择问题。针对这一问题,提出一种面向边缘计算的组合拍卖式任务卸载机制。首先建立系统模型,并对模型落地的关键问题进行说明,然后分析ECP的投标决策过程,证明选择最大化资源利用率的任务组合是NP完全问题,进而提出一种启发式任务选择算法。在此基础上,设计两种拍卖算法,单胜者拍卖和多胜者拍卖,分别适用于可信度优先和效率优先的场景。实验结果表明,相较于单项拍卖机制,所提出的方案提高ECP资源利用率达13%,同时增加ASP收益达37%。     

A new bidding framework for combinatorial e-auctions

Bidding languages define the means through which participants in an electronic auction define bids and express requirements on their execution. The current state of combinatorial auction market design indicates that no existing bidding language is general enough to support auctions of both divisible and indivisible commodities. In this paper, we propose a novel bidding framework based on a two-level representation of a combined bid. At the inner level, bidding operators impose conditions on the executed proportions of packages of atomic single-item bids. Partial bids defined this way are then recursively combined through logical operators to produce a final combined bid that is submitted to the auctioneer. We present a formal specification of the framework, and analyze how it impacts the mathematical programming formulation of the allocation problem. An application in the context of combinatorial auctions of financial assets illustrates the utilization of the proposed bidding framework.