异构网络中D2D资源优化算法研究

针对蜂窝用户和D2D(Device-to-Device)用户构成的混合异构网络中频谱资源利用率低的问题,提出了一种基于拉格朗日对偶的资源优化算法。该算法首先在保证蜂窝用户QoS需求的情况下,使D2D用户复用蜂窝用户上行链路中负载最轻的资源块,并构造拉格朗日对偶函数,通过不断迭代计算,实现了D2D用户发射功率的最佳分配。研究结果表明,此算法能使系统中的资源块充分利用并实现D2D用户吞吐量的最大化,且明显提高了系统吞吐量。此外,D2D用户的发射功率会随着迭代次数的增加而呈现出逐渐增大的趋势,且当迭代次数达到21次时,这种趋势将趋于平稳。     

基于分布式网络资源的网络带宽分配方法

本文针对计算机网络资源的带宽分配问题提出一种分配求解方法,该方法根据用户提出的带宽资源需求和系统可用资源的状况,按用户满意度最佳和系统效率最佳的原则制订价格,并通过用户的价格参数进行带宽资源的协商与分配.分析表明,该方法可以达到优化系统效率和提高用户满意度的目标.     

分布式系统监控资源多目标优化分配

针对分布式系统松耦合和动态配置的特点,提出采用监控资源分配进行组件监控周期的选择以达到可靠性保障和资源优化的目的。为了建立监控资源分配模型,首先采用马尔可夫链理论分析了监控策略下的系统可靠性模型;其次分析了监控机制的两种不同代价;再次选择了系统可靠性约束下的多目标监控资源分配模型,它通过最小化监控代价选择恰当的组件监控周期;最后应用遗传算法解决该优化模型。通过实验验证了监控资源分配的必要性和在可靠性优化中的作用,实验表明:监控资源分配能够达到资源优化和可靠性保障的目的;与单目标资源分配相比,多目标分配能够达到更好的优化效果。     

Adhoc网络Internet接入的动态QoS研究

Adhoc与Internet混合网络的QoS策略不同于传统的QoS保障,针对Adhoc与Internet混合的泛在网络有效感知,提出一种新型的Adhoc网络Internet接入的动态QoS模型RATD(ResourceAssignmentandTrafficDetection).该模型通过链路层信号测量激发网络上层的切换决策模块,基于网络接入点QoS状态、信道资源的实时监测与分配、应用业务类别以及呼叫接入方式,对已有的QoS成果进行拓展,提高了接入切换控制的效率,理论分析和仿真实验均验证了RATD模型的有效性.     

区分服务中基于彩票算法的公平带宽分配

区分服务是提供QoS的重要机制之一,但在区分服务中存在着汇聚流之间剩余带宽分配的不公平性问题。为解决该问题,本文提出了基于彩票算法的区分服务标记算法,该算法基于彩票算法,能够根据区分服务的优先级,调整标记各汇聚流的标记策略。它能以一种近似按比例的方式在各汇聚流之间公平地分配网络中的剩余带宽。仿真结果表明该算法是有效的。     

新型的ATM网络资源分配体系结构

介绍了一种新型的ＡＴＭ网络资源分配体系结构,它对分配了信元具有可恢复性,并能实现ＶＰ的快速恢复,该体系结构中有两种空间：虚拟工作空间和虚拟备用空间。采用两种空间比传统的资源分配方式只采用一种空间有更大的优点,能更好地恢复故障,为了缩短呼叫处理时延此结构采用了分布式的并行处理方式。     

智能家居环境中计算资源的分配方法

针对智能家居环境中计算资源分配的问题,提出了一种利用边缘计算的资源分配方法.首先,将原本全部上传云端的语音控制信息分割开,搭建了将一部分上传云端计算,剩下的部分采用边缘计算的系统模型;然后,对系统模型进行计算资源分配使得损耗的效用函数值达到最小值;最后,对系统模型进行仿真.仿真实验表明,效用函数的表达式呈开口向上的二次...     

面向公平分配的资源分配模型设计与实现

资源公平分配问题长期以来都受到重视,为了实现资源的合理公平分配,避免资源分配不公导致资源争夺,本文提出了一个面向公平分配的资源分配模型,并综合考虑人口、资源总量、经济贡献等参数,建立资源分配模型分析资源的公平分配,并基于Python编程语言实现该模型。经实验验证,通过应用本文提出的资源分配模型,可以实现较为公平的分配方案,以达到公平分配资源的目的。     

OFDMA 协同网络中基于QoS 保证的资源分配算法

针对正交频分多址(OFDMA)协作通信系统,为了解决数据传输速率最大化并提供尽力而为业务与实时业务的服务质量(QoS)保证问题,提出新型资源分配算法.通过以总功率受限为约束条件,定义基于数据速率、时延和丢包率的效用函数,并以在协作传输中以最大化效用函数为目标进行中继选择和子载波分配.通过中继和用户上的子载波和功率分配方案的设计,从而最大化网络数据传输速率并最小化时延与丢包率,为多种业务提供服务质量保证.采用最优化理论与方法求解效用函数,得到了资源分配结果.仿真结果验证了算法收敛,并给出功率分配结果,以及网络吞吐量和时延性能指标情况,验证了算法的有效性.     

