基于非合作博弈的OFDMA-WLAN系统资源分配算法研究

为满足无线局域网中基于正交频分多址技术(OFDMA-WLAN)的多用户通信需求,提出了一种基于非合作博弈的资源分配策略,利用博弈论这一有效工具对无线网络服务质量的资源分配问题进行研究,同时将用户对信道质量的不同需求转化为多用户对不同信道资源分配的非合作博弈竞争问题。此外,还将纳什均衡问题(NEP)细分为数个变分不等式子问题,通过凸优化函数对这些子问题分别求解。数值分析结果表明,所提算法在资源分配的公平性和数据传输率方面达到了更好的折中。     

基于非完全信息博弈的网格资源分配模型

针对网格计算环境动态,异构和分布的特性以及网格资源分配中资源利用率低、效益不均等问题,结合微观经济学理论,建立了一种多赢家式的网格资源拍卖模型(muti-winners auction model,简称MWAM).将隐马尔可夫模型应用在网格用户t时刻出价状态预测方面,并结合分配算法计算出能够获得所需资源的概率;并且在原有资源分配机制的基础上,结合非完全信息纳什均衡理论设计了一种多赢家拍卖算法.从理论上证明了资源分配结束后系统收益最大,且本模型符合微观经济学中的激励相容性与个人理性准则.实验模拟在验证了隐马尔可夫预测的可行性的同时,又与几种具有代表性的算法相比较,从资源利用率、系统总收益等方面突显了本模型的优势.     

基于非合作博弈的分布式模型预测控制优化算法

针对基于纳什最优的分布式模型预测控制求解算法中存在的迭代次数多、收敛精度不高的缺点,提出了一种基于非合作博弈的分布式模型预测控制优化算法。该方法借鉴非合作博弈论中的针锋相对策略,将每个子系统看作博弈的参与者,在线优化过程中,各个子系统在该策略影响下使所有参与者更快促成合作,从而快速求得整体最优解。仿真表明,与传统的基于纳什最优的迭代求解相比,在给定精度情况下,提出的算法所需的迭代次数要低于传统算法;在给定迭代次数情况下,提出的算法的跟踪性能更优,在外界产生随机扰动时,该算法也具有较好的抗干扰能力。此外,将提出的算法应用于设施环境控制系统中,进一步说明了算法的有效性。     

基于非合作博弈的无线传感器网络功率控制研究

如何提高能量的有效性是无线传感器网络（WSNs）设计的重要问题,针对WSNs在多媒体等业务中的应用,对基于码分多址（CDMA）通信方式的WSNs模型,提出一种基于非合作博弈的WSNs功率控制算法,并证明了该算法纳什均衡的存在性及唯一性.仿真结果表明,所提出的算法在设计时充分考虑了节点的剩余能量问题,因此能够很好地降低网络的总发射功率,有效地节约节点能量,延长网络的生命周期.     

基于博弈模型的合作式粒子群优化算法

粒子群算法作为一种新兴的进化优化方法,能够大大减轻复杂的大规模优化问题的计算负担. 根据博弈论的思想,在传统粒子群基础上提出了一种基于博弈模型的合作式粒子群优化算法,算法基于重复博弈模型,在重复博弈中利用一个博弈序列,使得每次博弈都能够产生最大效益,并得到了相应博弈过程的纳什均衡. 通过典型基准测试函数对算法的性能进行对比实验,实验结果表明算法是可行的、有效的,对拓展粒子群算法研究具有重要的理论意义与实际意义.     

基于免疫粒子群算法的非合作博弈Nash均衡问题求解*

针对N人非合作博弈Nash均衡求解问题,将免疫算法中抗体浓度抑制机制和免疫记忆功能引入基本粒子群算法,提出了一种求解博弈问题Nash均衡的免疫粒子群算法。该算法通过抗体浓度抑制机制和免疫记忆功能来保持种群的多样性,不仅保持了粒子群算法简单、易于实现的特点,而且增强了粒子群算法的全局寻优能力,加快了算法的速度。实验表明,提出的算法具有较好的性能,优于免疫算法和基本粒子群算法。     

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.     

基于非完全信息博弈的云资源分配模型

针对云环境下相互竞争的多租赁市场运营模式,以提高资源供求双方利益及资源能效为目标,提出了一种基于非完全信息博弈的云资源分配模型.首先利用隐Markov理论根据服务提供商(service provider, SP)的历史资源需求情况预测其当前出价,以预测值为基础构建动态博弈定价模型,激励服务提供商选择符合整体利益的最优购买出价策略,从而实现利益最大化;然后设计了支持多服务提供商、多种资源同时分配,以分类资源单位价格进行分配的资源分配模型,保证了基础设施提供商(infrastructure provider, INP)的收益最优.仿真实验表明：在博弈定价模型中,预测价格与实际交易价格相近且交易价格低于实际估值,能够保障服务提供商的利益;基于不同种类资源单价的分配模型能够增加基础设施提供商的收益.     

