一个优化的IP-DiffServ实时记费管理机制

提出了一个优化的IP-DiffServ实时记费管理机制。在SLA协商时和某个业务类满负荷时,该机制通过对用户业务和用户业务应用实施业务计划,为它们定义最优化的业务类。通过闲置价格、使用价格和拥塞价格的多价格体系,对用户业务进行基于使用量的实时计费。它不但可以提高网络的QoS保证能力、提高网络的抗拥塞能力以及维持用户业务价格稳定,而且可以提高网络提供业务的性能价格比。实验结果很好验证了该机制的优点。     

一个双重优化的IP-DiffServ定量QoS管理实现机制*

提出了IP-DiffServ 定量QoS 实现机制, 它通过在网络层实施业务量工程实现了业务类选择路由的优化, 通过在业务层实施业务计划实现了用户业务选择业务类的优化。它不但可以在DiffServ 机制下给用户业务应用提供定量QoS 保证, 而且可以提高网络资源的使用效率以及提高用户业务和选择路由的性能价格比。实验结果很好地证明了该机制的优点。     

一种拥塞补偿的网络服务定价机制

采用经济学方法和定价机制控制用户流量是网络资源分配的一种重要思路.针对软实时应用的带宽需求特性,将面向弹性应用的拥塞定价思想,引入到软实时应用的服务协商和速率控制中来,提出一种拥塞补偿的网络服务定价机制.不同于传统的拥塞定价对所有数据流一视同仁的做法,该定价机制在网络拥塞时,对不同的用户数据流区别对待,向造成网络拥塞的用户收取额外的拥塞费用,而向受到拥塞影响的用户给予适当的价格补偿.探讨了拥塞补偿价格的设置原则,提出与之相适应的拥塞补偿价格动态设置算法.针对服务协商过程中可能存在的用户瞒报或虚报需求的行为,利用博弈论方法,提出了激励相容的网络定价方案和计费策略,并通过实验说明了其有效性.     

基于参考效应的动态定价和减排决策

考虑顾客需求具有参考效应等非理性的特性,基于动态规划方法,对价格和减排水平两种参考效应不同组合情形下企业定价和减排水平问题进行研究.研究发现,相对于无参考效应情形,存在价格参考效应时,垄断制造商应降低产品价格和减排水平,而存在减排水平参考效应时则相反;价格或减排水平参考效应并存时,垄断制造商长期的瞬时利润低于无参考效应情形,表明两种参考效应都将对企业的长远利润产生不利影响.通过对两种参考效应并存情形的分析,并考虑当前消费者低碳意识较弱、产品关切仍集中于价格的现实,建议两种参考效应并存下企业的产品价格应低于无参考效应的情形.     

基于定价的无线网络拥塞控制策略

随着无线网络规模的扩大以及无线网络设备的急剧增长,网络拥塞问题日益加剧。对此提出了一种基于带宽使用率的动态定价策略,并结合延时奖励机制来解决网络拥塞问题。仿真结果表明,所提出来的控制策略在一定程度上缓解了拥塞的发生。     

基于MAS协同的动态资源优化调度策略研究*

目前,围绕着网格中的资源调度方法,虽然已提出了各种调度算法,但是都不能很好地适应网格环境下的自治性、动态性、分布性和异构性等特征。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,提出了能够反映供求关系的基于计算经济机制的网格资源调度模型,建立了消费者的效用函数,给出了资源调度的动态博弈算法。仿真实验说明资源利用率比传统算法好,整个资源的供需合理、负载均衡。     

云计算资源分配动态定价方法

云市场用户的资源需求往往会随着时间而波动变化,在资源分配与定价时若不充分考虑供需双方的内在激励,将难以获得理想的结果。基于市场策略,设计一个组合拍卖机制来平滑用户需求,以提高资源管理效率及服务收益;所提机制以动态定价的方式向用户分配资源,实现了无妒与可信两种属性,无妒属性保证了机制运行的稳定性,而可信属性可以使得服务收益最大化;此外所提方法具有较低的计算复杂度,易于实现。实验结果表明,在短缺与饱和市场下,所提方法均可获得近似最优的收益及相对较高的社会福利。     

基于动态规划的生产计划优化模型研究与应用

动态规划是运筹学的一个分支,是一种多阶段决策过程,可用于解决多目标决策问题,以使系统的总效果最优.以某企业生产计划的优化安排为实例,在该企业产品的生产能力、生产成本、库存成本等约束条件下,利用动态规划方法建立生产计划安排模型,通过模型求解解决了该企业产品生产计划的优化问题,同时以精练的C++代码实现了相应程序.     

排队系统定价控制问题的研究综述

定价作为服务系统价值因素的调控机制,在拥塞控制、收益管理和服务质量控制等领域有重要的应用.服务提供商设计定价策略使得系统性能在诱导的顾客行为下达到最优.排队模型是分析服务系统性能的重要模型.本文介绍了排队系统定价控制的基本要素,包括排队模型、顾客行为、性能指标以及定价策略类型,围绕静态定价策略、动态定价策略和优先级定价策略,详细综述了排队系统定价控制的研究现状,然后简要介绍了作者针对排队网络动态定价问题的最新研究进展,最后总结了该领域的研究现状、尚未解决的问题、当前的研究热点以及未来的发展方向.     