异构网络多网共存环境中网络资源分配技术的研究

现代社会经济的快速发展促使我国无线通信技术领域的技术不断进步,无线资源以及业务服务发展之间的矛盾也在这个过程中进一步加剧。多种类型的接入技术发展形成了异构网络环境,基于此形成的多网覆盖网络选择以及资源利用效率等研究逐步形成。异构网络中多网共存环境下的资源分配技术是当前阶段最重要的技术类型。 异构网络中主要存在集中、分布以及混合结构类型模式。分布式模式作为其中一种应用性、适应性较强的模式,得到了较广泛的应用。因为多RATs覆盖条件下的属性信息本身具有较为复杂的特征,侧重从模糊逻辑视角形成了将用户作为中心内容的网络选择算法,并通过这种方式进行拓展,建立网络资源分配技术研究。     

Gini Coefficient-based Task Allocation for Multi-robot Systems With Limited Energy Resources

Nowadays, robots generally have a variety of capabilities, which often form a coalition replacing human to work in dangerous environment, such as rescue, exploration, etc. In these operating conditions, the energy supply of robots usually cannot be guaranteed. If the energy resources of some robots are consumed too fast, the number of the future tasks of the coalition will be affected. This paper will develop a novel task allocation method based on Gini coefficient to make full use of limited energy resources of multi-robot system to maximize the number of tasks. At the same time, considering resources consumption, we incorporate the market-based allocation mechanism into our Gini coefficient-based method and propose a hybrid method, which can flexibly optimize the task completion number and the resource consumption according to the application contexts. Experiments show that the multi-robot system with limited energy resources can accomplish more tasks by the proposed Gini coefficient-based method, and the hybrid method can be dynamically adaptive to changes of the work environment and realize the dual optimization goals.      

Optimized Resource Allocation and Queue Management for Traffic Control in MANET

A set of mobile devices that employs wireless transmission for communication is termed Mobile Ad hoc Networks (MANETs). Offering better communication services among the users in a centralized organization is the primary objective of the MANET. Due to the features of MANET, this can directly End-to-End Delay (EED) the Quality of Service (QoS). Hence, the implementation of resource management becomes an essential issue in MANETs. This paper focuses on the efficient Resource Allocation (RA) for many types of Traffic Flows (TF) in MANET. In Mobile Ad hoc Networks environments, the main objective of Resource Allocation (RA) is to process consistently available resources among terminals required to address the service requirements of the users. These three categories improve performance metrics by varying transmission rates and simulation time. For solving that problem, the proposed work is divided into Queue Management (QM), Admission Control (AC) and RA. For effective QM, this paper develops a QM model for elastic (EL) and inelastic (IEL) Traffic Flows. This research paper presents an AC mechanism for multiple TF for effective AC. This work presents a Resource Allocation Using Tokens (RAUT) for various priority TF for effective RA. Here, nodes have three cycles which are: Non-Critical Section (NCS), Entry Section (ES) and Critical Section (CS). When a node requires any resources, it sends Resource Request Message (RRM) to the ES. Elastic and inelastic TF priority is determined using Fuzzy Logic (FL). The token holder selects the node from the inelastic queue with high priority for allocating the resources. Using Network Simulator-2 (NS-2), simulations demonstrate that the proposed design increases Packet Delivery Ratio (PDR), decrease Packet Loss Ratio (PLR), minimise the Fairness and reduce the EED.     

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。     

计算网格服务分配的QoS优化研究

为满足用户对QoS需求中执行时间、服务费用的不同要求,提出一个计算资源服务分配的QoS优化方法,有助于在众多分配方案中作出满足用户特定需求的选择.具体实例表明,这种方法具有较好的有效性和实际应用价值.     

基于市场法及能力分类的多机器人任务分配方法

针对多机器人系统研究中如何有效地实现复杂任务的分布式动态分配这个基础性问题，提出了一种对这类问题进行形式化描述的一般方法．该方法从能力分类的角度出发，提出了机器人及任务能力向量的概念，并对多机器人任务分配问题进行了形式化描述，讨论了单个及多个机器人合作完成任务的能力条件．基于这种形式化描述方法，提出了一种采用市场机制的完全分布式的多机器人任务分配方法．仿真实验结果表明该方法能够有效地实现多机器人复杂任务的动态分布式分配．     

一种近似公平的网络带宽分配算法

Internet业务流由大量相互竞争的数据流构成。为了保障各种网络业务所需的服务质量,需要在这些数据流之间进行近似公平的带宽分配。文章提出了采用多令牌桶进行带宽分配的机制,提供了一定的流间隔离与保护。仿真实验表明,该算法在保护网关的缓冲区和控制带宽的公平分配方面是有效的。     

一种联邦学习中的公平资源分配方案

联邦学习(federated learning, FL)是一种可用于解决数据孤岛问题的分布式机器学习框架,多个参与方在保持数据本地私有的情况下协作训练一个共同模型.但是,传统的联邦学习没有考虑公平性的问题,在实际场景中,参与者之间的数据具有高度异构和数据量差距较大的特点,常规的聚合操作会不经意地偏向一些设备,使得最终聚合模型在不同参与者数据上的准确率表现出较大差距.针对这一问题,提出了一种有效的公平算法,称为α-FedAvg.它可以使聚合模型更公平,即其在所有参与者本地数据上的准确率分布更均衡.同时,给出了确定参数α的方法,能够在尽可能保证聚合模型性能的情况下提升其公平性.最后,在MNIST和CIFAR-10数据集上进行了实验和性能分析,并在多个数据集上与其他3种公平方案进行了对比.实验结果表明：相较于已有算法,所提方案在公平性和有效性上达到了更好的平衡.     

基于公平副本分配的DTN资源管理机制

容迟容断网络具有无中心化的特点,使得对其节点的监控和管理存在天然的困难。本文介绍了当前容迟容断网络路由算法的主要研究成果,如较早的基于洪泛的喷射路由等。接着介绍了最新的基于节点社会性的路由。随后分析了这两种路由的优缺点,包括引入节点社会性后带来的负载不均衡和资源分配不公问题。进一步,通过分析人类活动轨迹数据发现节点社会属性的相对稳定。利用这种稳定性提出了一种公平分配资源机制,使得各节点可以合理地共享网络资源。最后验证了该机制的有效性和实用性。