基于组合双向拍卖的云资源调度方法

针对跨数据中心的资源调度问题，提出了一种基于组合双向拍卖（PCDA）的资源调度方案。首先，将云资源拍卖分为三个部分：云用户代理报价、云资源提供商要价、拍卖代理组织拍卖；其次，在定义用户的优先级及任务紧迫度的基础上，在拍卖过程中估算每一个工作发生的服务等级协议（SLA）违规并以此计算云提供商的收益，同时每轮竞拍允许成交多项交易；最终达到根据用户等级合理分配云资源调度的效果。仿真实验结果表明该算法保证了竞拍成功率，与传统一次拍卖成交一项的组合双向拍卖方案相比，PCDA在竞拍时间段产生的能耗降低了35.00%，拍卖云提供商的利润提高了约38.84%。     

云计算环境下一种基于双向拍卖的资源分配模型

针对云计算环境下资源的特点以及运用经济机制进行资源分配所具有的灵活性及有效性,提出一种在云计算环境下基于双向拍卖的资源分配模型.首先,给出改进的周期性双向拍卖模型,采用分段拟合的方法来确定买卖双方的满意度函数,并且利用供求比例参数来调节买卖双方各自的满意度在总满意度中的权重.在此基础上,提出了即时和批量两种不同匹配算法来匹配买卖双方的集合,以使买卖双方的满意度最大化.最后,基于遗传算法来寻求云资源优化分配方案.仿真研究表明,该模型是可行和有效的,不仅可以满足更多买方的需求,而且提高了资源利用率.     

基于混合组合双向拍卖的网格资源分配方案

针对组合双向拍卖中节点或实体在单次拍卖中分别扮演资源提供者和资源需求者时所具有的不同特点,提出了混合组合双向拍卖模式,即在拍卖中节点本身不单是资源提供者同样也是资源需求者。在此前提下,结合信任度在资源分配安全性以及服务质量方面的作用,将信任度引入到定价调整中,从而优化资源的分配。仿真实验结果表明,所提出的资源分配方法在提高拍卖效率和单位效用正向激励以及防止恶意节点方面均优于已有方案。     

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。     

资源有限连续双向拍卖环境下的理性策略

网络系统的动态资源分配是未来IT系统必须解决的一个基本问题。针对agent资源的有限性,提出了连续双向拍卖环境下（Continuous Double Auction,CDA）agent具有理性行为的GD2策略。GD2策略是一种包含价格和数量的二维报价策略,agent通过建立信任函数和计算最大期望利润调整报价,实验表明GD2策略可以实现较高的动态资源分配效率,平均分配效率超过98%。     

资源有限连续双向拍卖环境下的ZIP2策略

利用经济模型和多Agent技术研究网络资源分配问题已成为当前网络研究新的趋势.针对Agent资源有限的网络环境,提出了一种基于连续双向拍卖市场机制的ZIP2策略.ZIP2策略是一种包含价格和数量的二维报价策略,Agent采用该策略具有机器学习能力.最后通过模拟实验验证了ZIP2策略可以实现较高的网络资源分配效率,平均分配效率超过97%.     

云计算环境下兼顾买卖双方利益的双向拍卖资源分配算法

针对当前云计算环境下的资源分配算法不能充分考虑买卖双方利益的问题,本文提出了一种适用于云计算环境的组合双向拍卖资源分配模型。首先,初始化云经纪人列表和供应商报价列表,拍卖人通知拍卖参与者拍卖开始;然后,根据属性值按升序排序云经纪人请求和云服务供应商报价列表,从而确定投标获胜者;最后,获胜的云经纪人向相关云服务供应商发送任务并支付费用,云服务商执行任务。仿真实验使用CloudSim原型化,在基于Java的仿真云环境中从经济角度进行了效率评估。仿真结果表明,本文模型适用于云环境中的资源分配,在经济上非常有效。相比其他的现有模型,本文模型更能鼓励参与者在买卖双方公平公正的前提下根据真实估值竞购资源。     

云环境下基于神经网络和群搜索优化的资源分配机制

在云环境下,各种闲置资源可以通过池化形成资源池,进而利用虚拟化技术将资源池中的不同资源组合以服务的形式提供给用户使用,因此需要合理而有效的机制来分配资源.针对云环境下资源的特点,将经济学和智能方法相结合,提出了一种基于双向组合拍卖的智能资源分配机制.在该机制中,提出了基于体验质量（quality ofexperience,简称QoE）的威望系统,引入威望衰减系数和用户信誉度,降低拍卖中恶意行为造成的影响,为资源交易提供QoE 支持.对拍卖中的竞价决策,综合考虑多种因素,提出了基于BP 神经网络的竞标价格决策机制,不仅可以合理确定竞标价,而且使价格可以动态适应市场变化.最后,由于组合拍卖胜标确定问题是NP 完全的,因此引入群搜索优化算法,以市场盈余和总体威望为优化目标,得到资源分配方案.仿真研究结果表明,该机制是可行和有效的.     

