基于网络图的资源分配问题的算法研究及实现

图论是应用十分广泛的运筹学分支，用网络图来解决资源分配的问题不仅可以简化求解过程而且丰富了求解方法。在深入分析Dikstra算法的基础上，实现了基于网络图的资源分配问题的求解和图形表示，     

基于网络图的资源分配问题的算法研究及实现

图论是应用十分广泛的运筹学分支,用网络图来解决资源分配的问题不仅可以简化求解过程而且丰富了求解方法。在深入分析Dijkstra算法的基础上,实现了基于网络图的资源分配问题的求解和图形表示。     

数据中心的资源分配技术

针对数据中心的资源分配问题,论文讨论了数据中心虚拟化技术及资源分配的核心要求：数据中心性能保证、资源的动态分配、资源分配的公平性及收益最大化,分别针对这些方面讨论了几种资源分配算法,最后进行总结并对未来的研究发展趋势提出观点.     

具有用户体验保障的资源优化分配算法

在研究智能电视用户体验质量(Quality of Experience,QoE)量化的基础上,提出一种具有用户体验保障的资源分配模型,并针对该模型提出两种资源分配算法:RA_BAT算法和RA_GHEU算法.实验结果表明,基于回溯法的RA_BAT能够求得问题的最优解,可作为算法比较的参照系,而启发式算法RA_GHEU可在极短的运行时间内求出接近于最优的解,适合用于智能电视资源分配的实时处理.     

基于用户间公平性的改进型频谱分配算法

针对目前频谱资源紧缺的现状,通过对图论着色模型的分析理解,提出了一种基于用户公平性的改进颜色敏感度的图论着色算法,该算法从用户的网络效益和使用频谱数出发,引入公平因子,改变频谱分配过程中给用户的分配优先级,保证频谱分配的公平性.通过仿真表明其可行性.     

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。     

资源分配算法的比较和研究

许多领域都涉及资源分配问题,怎样合理的把各种有限的经济资源分配给企业内各生产部门,使得本企业在相对较低的成本投入下得到较大利润是每一个企业所追求的目标。于是就产生了如何分配以使工程目标或生产目的达到最优的问题。本文针对这一类资源分配问题,阐述了用动态规划方法和多段图方法的求解思想,并通过实例比较了两种算法。     

Efficient Algorithms for Dynamic Allocation of Distributed Memory

We consider the problem of dynamically allocating and deallocating local memory resources among multiple users in a parallel or distributed system. Given a group of independent users and a collection of interconnected local memory devices, we want to render the fragmentation of the memory resources irrelevant by allowing any user to allocate space for his or her purposes as long as there is space available anywhere in the system. In effect, we would like it to appear to the users as though they are allocating memory from a single central pool of memory, even though the space is distributed throughout the system. Our goal is to devise an on-line allocation algorithm that minimizes two cost measures: first, the fraction of unused space , which arises due to fragmentation of the memory; second, the slowdown needed by the system to service user requests, which arises due to the contention for access to the memory devices. We solve this distributed dynamic allocation problem in near-optimal fashion by devising an algorithm that allows the memory to be used to 100% of capacity despite the fragmentation and guarantees that service delays will always be within a constant factor of optimal. The algorithm is completely on-line (no foreknowledge of user activity is assumed) and can accommodate any sequence of allocations and deallocations by the users that does not violate global memory bounds. We also consider the distributed dynamic allocation problem in the more restrictive setting where the local memory devices are connected by a low-degree fixed-connection network, rather than being fully interconnected. In this case, communication costs must be more explicitly considered in our allocation algorithms. We give allocation algorithms for butterfly and hypercube networks, and prove necessary and sufficient conditions on the total amount of memory space needed for near-optimal algorithms to exist. Received November 5, 1996; revised December 10, 1997.     

考虑热效应的资源数量分配算法

芯片上局部的高温对集成电路有很多负面影响.目前已有的行为级综合算法只是在资源绑定阶段降低峰值温度,忽视了资源数量分配阶段对峰值温度的影响.为此,提出一种资源数量分配算法,根据前一个综合结果的功耗密度以及经热分析得到的温度反馈调整各种资源的使用量,使不同种类资源间的功耗密度接近平均分布,从而达到降低峰值温度的效果.实验结果表明,该算法在增加2.0%面积的情况下能平均降低峰值温度9.4℃.     

A New Algorithm for Stochastic Discrete Resource Allocation Optimization

Stochastic discrete resource allocation problems are difficult to solve. In this paper, we propose a new algorithm designed specifically to tackle them. The algorithm combines with the Nested Partitions method, the Ordinal Optimization techniques, and an efficient simulation control technique. The resulting hybrid algorithm retains the global perspective of the Nested Partitions method and the fast convergence properties of the Ordinal Optimization. Numerical results demonstrate that the hybrid algorithm can be effectively used for many large-scale stochastic discrete optimization problems.     

