P2P中一种基于信誉的资源分配策略

节点的主动贡献对于P2P系统的成功运行,具有重要的作用。针对P2P中一些节点不愿意贡献资源等问题,提出一种基于信誉的资源分配策略,不同于以往的基于信誉的机制,文章是通过该策略主动选择合适的服务请求提供者,这种资源分配策略的收益是两方面的,首先把更多的资源进行共享,给更多的请求节点,其次最大化满足竞争节点。通过实验分析可知,贡献高的节点,节点的信誉和满意度都较高。     

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%。     

网格市场环境中基于信任团体的资源分配机制

网格市场中可能会存在欺诈节点和自私节点,它们或破坏系统的正常运行,或只消费资源而不提供服务,严重影响了网格市场的正常交易秩序.提出基于信任团体的资源分配机制,源节点根据价格及竞争节点的信誉值及其所在的信任团体的信誉值进行资源分配;为保证源节点有限的资源能够得到有效利用,在竞争节点间进行公平的分配,资源分配时引入了访问控制.分析和仿真实验表明,此种资源分配机制能有效提高交易成功率、资源利用率,提高资源交易双方的收益.     

基于传播属性的社交网络重要节点发现

节点重要性排序在复杂网络领域中有着广泛的应用。基于节点传播属性的迭代资源分配改进算法（improved iterative resource allocation,IIRA）通过引入节点传播属性,提升了节点重要性排序的准确性,但该算法并未考虑节点相似性对节点资源分配的影响,存在局限性。针对其不足,提出了一种以节点相似性为输入指标的资源分配算法（similarity-based resource allocation,SBRA）,使得资源分配策略更加符合真实的社交网络;在SBRA算法的基础上借鉴LeaderRank算法中背景节点的思想,引入高阶邻居节点间的资源流动,提出了一种基于节点相似度和高阶流动资源分配算法（LeaderRank similarity-based resource allocation,L-SBRA）;基于传播动力学的SIR模型,通过各算法之间的对比实验,验证了相似性作为资源分配依据以及引入背景节点的合理性,并且证明了改进算法的有效性和优越性。     

Internet资源动态分配的分布计算模型及其系统支撑技术

Internet资源的动态性使得资源分配问题已成为阻碍Internet资源获得充分利用的一大难题.为方便用户进行Internet应用开发,提出了一个资源动态分配的分布计算模型以及相关的分布处理算法.首先,通过分析Internet资源的动态性,分别从资源申请者和资源提供者的角度给出了资源分配过程中哪些特性是不变的;然后,基于资源分配过程中的不变特性,定义了资源使用时的接口描述,提出了适应资源动态变化的分布资源的组织模型和动态资源分配计算模型;研究了支持上述模型的系统支撑技术,提出了相应的分布式资源分配算法;另外,定义了优质服务节点并给出了优质服务节点选择算法,并且通过实验证明优质节点选择算法可以有效地降低服务请求被拒绝的比例;基于上述模型和系统支撑技术实现了两类Internet应用,验证了模型和算法的有效性.     

基于分布式资源覆盖树的P2P网格资源发现机制

现有网格环境中大部分的资源分配策略都是集中式的,但集中式的资源分配机制对于资源在网络中构成节点数量巨大的时候,无法保证高度的动态性、有效性和健壮性,从而出现了分布式的资源分配机制,但已有的分布式资源分配机制也无法在三个方面进行有效的平衡.提出了一种基于分布式资源覆盖树DROT(Distributed Resoure Overlay Tree)的网格资源发现机制DROT _GRDM(DROT Based Grid Resource Discovery Mechanism),通过对网络资源覆盖拓扑结构构建,资源寻获等方面来说明资源的分配过程.DROT _GRDM具有以下特征:(1)采用树状结构在逻辑上建立网络中的资源提供者节点组成空间;(2)分布式资源覆盖树不是一个整体网络结构的反映,而是分散存在的;(3)分布式资源覆盖树结构是与网络拓扑结构相剥离的.     

