基于不完全信息博弈的网格资源分配方法研究

针对网格环境下用户难以获得资源竞价所需的信息而导致的决策风险,将不完全信息资源竞价转化成完全信息下的重复博弈问题。分析了该博弈均衡解的存在性及求解过程,给出了相应的竞价算法,讨论了对用户低价联盟的抑制方法。仿真实验表明用户通过各阶段资源预配置的信息调整竞价策略,资源配置可逐步逼近均衡解,实现网格资源的优化配置。     

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.     

一种基于序贯博弈的网格资源分配策略

网格环境中资源的负载预测是实现资源优化分配的关键任务之一,而网格资源的动态性和异构性使得准确判断资源的负载状态十分困难.针对已有的分配策略对资源负载评估的不足,提出了一种基于序贯博弈的优化用户时间的网格资源分配策略.该策略将正比例资源共享的网格环境中多用户竞争同一计算资源的问题形式化为一个多人序贯博弈,通过寻求该序贯博弈中各个阶段博弈的纳什均衡解来预测资源负载;然后利用此负载信息生成所有用户的最优出价组合和资源的优化价格;最后根据各用户出价,按比例分配资源的计算能力.通过对网格模拟器GridSim的实验研究,结果表明,该策略能够得到合理的用户出价,降低资源占用时间,从而弥补了Bredin提出的优化策略中未考虑资源未来负载变化的缺陷,实现了资源的优化分配.其结论说明运用序贯博弈方法预测资源负载是可行的,且能更好地适应网格环境下异构资源的动态性.     

云计算基于随机进化博弈动态的资源优化配置

云资源优化分配研究中,用户策略难免存在失误,以用户完全理性为前提的资源分配方法在实际环境下会出现失效。分析非完全理性的云用户种群下的资源分配过程及其策略演化过程,提出一种随机动态模型求解有限云种群中的资源分配进化博弈问题。模型克服用户完全理性的限制,利用带有频率依赖选择的Moran过程,在重复博弈过程中寻找云用户策略的入侵指数和固定指数策略选择偏好的条件。根据经济学云环境的特征,建立云用户的固定效用矩阵,量化策略选择动态。数值仿真结果证明,为了最大化自身效用,不同大小云种群中的个体策略会向着不同策略方向演化,资源在有限理性用户之间可以实现优化分配,且最优分配策略最终会处于稳定状态。     

一种基于端系统竞价博弈的网络资源分配模型

随着网络流量以指数形式急剧增长,各种应用对网络资源的需求随之增加,特别是需要严格QoS保证的实时网络多媒体应用要求更多的网络资源.资源分配是QoS分配的最终实现,QoS分配目的是为了进行合理的资源分配,因而有效的资源分配十分重要.在描述资源分配问题的基础上,对资源分配博弈进行了深入研究,提出了能够反映供求关系的基于竞价的网络资源定价机制,并设计了端系统的效用函数,论证了资源分配博弈中Nash均衡点的存在性和唯一性以及实现Nash均衡解端系统的竞价策略.最后,为完善上述资源分配博弈模型,对该模型中的资源价格和相同竞价问题进行进一步讨论.该研究为基于竞价的资源分配算法的设计提供了理论上的支持.     

网格资源非对称进化博弈分配策略

针对经济模型的网格系统中资源分配的竞争问题,应用进化博弈论中多种群复制动态博弈模型对有限理性网格用户有差别的出价策略进行了研究,提出了一种非对称进化资源分配博弈模型,该模型将网格用户分为出价偏低的保守种群和出价偏高的激进种群,分析了两种网格种群采取合作与竞争策略的自发进化过程,求解了各自的复制动态方程,并通过实例化的非对称支付矩阵求解了复制动态系统的进化稳定策略。研究表明,只有博弈双方选择对等的行为策略才能促进网格资源的公平分配。     

基于分类挖掘的网格资源分配研究

根据用户访问网格资源的历史信息,采用分类算法对此信息进行挖掘,得出用户使用集群资源的访问规则和模式,在此基础上构造一种基于分类挖掘的资源调度模型、用户调度UA算法以及资源调度CDMRA算法,分别将用户请求调度到各个集群中闲置的CPU资源.实验证明,采用基于分类挖掘的资源分配策略相比其他算法可以减少资源分配过程中对资源的重新分配次数,可以提高网格资源的利用率.     

