分布式多媒体应用级QoS协商算法

资源预约是保证分布式多媒体应用服 务质量(QoS)的重要手段.提出一个应用级QoS协商算法,该算法有两个主要优点:一是局部参 数全局化,使预约变得灵活,便于直接对用户所关心的QoS参数进行预约;二是全局预约局部化 ,使预约变得简单,有利于实现最优延时分配.     

基于QoS的自适应资源预约模型

本文针对多媒体自适应性的特点,提出了一个基于ＱｏＳ的自适应资源预约模型,它综合了资源预约方法和完全自适应方法的优点,有效地利用资源,向用户提供稳定的服务质量。     

基于Pareto最优的QoS路由算法

QoS路由是QoS框架中的重要组成部分,旨在寻找多约束条件下的可行路径.在解决多约束(MCP)问题时,引入了Pareto最优概念.基于此概念,提出了基于Pareto最优的QoS权重空间划分模型.在该模型中,根据路由请求与MCP问题解的关系,很容易判定路由请求是否能够被满足.在模型基础上,提出了用于解决具有两可加约束的动态权重系数路由算法PODWCA,它平均只需要运行2～3次,Dijkstra算法就能达到很高的性能.仿真结果验证了PODWCA算法的有效性.     

一种基于QoS的网格资源选择优化模型

大量任务请求使用网格资源时,必须进行合理调度和资源分配才能提供较高的服务质量。通过对网格QoS几个重要属性进行量化,以最大化系统服务性价比为目标,提出了一种基于退火遗传算法的网格资源选择优化模型,并介绍了算法的详细流程。最后,通过仿真实验验证了该模型的有效性。     

面向资源最优分配的深度学习双边拍卖算法

针对拍卖过程中计算效率低和利益分配不合理等问题, 本文提出了一种基于深度学习的迭代双边拍卖算法. 该算法通过买卖双方的初始报价数据训练基于神经网络的资源最优分配模型, 调用训练好的模型对实时报价数据快速响应, 直接求解经纪人最优分配问题(BAP)以实现计算资源分配, 显著地减小了计算代价, 提高了算法的计算效率. 进一步, 针对利益分配不合理等问题, 在迭代双边拍卖框架的支出规则和收入规则中引入调节因子用于调节买卖双方的利益, 解决已有算法在实现社会福利最大化过程中利益分配不合理的问题. 实验结果验证了该算法的有效性和优越性, 在运行时间、社会福利、买家利益、卖家利益和经纪人利益等多项指标均明显优于已有的迭代双边拍卖算法     

多维QoS指导的DBC最优算法

目前应用于网格的一些调度算法过于简单,不能满足对QoS的多样化需求,比如DBC（deadline and budget constrained）调度算法只支持两维的QoS需求,即截止期限（deadline）和预算（budge）。而对于真正的网格应用,用户与系统之间的交互应该加强,用户应能对提交的工作提出多种多样的QoS需求。在对传统DBC算法进行优化的基础上,提出了“多维QoS指导的DBC最优算法”,以确保搜索到所有满足用户需求的资源,不仅包括价格、时间最优,而且满足他们自己定义的专有QoS需求。为了测试这一最优算法,所做的模拟实验是以上海网格环境中各高性能结点的数据信息作为参数。     

一种基于信誉QoS的网格资源调度算法

针对目前网格资源管理中存在的调度机制与信任机制分离、资源调度过多依赖于性能服务质量（QoS）的缺陷,讨论了基于信誉QoS的网格资源调度问题．分析了全局可信度模型,提出了基于信誉QoS的网格资源调度算法．该算法在保证服务安全性和可靠性的同时兼顾了网格负载平衡．实验结果表明,该算法在保证服务质量、维护系统性能和抵御恶意节点攻击等方面具有良好的综合性能．     

基于模拟退火的QoS路由算法

针对服务质量(Quality of Service,QoS)路由问题的特点。提出了一种模拟退火算法,采用整数序列状态编码。并结合一种有效的路径变换算子来进行邻域搜索。仿真表明该算法在合理的时间内能以较大的概率找到全局最优解。     

一种基于遗传算法的QoS组播路由算法*

通过考虑组播通信服务质量需求与网络资源约束,研究了基于服务质量的组播路由选择算法问题,提出了一个基于遗传算法来构造满足QoS需求的组播路由树算法。通过仿真研究,证实了该算法的可行性、有效性及健壮性。同时,对遗传算法参数与算法性能之间的关系进行了讨论。     

一种基于QoS参数映射的网格资源筛选方法

服务质量(QoS)和资源管理是服务网格中的两个研究焦点.研究如何建立一种基于应用QoS需求的网格资源筛选方法,在扩充已有调度模型的基础上利用模糊神经网络实现了不同层次QoS参数之间的映射,利用映射结果提出一种资源筛选算法.该方法能实现区分确保型服务(DG服务),能为网格应用寻找一个能满足需求的匹配.与所有提供区分确保型服务的网格系统一样,文中模型能显著提高网格系统的两个主要评价指标:资源利用率和服务拒绝率,同时只有较低的系统消耗.     