传感资源云共享的动态定价策略

针对传感资源在云市场中实现交易共享的问题,提出传感资源的动态报价策略DPS-SR(Dynamic Pricing Strategy of Sensing Resource)和基于组合双向拍卖的稳定匹配算法CDA-SMA(Stable Matching Algorithm of Combinatorial Double Auction)。DPS-SR综合考虑了历史成交价格、市场供需情况、供应方资源负荷率和需求方焦急度给出合理的供需报价;CDA-SMA以供需双方偏好为导向实现双向稳定匹配。DPS-SR和CDA-SMA共同实现传感资源的动态定价,仿真实验结果显示在不同的市场供需情况下该定价策略比传统的固定比率定价有更好的适应性。     

一个优化的IP-DiffServ端到端定量QoS管理机制

提出了一个IP-DiffServ网络的端到端定量QoS管理机制。它基于用户在市场上评估行为,提出了一个选择方案的优化度评估公式,从用户的利益出发,提出了一个基于最大优化度原则的QoS分割算法。它不但可以为用户的业务或业务应用提供端到端的定量QoS保证,还可以提高它们的性能价格比。实验结果很好地验证了该协商机制的优点。     

A Scalable Pricing Model for Bandwidth Allocation

In this paper, we present a scalable pricing model for dynamic bandwidth allocation. Using simulation we demonstrate that service providers can achieve increased revenue as well as better resource utilization without compromising user specified levels of Quality of Service (QoS). Our model allows for increasing the revenue while maintaining an acceptable level of QoS, this is done by selecting an appropriate bandwidth allocation policy, to reduce the number of blocked users.     

Mechanism Design for Networking Research

We propose a pricing mechanism for statistically guaranteed service in packet-switched networks. The mechanism provides congestion control and efficient resource allocation. For users, the mechanism offers better quality and lower price. Service providers can base service and revenue models in the mechanism. We apply this mechanism to the Internet.     

Resource Management in Cloud Computing with Optimal Pricing Policies

As a new computing paradigm, cloud computing has received much attention from research and economics fields in recent years. Cloud resources can be priced according to several pricing options in cloud markets. Usage-based and reserved pricing schemes are commonly adopted by leading cloud service providers (CSPs) such as Amazon and Google. With more and more CSPs entering cloud computing markets, the pricing of cloud resources is an important issue that they need to consider. In this paper, we study how to segment cloud resources using hybrid pricing schemes in order to obtain the maximum revenue by means of optimal pricing schemes in what is a largely monopolized cloud market. We first study how the revenue of a cloud provider can be maximised using an on-demand pricing scheme. We then turn to the study of revenue maximization with a reserved pricing scheme and, finally, we compare the revenues obtained from the two pricing schemes.     

A Pricing Mechanism for Resource Management in Grid Computing

We consider the problem of efficient resource allocation in a grid computing environment. Grid computing is an emerging paradigm that allows the sharing of a large number of a heterogeneous set of resources. We propose an auction mechanism for decentralized resource allocation. The problem is modeled as a multistage stochastic programming problem. Convergence of the auction allocations to the social optimum is established. Numerical experiments illustrate the efficacy of the method.     

一种基于拥塞避免的自适应退避算法的研究

本文在二进制指数退避算法基础上提出一种基于拥塞避免的自适应退避算法.该算法引入了拒绝帧NTS,使接收节点具有拒绝发送节点发送请求的能力;另外通过将接收节点的拥塞状况反馈到发送节点,使发送节点可以根据自身待发送数据流的QoS属性和接收节点的拥塞状况自适应地调整退避参数,最终实现对高优先级数据流的保护.仿真结果表明,该算法能有效地保护高优先级数据流的端到端吞吐量、减小其分组重传次数以及分组时延,从而达到提高系统性能的目的.     

移动边缘计算网络中的资源分配与定价

移动边缘计算(mobile edge computing, MEC)使移动设备(mobile device, MD)能够将任务或应用程序卸载到MEC服务器上进行处理.由于MEC服务器在处理外部任务时消耗本地资源,因此建立一个向MD收费以奖励MEC服务器的多资源定价机制非常重要.现有的定价机制依赖于中介机构的静态定价,任务的高度动态特性使得实现边缘云计算资源的有效利用极为困难.为了解决这个问题,我们提出了一个基于Stackelberg博弈的框架,其中MEC服务器和一个聚合平台(aggregation platform, AP)充当跟随者和领导者.我们将多重资源分配和定价问题分解为一组子问题,其中每个子问题只考虑一种资源类型.首先,通过MEC服务器宣布的单价, AP通过解决一个凸优化问题来计算MD从MEC服务器购买的资源数量.然后, MEC服务器计算其交易记录,并根据多智能体近端策略优化(multi-agent proximal policy optimization, MAPPO)算法迭代调整其定价策略.仿真结果表明, MAPPO在收益和福利方面优于许多先进的深度强化学习算法.