基于MAS市场机制的动态计算资源调度模型研究

针对动态计算网格资源调度问题,结合多Agent系统(multi agent syste,MAS)协同技术和市场竞价博弈机制,对计算网格资源分配技术进行了深入研究,提出了能够反映供求关系的基于市场经济的网格资源调度模型,该模型一方面能够充分利用消费者Agent的协商能力,另一方面能够充分考虑消费者的行为,使得消费者的资源申请和分配具有较高的合理性和有效性.同时,设计了消费者的效用函数,论证了资源分配博弈中Nash均衡点的存在性和惟一性以及Nash均衡解.基于所提资源调度模型,设计了一种网格资源调度算法.仿真实验表明,资源调度算法能够为消费者的资源数量提供参考,规范消费者竞价,从而使得整个资源的分配趋于合理.     

一个基于证券市场的计算网格环境下的资源分配模型

计算网格(Computational Grid)下对资源进行有效管理和调度是十分具有挑战性的问题.论文中提出了一个证券市场模型来实现计算网格环境下的资源分配.在此模式中,资源作为一种证券商品被自由买卖,用户可以方便快捷地实现对系统资源的存取,模拟实验表明证券市场模型是实现计算网格环境下资源分配的一个有效手段.     

协作式云资源博弈分配

针对用户对云资源的异构性需求和竞争问题,提出了一种协作式资源分配博弈策略。建立了资源分配的协作式博弈模型,定义了协作博弈的用户效用函数和评估函数,证明了在该效用函数下协作博弈存在唯一Nash均衡,并讨论了用户组建联盟对协作特征函数和整体效用的影响。实验结果表明,在该协作博弈策略下,个体用户通过组建联盟集体出价的方式,能够为联盟用户带来更大效用,以收敛方式实现Pareto改进。     

网格资源分配的进化博弈策略

针对网格资源分配中的竞争问题,提出了一种利用进化博弈的动态机制研究资源分配的方法。该方法利用复制动态方程求解网格使用者策略选择比例的进化稳定点,通过反复博弈使得网格使用者学习并调整出价策略,并讨论了四种典型的使用者评估函数对进化稳定点的影响。最后利用网格模拟器进行了实验评估,结果表明提出的进化博弈方法是收敛的,且在网格使用者的总体效用方面优于传统算法,从而实现了网格资源的优化分配。     

认知无线电网络中分布式频谱分配策略的研究

研究认知无线电网络中的分布式频谱资源分配策略对提高频谱资源利用率具有重要的意义.基于动态议价博弈模型并结合最佳单位带宽定价,对认知无线电网络中主用户和认知用户的收益进行建模,在此基础上提出一种高效的基于议价博弈的分布式频谱分配策略(Bargaining Game-Distributed Spectrum Allocation Strategy,BG-DSAS).分别分析了两用户和N用户条件下的策略方案,并给出了实现BG-DSAS频谱分配策略的算法流程.仿真实验从多个角度分析了策略的合理性和有效性.     

基于非合作博弈效用最优化的云资源提供策略

为解决云计算资源提供过程中用户的异构性需求问题,提出一种基于非合作博弈效用最优化的云资源提供策略.利用比例共享机制,根据用户的出价提供资源,对用户的出价函数进行求解,并证明效用最优化模型存在非合作博弈纳什均衡解.实验结果表明,该策略能够反映用户需求与资源价格之间的浮动关系,规范用户的出价与资源分配,在公平性、均衡性和合理性上均有较好的效果.     