一种基于非合作博弈的无线传感器网络功率控制算法

提出了一种无线传感器网络中以容量最大化为目标的非合作博弈功率控制算法。通过效益函数来选择合适的发射功率,以保证网络连通性并缓解分组碰撞状况。而后给出了对该算法纳什均衡存在性和唯一性的证明。仿真结果表明:该算法可有效提高能量效率和网络容量。     

基于Stackelberg博弈的云CDN缓存资源分配算法

为提高云存储环境下内容分发网络(CDN)的分发效率,提出一种基于Stackelberg博弈的缓存资源分配与定价算法。将Web服务器和云CDN代理商建模成一个多主多从的Stackelberg博弈模型,并构建其各自的效用函数。证明在代理商价格确定的情况下存在Web服务器纳什均衡点,利用一种分布式迭代算法求解博弈模型,得到最优定价与该定价下的最优缓存分配结果。仿真结果表明,该算法可保证Web服务器缓存需求在代理商之间的高效分配,与用户服务质量优先算法相比,可使Web服务器获得更高的单位成本效益。     

一种基于端系统竞价博弈的网络资源分配模型

随着网络流量以指数形式急剧增长,各种应用对网络资源的需求随之增加,特别是需要严格QoS保证的实时网络多媒体应用要求更多的网络资源.资源分配是QoS分配的最终实现,QoS分配目的是为了进行合理的资源分配,因而有效的资源分配十分重要.在描述资源分配问题的基础上,对资源分配博弈进行了深入研究,提出了能够反映供求关系的基于竞价的网络资源定价机制,并设计了端系统的效用函数,论证了资源分配博弈中Nash均衡点的存在性和唯一性以及实现Nash均衡解端系统的竞价策略.最后,为完善上述资源分配博弈模型,对该模型中的资源价格和相同竞价问题进行进一步讨论.该研究为基于竞价的资源分配算法的设计提供了理论上的支持.     

一种新的经济网格计算任务调度控制模型

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,提出了基于计算经济的网格资源调度模型,设计了消费者的效用函数,讨论了资源分配博弈中Nash 均衡解,设计了一种网格资源调度算法.仿真实验表明,资源调度算法能够为消费者的资源数量提供参考,规范消费者行为,从而使得整个资源的分配趋于合理,促进交易量.     

基于MAS市场机制的动态计算资源调度模型研究

针对动态计算网格资源调度问题,结合多Agent系统(multi agent syste,MAS)协同技术和市场竞价博弈机制,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市场经济的网格资源调度模型,该模型一方面能够充分利用消费者Agent的协商能力,另一方面能够充分考虑消费者的行为,使得消费者的资源申请和分配具有较高的合理性和有效性.同时,设计了消费者的效用函数,论证了资源分配博弈中Nash均衡点的存在性和惟一性以及Nash均衡解.基于所提资源调度模型,设计了一种网格资源调度算法.仿真实验表明,资源调度算法能够为消费者的资源数量提供参考,规范消费者竞价,从而使得整个资源的分配趋于合理.     

云计算中基于拍卖的虚拟机动态供应和分配算法

当前云计算供应商通过定价算法或类似拍卖的算法来分配他们的虚拟机(VM)实例。然而,这些算法大多要求虚拟机静态供应,无法准确预测用户需求,导致资源未得到充分利用。为此,提出了一种基于组合拍卖的虚拟机动态供应和分配算法,在做出虚拟机供应决策时考虑用户对虚拟机的需求。该算法将可用的计算资源看成是“流体”资源,且这些资源根据用户请求可分为不同数量、不同类型的虚拟机实例。然后可根据用户的估价决定分配策略,直到所有资源分配完毕。基于并行工作负载存档(Parallel Workload Archive)的真实工作负载数据进行了仿真实验,仿真结果表明所提方法可保证为云供应商带来更高收入,提高资源利用率。     

云环境下一种基于能耗感知的虚拟机部署算法

云计算技术已经越来越得到人们的关注和接受。在保证用户性能的前提下,怎样有效提高服务器资源的利用率,同时又能节约能源已成为一个热门话题。针对云计算环境下虚拟机初次部署问题,提出了一种基于能耗感知的虚拟机部署算法（ PAVMAA）。该算法充分考虑用户对于不同应用的不同需求,从系统整体最优角度考虑,以能耗与利用率之间的最佳组合点为出发点,通过计算虚拟机性能需求期望与服务器空闲性能之间的欧几里得距离来匹配部署虚拟机。通过Cloudsim仿真平台上的实验,结果表明：算法实现简单,能明显降低能量消耗。     

基于双重拍卖的移动边缘计算任务卸载和资源分配策略

在移动边缘计算(mobile edge computing, MEC)系统中,用户的卸载策略会影响能耗和计算成本,进而影响用户效益.然而,目前多数研究未考虑边缘服务器随机分布场景中用户的卸载策略和资源请求策略对效益的影响.针对该问题,提出了一种基于改进双重拍卖算法的计算卸载和资源分配策略.首先,该策略将用户与边缘服务器之间的交互过程建模为Stackelberg博弈,并且证明了在该博弈内存在唯一纳什均衡点;其次,计算出用户对于不同服务器的卸载意愿以及计算资源请求量,并将用户与最优服务器进行拍卖;最后,采用遍历法交换上一轮拍卖中部分交易中的用户与服务器,以实现系统整体效益最优.仿真实验结果表明,与其他基准算法相比,所提算法在服务器随机分布场景下提高了33.4%的系统用户总效益,有效降低系统损失.     

一种基于竞标机制的通用网格资源管理模型

目前大多数的网格资源管理都有表示网格资源的全局信息中心。该文提出了一种网格资源管理模型,在该模型中不存在全局的资源信息中心,网格资源管理采用节点的完全自治管理,网格资源的发现和匹配工作是通过在网格中采用竞标机制实现的,即资源提供者不仅管理自己的资源而且通过竟标参与网格资源的匹配和任务调度工作。