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.     

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。     

网格资源分配博弈的随机动态分析*

针对网格资源分配的优化问题,提出利用随机动态来研究有限网格群体博弈的分析方法。通过建立网格使用者策略选择的随机模型来分析有限网格群体的博弈,并利用期望效用生成选择过程的量化指标来判断使用者在反复博弈中策略选择的变化方向及其稳定性。最后通过仿真实例的研究结果表明,在效用矩阵不变的情况下,群体规模是影响网格使用者策略选择方案的一个重要因素。     

基于博弈理论的经济网格资源配置研究

针对经济网格中,由于网格系统的复杂性和用户的私利性,使得网格用户在资源竞价过程中往往因相关信息的匮乏而导致资源竞价的盲目性问题,根据重复博弈分阶段执行的特点,将网格用户间对网格资源的竞争看作多阶段的重复博弈过程.用户依据前一阶段博弈的竞价值及竞价结果对当前阶段的竞价策略进行调整,通过有限次的阶段博弈达到均衡出价策略组合,实现用户最大效用下的资源分配.仿真表明,在不完全信息的网格环境中,该竞价模型可逐步改善网格用户的资源竞价策略,实现优化目标最大化下的网格资源分配.     

基于动态性有效资源分配的云计算效益学习模型研究

为了将有限的资源合理地分配给用户,并尽可能地提高云系统的资源和能量利用效率,提出了一种改进的面向动态性有效资源分配的云计算效益学习模型算法,在动态性有效资源分配上提出了服务质量准则框架(QSSF)来得出云服务的计费管理机制;采用资源竞拍策略和动态双向博弈策略更好地权衡用户和云计算提供商之间的利益关系,并将资源分配给资源需求量大的用户;在云系统的运算和存储任务的资源和能量分配上,采用了基于云计算的效益学习模型,通过权衡任务对资源和能量的需求量来实现系统效益的最优化;实验仿真结果表明,该算法能够更加合理地为系统的运算和存储任务分配资源和能量,在资源和能量的利用率上优于其他对比算法.     

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.     

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。     

一种基于服务选取的SBS云资源优化分配方法

获取满足全局优化目标的资源分配策略,是影响云环境中基于服务的软件系统(service-based software system,简称SBS)运行时优化效果的关键.然而,由于SBS内部复杂的业务逻辑关系和云环境中的资源约束,现有分配方法无法得到最优资源分配量.以满足SLA约束和最小化资源成本为目标,根据不同资源状态对应不同组件服务性能的特点,将组件服务可能的资源分配量、相应性能及成本转换为备选逻辑服务集,进而提出了一种云环境中基于服务选取的SBS资源优化分配模型,并设计了一种求解模型的混合遗传算法.算法采用整数编码以提高求解效率,并在选择算子中引入了精英保留策略,从而保证收敛到全局最优解.为提高遗传算法的局部搜索能力、加快收敛速度,以局部搜索策略改进了标准变异算子.实验验证了所提出的资源优化分配模型和求解算法的有效性,并表明:与分支定界法及精英保留策略遗传算法相比,混合遗传算法能够在较大规模的问题上快速获得具有较低资源成本的资源分配策略.     

基于效用的虚拟网络资源分配模型

在虚拟网络环境中,提出了基于效用的链路资源分配模型,使链路资源在存在拥塞的情况下达到最优分配。模型设计了单寡头垄断情况下虚拟业务提供用户与垄断者的效用函数,以及其达到均衡的条件,同时增加寡头数来讨论企业进入条件以及资源最优分配下的企业数量。由仿真分析可以得出,基于效用的资源分配模型能够有效地促进用户与企业之间、企业与企业之间的博弈,在双方利益最大化基础上实现资源最优分配。