P2P网络应用动态规划算法控制搭便车行为的研究

针对P2P网络中节点共享存储资源时存在的“搭便车”问题,在节点存储资源分配时引入控制机制,节点根据请求者的贡献值分配其存储资源,以使贡献值小的节点获取资源少,从而抑制搭便车行为。仿真实验表明,该控制机制的动态规划算法能有效地实现P2P网络中存储资源分配的公平性,达到控制节点搭便车行为的目的。     

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.     

异构Hadoop集群下的负载自适应反馈调度策略

随着基于Hadoop平台的大数据技术的不断发展和实践的深入,Hadoop YARN资源调度策略在异构集群中的不适用性越发明显。一方面,节点资源无法动态分配,导致优势节点的计算资源浪费、系统性能没有充分发挥;另一方面,现有的静态资源分配策略未考虑作业在不同执行阶段的差异,易产生大量资源碎片。基于以上问题,提出了一种负载自适应调度策略。监控集群执行节点和提交作业的性能信息,利用实时监控数据建模、量化节点的综合计算能力,结合节点和作业的性能信息在调度器上启动基于相似度评估的动态资源调度方案。优化后的系统能够有效识别集群节点的执行能力差异,并根据作业任务的实时需求进行细粒度的动态资源调度,在完善YARN现有调度语义的同时,可作为子级资源调度方案架构在上层调度器下。在Hadoop 2.0上实现并测试该策略,实验结果表明,作业的自适应资源调度策略显著提高了资源利用率,集群并发度提高了2到3倍,时间性能提升了近10%。     

一种异构环境下的基于MapReduce任务调度改进机制

针对在异构环境下采用现有MapReduce任务调度机制可能出现各计算节点间数据迁移和系统资源分配难以管理的问题, 提出一种动态的任务调度机制来改善这些问题。该机制先根据节点的计算能力按比例放置数据, 然后通过资源预测方法估计异构环境下MapReduce任务的完成时间, 并根据完成时间计算任务所需的资源。实验结果表明, 该机制提高了异构环境下任务的数据本地性比例, 且能动态地调整资源分配, 以保证任务在规定时间内完成, 是一种有效可行的任务调度机制。     

基于博弈论的P2P激励机制

对等(P2P)网络中的搭便车问题使得网络节点只享用信息资源服务而不为系统贡献资源,导致网络中的共享资源不断减少,严重影响P2P网络系统的性能。为此,根据博弈论中的纳什均衡理论提出基于RDEC算法的激励机制。通过模拟实验并对相关数据进行分析,结果表明,该策略能改进P2P网络中资源的公平共享,最大化系统的效用。     

雾无线接入网中基于神经网络的资源分配方案

考虑雾无线接入网（Fog Radio Access Network,F-RAN）中的性能优化问题,提出一种基于深度神经网络（Deep Neural Network,DNN）的资源分配方案。该方案旨在通过资源分配策略来最大化经济频谱效率（Economical Spectral Efficiency,ESE）。为解决传统资源分配方案需要大量计算的问题,该方案借助神经网络模型,将ESE作为损失函数,使用更少的计算量来确定用户的波束赋形,从而实现实时处理。仿真结果表明,相比于基于传统凸优化功率分配方案或者是基于监督学习的CNN方法,所提出的方案的光谱效率（Spectral Efficiency,SE）和ESE的最大增益分别可以达到5%和20%。此外,该方案在执行时间上与CNN方案接近,明显优于传统算法。     

无线传感器网络中的Sybil攻击检测方案

Sybil攻击是一种对无线传感器网络(WSN)危害巨大的攻击方式,它破坏WSN中的数据融合、公平资源分配等机制。为此,提出一种基于HCRL的Sybil攻击检测方案。该方案基本思想是Sybil节点创建的多个身份只拥有同一个物理位置,通过对HCRL算法的优化检测出Sybil节点。Sybil攻击对网络性能影响严重,而加入检测方案后网络性能有较大提升。通过仿真实验和性能分析证明了该方案的有效性和低系统开销。     

