一种基于机制理论的云市场多类型资源分配定价机制

为避免在云服务资源分配中因参与人的自私性而造成的个人效用与社会收益的冲突,在所有参与人都是理性的这一共同知识假定下,针对云市场多类型资源分配问题,首先给出其形式化描述,设计了基于机制理论的分配定价机制,该机制能在复杂用户任务请求下进行资源有效分配,保证个人效用与社会收益最大化。最后证明该机制满足个体理性、预算均衡和激励兼容性质,并给出该机制下寻求任务请求成本最小和效用最大的算法。     

云计算资源分配动态定价方法

云市场用户的资源需求往往会随着时间而波动变化,在资源分配与定价时若不充分考虑供需双方的内在激励,将难以获得理想的结果。基于市场策略,设计一个组合拍卖机制来平滑用户需求,以提高资源管理效率及服务收益;所提机制以动态定价的方式向用户分配资源,实现了无妒与可信两种属性,无妒属性保证了机制运行的稳定性,而可信属性可以使得服务收益最大化;此外所提方法具有较低的计算复杂度,易于实现。实验结果表明,在短缺与饱和市场下,所提方法均可获得近似最优的收益及相对较高的社会福利。     

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.     

基于拍卖机制的网格资源分配方法

网格资源的动态性、异构性、自治性等特点,使得网格资源分配成为一个难点。目前存在的大多数分配方法仅关注分配效率,却对提高资源分配的公平性缺乏深入的研究。针对此问题,提出一种基于拍卖机制的网格资源分配方法,利用资源分配比例的算法分配资源。通过仿真实验表明该方法适合网格系统中的资源分配,能有效分配资源,提高了资源利用率,同时资源分配的公平性也得到显著的提高。     

基于VB的车辆租赁管理系统

本系统利用VB为平台,通过连接ACCESS数据库,便捷的管理车辆租赁相关信息。该系统可以添加车辆,管理车辆,快捷的完成出租和归还,给予车辆提供方在车辆的出租和管理上极大的便捷。     

共享经济预约模式下资源分配的拍卖机制设计

共享经济给人们生活方式带来巨大改变,但是其预约模式大都采用固定价格、先预约先服务的方式分配资源,导致供应商收益低下,资源利用率也不高。基于此,提出一种基于拍卖的机制RAUPAM(resources allocation and user payment approximation mechanism),该机制适用于任何按时租赁收费的共享资源,如共享停车位、住宿等,通过拍卖来解决预约模式下共享资源的分配及用户定价问题。在资源分配问题上,该机制采用关键路径思想对每个资源进行全局规划,提高资源利用率的同时保证收益极大化;在价格支付问题上,基于临界值求解用户支付价格,尽可能地降低用户支付,吸引用户参与。实验结果表明,在不同的资源密度和分配周期下,RAUPAM都优于传统的FCFS(first-come-first-serve)和MAXBID算法,说明RAUPAM在预约高峰期和低峰期都表现更优,且不受分配周期的影响。通过详细对比,RAUPAM的利润比FCFS至少提高55%,比MAXBID算法平均提高30%;其服务用户率、资源利用率都比FCFS和MAXBID算法有显著提高。     

基于定价机制的卫星网络虚拟资源共享分配策略

针对卫星通信网络规模不断扩大而卫星资源总量受限导致卫星通信资源紧缺的情况,提出一种基于定价机制的虚拟资源共享分配策略。根据微观经济学理论中边际成本的思想建立用户成本的分段函数模型,通过模型求解得出用户请求的总成本并将其上传至资源分配模块,结合定价机制达到资源利用的最大化和用户请求成本的最小化。仿真结果表明,该策略能提高卫星网络资源利用率及分配公平性,最大限度地实现资源的潜在价值。     

V2X通信中基于车辆分簇的资源分配机制

基于3GPP(3rd Generation Partnership Project)R15 SA WI阶段定义的两种V2X业务模型,在无基站覆盖区域进行自主资源选择时导致的碰撞和干扰问题,提出一种基于车辆分簇的资源分配机制。对场景中的所有车辆根据其地理位置和行驶方向进行分簇,根据车簇间的相对位置对所有车簇进行分组,进而划分不同的专属时隙资源;由每个簇中"头车"来担任资源协调与资源占用信息获取的角色。仿真结果表明,该机制在低时延要求场景下的性能较LTE-V2X现有自主资源选择的资源分配方式更优。     

基于在线机制设计的私有云资源分配研究

针对企业内部处于随时来也可以随时走(coming on-the-fly)的动态环境中的私有云用户资源分配问题,首先构建了一个在线私有云拍卖框架,支持能够随来随走的不同用户的工作任务要求;其次提出了一个能保证参与用户能够报真实类型的在线机制,理论分析证明了该机制的占优策略激励兼容性质(DSIC),计算了该机制的竞争比;最后通过实验仿真表明了本机制的有效性。     