计算网格资源分配研究

计算网格是一种新的技术,有很多内容都刚开始研究发展,还不成熟。由于网格资源的异构与时变,网格资源用户的不同需求,使网格资源分配成为一个重要问题。因而,网格资源分配技术也成为一种关键技术。给出了基于代理的网格资源分配策略和资源代理的迭代算法,从而实现了资源的协调分配。     

分布式系统下的资源安全性计算

主要从理论上研究保证分布式计算中资源安全性的方法。抽象地将每个进程表示为一个数据对,由给定资源和分配给分布式计算的资源两部分组成。在此基础之上,定义了一系列基于指称语义的数学计算,进而将资源安全性问题抽象为数学上的运算。     

一种广域网中分布式数据库设计的数据分配方法

在广域网中，片段分配是分布式数据库设计中的一个主要问题，因为它关系到整个分布式数据库系统的性能。基于一个较简单、全面的分配模型提出了一个片段分配的启发式算法，旨在尽量减少通讯代价的基础上找到一个接近最优解。     

On Developing Distributed Middleware Services for QoS- and Criticality-Based Resource Negotiation and Adaptation

The Global Resource Management System (GRMS) provides middleware services for QoS- and criticality-based resource negotiation and adaptation across heterogeneous computing nodes and communication networks. This paper presents GRMS's design, prototyping, and performance evaluation. We introduce GRMS design principles and two key concepts unified resource model and ripple scheduling--and describe our architectural design based on these concepts. Further, we present a decentralized end-to-end two-phase negotiation and adaptation protocol with the functionality of distributed, dynamic QoS adjustment and stream preemption. We discuss GRMS's system prototyping and lessons learned and report our experimentation and simulation results, providing insights into design and implementation of a middleware-based distributed resource management system.     

基于云模型的网格资源分配策略

网格是下一代的Internet,是目前网络研究的重点。网格资源分配是网格中非常重要的部分,而且网格资源有分布、异构、动态、由多个组织所拥有和具有不同的使用、访问及消费模型等特点,属于定性的范畴。传统的网格资源分配策略无法有效对定性的网格资源进行分配,容易形成网络瓶颈。云模型是定性定量间转换的不确定性模型,通过它能将定性的网格资源转换为定量的表达。因此笔者提出了一种新的网格资源分配策略,把云模型运用于网格资源分配,将定性的网格资源映射为定量的可细微变化的不同云滴,然后再配合目前研究相对比较成熟的算法或模型进行资源分配,实验表明新的策略能更准确地对网格资源进行评价并有效分配。     

基于委托——代理理论的网格资源分配

在市场机制的网格环境中,本文把网格系统代理作为市场中的重要参与者,根据委托代理理论建立具有激励机制以诱使代理人从自身利益出发选择以委托人最有利的行动的模型.该模型可以在一定成度上保证用户的QoS,可以提高用户的满意度和代理人的信誉度,提高了资源的利用率,最终达到资源的适度配置.     

跨地域分布式云计算资源调度系统及实证

首先对跨地域分布式资源调度在电网的应用进行必要性分析,提出实际IT环境中的问题和挑战,并分析目前市场上的云计算产品和解决方案的不足;其次结合电网的实际IT环境,对跨地域分布式资源调度的资源模型和调度策略进行研究,提出适用于电网的方案,并给出系统的技术架构和部署模式。最后,在实际生产环境中进行原型搭建,并结合电网的应用对该系统进行实证。     

数据操作系统中基于博弈的多资源分配算法

数据操作系统需要对CPU和内存等多种系统资源进行管理,为了在公平的前提下,解决不同用户对上述资源的不同需求问题,本文基于完全信息的动态博弈提出了ICEEI算法。该方法通过构建博弈树并优化博弈树的方法解决数据操作系统中的多资源分配问题。该算法最符合实际的假设是认为任务是不可分的,即数据操作系统分配给每个用户的资源可完全满足任务的需求。对该算法的公平性进行了讨论,指出其满足共享激励和Pareto有效等性质。通过一系列的仿真实验,证明ICEEI可以很好地应对用户对资源需求的动态变化,并且与DRF相比在有些情况下具有更高的资源利用率。     

Resource Allocation in the Grid with Learning Agents

One of the main challenges in Grid computing is efficient allocation of resources (CPU – hours, network bandwidth, etc.) to the tasks submitted by users. Due to the lack of centralized control and the dynamic/stochastic nature of resource availability, any successful allocation mechanism should be highly distributed and robust to the changes in the Grid environment. Moreover, it is desirable to have an allocation mechanism that does not rely on the availability of coherent global information. In this paper we examine a simple algorithm for distributed resource allocation in a simplified Grid-like environment that meets the above requirements. Our system consists of a large number of heterogenous reinforcement learning agents that share common resources for their computational needs. There is no explicit communication or interaction between the agents: the only information that agents receive is the expected response time of a job it submitted to a particular resource, which serves as a reinforcement signal for the agent. The results of our experiments suggest that even simple reinforcement learning can indeed be used to achieve load balanced resource allocation in large scale heterogenous system.     

工作流资源分配中约束规则的建模研究

传统工作流系统在对任务节点进行资源分配时,只进行了组织、角色、人员的分配,而较少对不同任务节点上执行人间的潜在关系进行建模.根据企业的实际应用需求,将这种潜在的约束关系提取出来进行建模,并以规则的形式进行定义.最后采用强有力的推理工具--规则引擎--来完成对定义的规则冲突检测以及规则的实现.