一种基于Agent联盟的网格资源分配方法

网格资源分配是网格计算中的关键问题之一,引起网格研究者越来越多的关注。网格资源分配的过程就是任务与资源映射的过程。在分析已有的网格资源分配方法的基础上,首先提出了一种基于Agent的网格资源管理模型,主要由用户层、客户服务层、信息服务层、区域管理层和资源层组成。在此基础上对基于Agent联盟的网格资源分配方法进行了研究,最后给出了实例分析。     

计算网格资源分配研究

计算网格是一种新的技术,有很多内容都刚开始研究发展,还不成熟。由于网格资源的异构与时变,网格资源用户的不同需求,使网格资源分配成为一个重要问题。因而,网格资源分配技术也成为一种关键技术。给出了基于代理的网格资源分配策略和资源代理的迭代算法,从而实现了资源的协调分配。     

基于双重拍卖的移动边缘计算任务卸载和资源分配策略

在移动边缘计算(mobile edge computing, MEC)系统中,用户的卸载策略会影响能耗和计算成本,进而影响用户效益.然而,目前多数研究未考虑边缘服务器随机分布场景中用户的卸载策略和资源请求策略对效益的影响.针对该问题,提出了一种基于改进双重拍卖算法的计算卸载和资源分配策略.首先,该策略将用户与边缘服务器之间的交互过程建模为Stackelberg博弈,并且证明了在该博弈内存在唯一纳什均衡点;其次,计算出用户对于不同服务器的卸载意愿以及计算资源请求量,并将用户与最优服务器进行拍卖;最后,采用遍历法交换上一轮拍卖中部分交易中的用户与服务器,以实现系统整体效益最优.仿真实验结果表明,与其他基准算法相比,所提算法在服务器随机分布场景下提高了33.4%的系统用户总效益,有效降低系统损失.     

一种新的经济网格计算任务调度控制模型

针对动态计算网格资源调度问题,基于多智能体协同技术和市场博弈机制,对计算网格资源分配技术进行了深入研究,提出了基于计算经济的网格资源调度模型,设计了消费者的效用函数,讨论了资源分配博弈中Nash 均衡解,设计了一种网格资源调度算法.仿真实验表明,资源调度算法能够为消费者的资源数量提供参考,规范消费者行为,从而使得整个资源的分配趋于合理,促进交易量.     

面向多租户网络资源分配的博弈优化策略

为了应对5G及未来网络中用户间差异化的服务需求,改善多租户网络切片资源利用率低和部署成本高的问题,提出一种基于多租户网络资源分配的博弈优化策略。在多租户网络中,网络切片租户（NSTs）租用基础设施提供商基站的无线频谱资源,将接入服务切片构建为网络切片即服务,为用户提供网络接入服务。将NSTs和用户的关系建模为一个多主多从的Stackelberg博弈,引入切片流行度和服务命中率指标,建立博弈双方的策略空间和收益函数,并证明NSTs的切片订购策略存在唯一的纳什均衡。通过逆向归纳法分析博弈模型,提出一种分布式迭代算法求得用户的最优吞吐量需求以及NSTs的最优切片定价。仿真结果表明,与传统考虑切片资源分配的优化策略对比,基于多租户网络资源分配的博弈优化策略能够有效提高资源利用率和用户满意度,并降低切片部署能耗,较好地实现频谱带宽资源的合理分配。     

云计算环境下基于用户行为特征的资源分配策略

资源分配策略是云计算研究领域中的一项重要研究点,研究人员提出了多种资源共享与分配策略,然而很少有工作关注不同云计算用户群体的行为习惯对资源分配策略的影响.提出的基于用户行为特征的资源分配策略就是通过统计用户工作习惯与任务完成时间期望值的变化规律,建立用户行为特征信息表,从而预测出不同时间片内用户的任务提交规律以及用户期望完成时间,动态调整云计算系统的资源分配策略,使得系统在满足用户预期任务完成时间的前提下实现任务并发最大化,提升单位资源的用户满意度.HUTAF(Huawei unitfied test automation framework)云测试平台是华为公司自行研发的云测试平台,并基于该平台开展各种策略下的资源利用率与用户满意度实验.实验结果表明,该策略提升了整个系统在满足用户期望完成时间的前提下的总任务并发数,有效降低了IaaS供应商的运营成本.     

基于竞争机制的网格资源分配方法

针对在网格环境下对资源进行有效管理和调度的复杂性问题,提出一个基于竞争机制的网格资源分配模型,其中包括用户层、代理层及资源层。在该模型的基础上给出资源分配策略及一种费用优化算法。模拟实验表明,该模型能够较好地适应网格环境的动态变化,调整供给和需求的平衡。