云制造环境下基于关联度的资源组合方法

云制造环境中资源数量巨大,且广泛分布,对于业务过程而言,合理的资源组合可提高资源的选取效率以及利用率。以工作流模型为基础,根据资源之间的依赖关系构造关联度矩阵,进而采用键能算法对关联矩阵做二分变换,将依赖关系强的资源聚集到一起,形成若干个资源集。以产品设计、加工和组装为例,通过实验以及对资源选取效率的对比,验证该方法的有效性。     

云计算环境下基于可信性的动态资源分配策略

在云计算环境下,基于连续双向拍卖(CDA)机制的资源分配模型,给出资源供需双方各自的报价策略以及节点资源的失效规律,提出一种基于CDA机制和节点可信性的动态资源分配策略。Matlab仿真结果表明,该策略能保证动态分配资源的可信性,有效提高动态节点资源的执行效率以及最大限度地满足用户的服务质量需求。     

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.     

基于多任务拍卖的资源调度算法

资源调度是计算网格资源管理系统的主要内容之一。文中借鉴市场模型中的拍卖机制,通过用户代理、资源代理、拍卖师和资源的交互作用,设计并实现了一个基于多任务拍卖的网格资源调度原型系统,系统使用多拍卖师结构,提高了作业的吞吐率并且可以有效地防止拍卖过程中双方的欺骗行为,改进了网格资源的调度性能。同时,与传统算法相比,该算法能够有效地配置资源和满足用户的服务质量需求。     

基于松弛预留策略的连续双向拍卖模型

针对网格资源的松弛预留问题,提出一种改进的连续双向拍卖模型。在网格资源定价策略中,引入松弛时间保证更高的任务预留接纳率。在用户出价和要价策略中,买方通过剩余时间和剩余资源量出价,卖方根据负载情况要价。仿真实验结果表明,对于具有费用约束的网格任务,该模型能增加约21%的资源总收益,提高约15%的资源利用率。     

基于动态阈值和占优资源的云资源调度方法研究

为了适应云资源动态变化和不确定的特性,解决静态阈值方法中调节滞后和以单资源作为度量带来的调度偏差问题,提出了以调度频率和负载率作为反馈值的动态阈值法,通过动态更新阈值确定调度的触发时机;提出了基于占优资源的调度方案,通过综合考虑多种异构资源对负载的影响实施调度。通过分别与静态阈值法和仅考虑单资源的调度方案进行比较,本文提出的调度算法分别获得了17.7%和30.7%的性能提升,这表明动态阈值法和基于占优资源的调度方案能够适应动态变化的云环境。     

一种基于双向拍卖机制的计算网格资源分配方法

针对计算网格资源的特点以及运用经济机制进行网格资源管理所具有的灵活性及有效性,提出一种改进的基于双向拍卖机制的网格资源分配方法.首先,描述了基于双向拍卖机制的资源分配框架,整个系统由买方、卖方和计算资源经纪人组成.然后,针对网格中的CPU资源,提出一种改进的双向拍卖机制,采用统一拍卖方式,可以灵活调节交易双方的付费.进而,分析了该双向拍卖机制满足优势策略激励相容、预算平衡以及个人理性的特点,并定义了拍卖机制的效率.最后,通过实验分析了双向拍卖分配机制的效率.     

改进动态分层资源索引自主混淆云计算模型

在多媒体资源索引中,需要构建云计算模型实现资源索引优化调配和共享,由于多媒体资源云计算索引中进行梯度边缘匹配引起自主混淆,影响多媒体图像的索引准确度。在传统的连续纹理虚化反混淆云计算模型的基础上,进行改进,在资源索引模板匹配过程中引入动态分层策略,提出一种改进的动态分层资源索引自主混淆云计算模型,设计优化的量子群多媒体资源动态分层预测算法,计算多媒体资源信息索引序列的平局动态分层互信息量,通过搜索图像微细特征点的非零特征值计算,得到动态分层云计算模型统云数据在资源信息索引时的量子群聚类响应系统,实现动态分层资源索引与自主混淆云计算模型构建。仿真实验表明,有效实现对多媒体资源的动态分层特征提取,去除在云计算中产生的混淆特征,提高云计算多媒体图像资源索引的准确度,执行效率优越传统的云计算方法。     

面向大数据分析作业的启发式云资源供给方法

云计算已成为大数据分析作业的主流运行支撑环境,选择合适的云资源优化其性能面临巨大挑战.当前研究主要考虑大数据分析框架(如Hadoop,Spark等)的多样性,采用机器学习方法进行资源供给,但样本少容易陷入局部最优解.提出了大数据环境下基于负载分类的启发式云资源供给方法RP-CH,基于云资源共享特点,获取其他大数据分析作业的运行时监测和云资源配置信息,建立负载分类与优化云资源配置的启发式规则,并将该规则作用到贝叶斯优化算法的收益函数.基于HiBench,SparkBench测试基准的结果显示:RP-CH相对于已有方法 CherryPick、大数据分析作业的性能平均提升了58%,成本平均减少了44%.     

基于改进混沌萤火虫算法的云计算资源调度

为提高云计算资源的利用率,保持负载平衡,提出一种基于改进混沌萤火虫算法的云计算资源调度模型。从任务的完成时间、完成效率、完成安全性3个方面建立云计算资源调度模型,在萤火虫算法中引入混沌算法,通过对个体进行扰动,加快收敛速度,降低局部最优的概率,并引入拉格朗日松弛函数改进云计算模型。基于Cloudsim的仿真实验结果表明,该算法能有效避免资源分配的不均衡,缩短任务完成时间,提高系统的整体处理能力。