分布式多媒体系统资源管理的研究

分布式多媒体系统中,资源管理包括多媒体呼叫建立期间服务质量（ＱｏＳ）协商、ＱｏＳ确认过程中的资源分配,以及多媒体传输期间资源监视、ＱｏＳ重协商过程中的资源调整等内容。文章概述了资源管理研究的关键技术,包括系统层次模型、资源管理模型和任务调度算法。     

多机器人网络中资源公平分配的研究

就如何实现多机器人网络中各独立任务资源的公平分配及其服务质量最优化提出了一种新方法。该方法通过对增益控制参数的模糊控制,增强了系统的鲁棒性,并尽可能快速平稳地实现各项独立任务所需资源的公平分配。     

基于Kuhn-Munkres最优匹配的D2D资源分配算法设计

由于资源复用,D2D链路与蜂窝链路之间会产生同频干扰.为了抑制这种干扰,提出了一种基于Ku-hn-Munkres最优匹配的资源分配算法.该算法采用了图论中的Kuhn-Munkres最优匹配算法来实现最大限度的复用系统内的RB,达到提高系统吞吐量的目的.同时,通过使一对D2D用户复用多个RB进行通信以保证不同的QoS需求.最后,通过计算机仿真可以看出,该算法既可以有效地满足D2D用户的不同QoS需求,又提高了系统吞吐量.     

支持网格服务QoS保障的按需资源分配

随着网格技术的发展,包括服务级别协商和服务级别保证的服务质量保障越来越重要。服务质量保障与资源分配有密切的关系,而服务所面临的访问流量的大量不可预知的变化使之更加复杂。该文定义和分析了服务质量保障、资源分配和访问流量的关系并建立了数学模型,将该模型应用到按需资源分配框架中,该框架能有效地保证服务质量,应对复杂多变的网格应用环境。仿真和实验结果证明了模型和框架的实用性和有效性。     

云计算弹性评测模型的研究与实现

当前,越来越多的企业开始将自己的核心业务与数据迁移到云上,其中很多业务需要相应的弹性服务来应对负载的实时变化,因此对弹性的评测正变得越来越重要,然而当前缺少一种较为全面的弹性评测方法。为解决以上问题,从资源分配、QoS、资源配置时间等多个角度,对云计算的弹性进行较为全面的分析,提出适用于供应商和用户两个角度的评测方法。在已有基础上,提出资源分配、资源配置时间两个方面的计算模型,并对现存的罚金模型进行改进。最后,在CloudStack云平台上,使用auto-scaling和scale-out两种弹性扩展策略,以TPC-W为负载验证了所提方法的有效性。     

无线网络的资源管理

本文研究了无线网络中的资源管理问题。在下一代无线网络中,无线资源管理对于实现真正的高速无线多媒体业务具有非常重要的意义。随着无线通信的迅速发展和技术的不断进步,人们越来越多地享受到无线通信带来的便捷,然而无线资源(例如,频带、终端的功率等)却日见稀缺。所以需要最优地使用现有的无线资源,以实现最优资源分配。     

无线网络的资源管理

本文研究了无线网络中的资源管理问题。在下一代无线网络中，无线资源管理对于实现真正的高速无线多媒体业务具有非常重要的意义。随着无线通信的迅速发展和技术的不断进步，人们越来越多地享受到无线通信带来的便捷，然而无线资源（例如，频带、终端的功率等）却日见稀缺。所以需要最优地使用现有的无线资源，以实现最优资源分配。     

一种基于在线反向拍卖技术的计算网格资源分配方法

利用经济模型研究网格资源管理是当前网格研究新的热点。在已有的网格资源管理方法的基础上,针对供大于求的计算网格环境,提出了一种基于在线反向拍卖技术的计算网格资源分配方法,并定义了相应的QoS函数,分析了该方法的适用范围和优点。最后通过模拟实验验证了该方法的效用,实验结果证明该方法是一种有效的计算网格资源分配方法。     

业务质量约束下最大化收益的HFC频点带宽分配方法

HFC频点带宽的分配是广播电视网络业务提供系统的一项关键技术,直接决定了系统的整体收益.描述了HFC频点带宽资源分配面临的问题,提出基于业务收益函数的频点带宽分配方法.在分析广电网络视频点播、时移电视和高速下载三种典型业务特性的基础上,给出了它们的收益函数,提出了一种基于边际效益的贪婪算法以完成资源的分配.该算法在保证业务质量满足最低要求的基础上,按照各类业务的实际需求分配可用的频点带宽,使系统的收益最大.仿真试验验证了该算法的有效性.