一种覆盖网多QoS约束均衡的路由算法

覆盖网服务质量（QoS）路由是覆盖网研究的关键问题,在多QoS约束均衡和网络资源优化的基础上,提出一种多QoS约束均衡的路由算法。该算法考虑包括节点和链路在内的多种QoS约束因素,使用层次分析、参数归一等方法解决多个QoS参数权值分配问题。同时根据覆盖网络特点采用资源均衡的方法,对链路带宽及节点计算能力2种QoS参数资源进行均衡。利用随机拓扑实验对时间、代价、资源利用率等性能指标进行验证,并与同类算法进行比较,结果表明,该算法所选择的路径在各项QoS指标都满足的情况下,能较好地均衡网络资源。     

基于功率控制的多节点协同目标跟踪算法

为适应资源有限的无线传感器网络节点的目标跟踪需求,并在保证跟踪性能的同时降低算法复杂度,提出一种功率控制和多节点协调(PC&MC)目标跟踪算法.借鉴Rao-Blackwellized技术,实现多节点协同作业以保证对动态目标的跟踪精度,采用基于连续/离散混合模型的准高斯粒子滤波器完成对目标的跟踪,在跟踪过程中使用功率控制...     

IEEE 802.11e协议HCCA机制下的QoS研究

分析了IEEE 802.11e协议HCCA信道接入机制下的简单带宽调度算法对多媒体业务的QoS支持情况,指出其不足并在其基础上进行了改进,提出了一种基于业务等级的带宽调度算法E-HCCA（Enhanced HCCA）。E-HCCA对不同优先等级业务的数据在带宽分配上采用不同的策略,在优先保证各个节点CBR业务的基础上,根据节点的VBR流量动态平均分配剩余带宽。相比较简单调度算法,E-HCCA算法更好地支持了多用户下的语音业务流和视频业务流,降低了分组时延,增加了系统吞吐率。     

BAT:一种资源受限DTN中的高效数据传输策略

在延迟容忍网络(DTN)中,已有的数据传输研究通常只考虑了节点的移动对数据转发的影响,而没考虑节点缓存等资源的限制因素。如何有效利用有限的节点资源进行高效的数据传输是一个需要重点研究的问题。提出了一种在资源受限DTN网络中高效数据传输的策略BAR(Buffer Aware Transmission Policy for DTNs)协议,BAR利用节点的相遇概率信息来提高中继的方向性,还利用当前缓存信息来提高资源的利用效率。仿真实验比较了BAR和现有的几种主流传输策略的传输性能,结果表明BAR在投递率、传输延迟和资源消耗等方面都具有明显的优势。     

智能无人机轨迹与任务卸载联合优化

移动边缘计算（MEC）是云计算技术在边缘基础设施之上的应用拓展。考虑一个高能效的无人机移动边缘计算系统,通过联合优化无人机的运动轨迹、任务卸载策略和计算资源分配来最小化系统的能耗。为解决以上问题,提出一种双层优化方法,在上层用基于无监督学习的信道增益-自组织特征映射网络（h-SOM）对用户进行实时聚类,该聚类是以信道增益作为判断类别的指标并得到无人机的最佳部署位置;在下层根据无人机的部署,将计算卸载和计算资源分配问题转化为混合整数非线性规划问题（MINLP）,并采用带有精英初始策略和自适应双变异策略的改进差分进化算法（IDE）进行迭代求解,精英初始策略可以根据h-SOM的聚类结果提供优秀的初始解,自适应双变异策略能够提高算法的全局搜索能力并促进算法收敛,从而获得更好的任务卸载决策。通过仿真实验验证了所提方法的有效性,并与传统算法进行了比较,其优化效果显著,为MEC系统的联合优化提供了一种新思路。     

基于WCET的SPM实时性管理策略

提出一种基于最坏情况执行时间(WCET)的SPM静态分配算法,该算法采用额外的WCET分析工具获得任务最坏情况执行路径(WCEP),针对最坏情况执行路径,把程序划分为全局变量、全局堆栈、指令块等节点,用包含节点和节点间关系的CFG描述应用程序,采用考虑节点间关系的算法把选中的节点分配到SPM中。仿真实验结果表明,采用该分配策略管理SPM空间比不采用SPM时的实时性提高54%左右。