面向资源最优分配的深度学习双边拍卖算法

针对拍卖过程中计算效率低和利益分配不合理等问题, 本文提出了一种基于深度学习的迭代双边拍卖算法. 该算法通过买卖双方的初始报价数据训练基于神经网络的资源最优分配模型, 调用训练好的模型对实时报价数据快速响应, 直接求解经纪人最优分配问题(BAP)以实现计算资源分配, 显著地减小了计算代价, 提高了算法的计算效率. 进一步, 针对利益分配不合理等问题, 在迭代双边拍卖框架的支出规则和收入规则中引入调节因子用于调节买卖双方的利益, 解决已有算法在实现社会福利最大化过程中利益分配不合理的问题. 实验结果验证了该算法的有效性和优越性, 在运行时间、社会福利、买家利益、卖家利益和经纪人利益等多项指标均明显优于已有的迭代双边拍卖算法     

基于VCG机制的动态频谱分配算法

针对在Underlay频谱共享方式下的认知无线网络动态频谱分配问题,在满足主用户服务质量（QoS）的前提下,建立一种非合作博弈模型,并设计其效用函数。在借鉴VCG机制的基础上,设计相应的收益函数,提出一种可以最大化认知无线网络系统吞吐量且保证公平性的分布式动态频谱分配算法。仿真结果表明,该算法收敛速度快、公平性强。     

基于拍卖理论和高斯过程回归学习的频谱分配算法

针对认知无线网络中认知用户的频谱分配问题,提出了一种基于拍卖理论和高斯过程回归学习的频谱分配算法。该算法基于VCG拍卖模型,考虑认知用户对通信质量的要求,构造出更有效的收益函数。在频谱拍卖过程中,认知用户通过学习拍卖历史数据预测其他认知用户的竞价,并最优化其竞价策略。频谱拍卖人根据各认知用户提交的竞价来分配频谱资源。理论分析和仿真结果证明了该算法是有效的,并且能够提高频谱利用率和认知用户的收益。     

Social-welfare based task allocation for multi-robot systems with resource constraints

This paper aims to propose a distributed task allocation algorithm for a team of robots that have constraints on energy resources and operate in an unknown dynamic environment. The objective of the allocation is to maximize task completion ratio while minimizing resource usage. The approach we propose is inspired by the social welfare in economics that helps extend the combined operational lifetime of the team by balancing resource consumptions among robots. This social welfare based task allocation method positions a robot team appropriately in preparedness for dynamic future events and enables to achieve the objectives of the system flexibly depending on the application context. Our simulation-based experiments show that the proposed algorithm outperforms a typical market-based approach in various scenarios.     

基于动态区别定价的多QoS服务选择和资源配置

在提供多QoS的区分服务网络中,用户需要在其预算约束下选择最合适的服务,网络则利用有限的资源提供用户所需的服务。针对用户端服务选择问题,提出基于效用最大化的服务优化组合方法,以及基于服务令牌的DSCP设定算法。针对网络端资源配置问题,提出在不同的时间尺度上动态调整各类服务的价格和资源的配置方式,通过与服务价格的互动实现资源的优化配置。实验表明,该机制能够显著提高用户总效用,有助于提高区分服务的可部署性。     

基于市场机制的无人集群任务分配研究综述

类市场机制的方法数学推导严谨,理论解释清晰,算法计算量小,对网络规模和拓扑结构限制少,适合未来军事领域大规模无人集群任务规划问题。围绕基于市场机制的无人集群任务分配的拍卖法和合同网法两类方法,详细梳理了该研究领域的经典文献和近年来的相关研究;从该方法的基本原理、改进研究进展、应用背景和使用局限性等方面进行了详细介绍和全面总结;最后提出了类市场机制任务分配研究中的关键问题和未来研究趋势。     

基于MAS协同的动态资源优化调度策略研究*

目前,围绕着网格中的资源调度方法,虽然已提出了各种调度算法,但是都不能很好地适应网格环境下的自治性、动态性、分布性和异构性等特征。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,提出了能够反映供求关系的基于计算经济机制的网格资源调度模型,建立了消费者的效用函数,给出了资源调度的动态博弈算法。仿真实验说明资源利用率比传统算法好,整个资源的供需合理、负载均衡。     

基于纳什议价的对等网络资源分配

针对对等(P2P)网络中普遍存在的自由下载问题,提出保证节点最小服务质量的一种基于纳什议价的资源分配方案。首先,建立保证节点最小服务质量的理论模型,分析表明合作博弈的节点议价权力与其最大贡献能力正相关,非合作博弈节点的议价权力与其最大贡献能力负相关,因此,合作节点比非合作节点获得更多的资源;其次,证明了合作博弈中节点的相对议价权力越大,节点获得的资源越多,收益越大,反之亦然。最后,通过仿真验证系统保证节点获得最小服务质量的前提下,合作节点获得的资源与节点的初始资源分配和纳什议价权力等因素相关;初始资源分配与节点的最大贡献能力呈正相关,并随着节点数目的增加而减少;议价权力随着节点数目的增加而下降,节点获得的资源随着节点议价权力的增加而增加。该方案与经典保证公平性的平均资源分配方案相比,合作节点能获得更多的资源。仿真结果验证了理论分析中在保证节点服务质量前提下,节点议价权力越大,获得的资源越多。