基于联盟感知的混合云环境中IaaS提供者收益最优化算法

在降低云服务提供者资源成本的条件下,为进一步提高云服务提供者的收益,提出一种混合云环境中基于联盟感知的收益最优化算法.该算法通过建立云服务提供者联盟,并考虑两种类型虚拟机的请求:现货虚拟机和按需虚拟机,使处于负载峰值时的云服务提供者依然可通过外包请求至联盟其他成员或终止现货虚拟机的方式获得最大化收益.     

基于模糊机会约束的博弈联盟收益

在模糊博弈环境下,研究联盟收益问题.基于Tsurumi合作联盟概念,利用模糊变量刻画局中人参与联盟程度,拓展了模糊联盟概念.针对博弈决策者在一定置信水平下极大化联盟收益的乐观值或极大化联盟收益的悲观值情形,引入模糊变量的可信性测度,建立了模糊联盟最优收益的模糊机会约束规划模型.该模型反映了博弈偏好对模糊联盟整体收益的影响.     

基于Stackelberg博弈的资源动态定价策略

针对计算密集型任务卸载时边缘云计算能力有限引起的公平性问题,提出一种基于Stackelberg(斯坦克伯格)博弈的资源动态定价策略.首先,分析边缘云系统资源剩余量和用户需求之间的实时关系,设计边缘云网络收益及用户成本函数.然后,通过验证用户之间非合作博弈纳什均衡点的存在性,获得基于完全状态信息下用户成本最低时的最优卸载策略.最后,采用双向迭代搜索算法求解边缘收益问题,获取经价格调整因子调节后的边缘云网络最优定价策略.仿真结果表明:所提算法当计算资源较少时能保证边缘云收益,并在保证用户公平性前提下提高用户服务质量.     

承运人联盟合作博弈机制设计

承运人联盟中,各成员追求各自收益最大化,成员与联盟的最优决策往往是不一致的,因而导致联盟不稳定.承运人面对产生的需求有2种选择：接受或拒绝.考虑该约束条件,在一个由承运人联盟运营的航运物流网络的基础上,以合作博弈理论和数学规划为框架建立了承运人联盟的合作博弈模型,并设计了运力互租价格为核心的收益分摊机制,该机制为联盟成员提供了补偿性支付.分别对联盟和成员的决策过程进行数学建模,运用逆优化技术使得两者的最优决策一致,进而实现了联盟和合作的可持续性.     

认知无线电中基于声望和重叠式联盟博弈的频谱感知和资源分配算法

在认知无线电网络中,次用户频谱感知和接入会受到多径衰落和阴影衰落等因素的影响.为了提高频谱感知准确度和资源分配效率,将多个次用户合作频谱感知和接入问题建模为重叠式联盟博弈模型,每个次用户可以加入多个联盟来提升自己的期望收益.为了提高全局有效吞吐量和资源分配公平性,引入声望机制来设计联盟资源分配规则,提出了基于声望值的重叠式联盟形成(R-OCF)算法.仿真结果表明:与无声望机制算法和分离式联盟形成(DCF)算法相比,R-OCF算法的资源分配效率和公平性更高;同时,次用户的期望收益和自身声望值相关,次用户的声望值越高,获得的期望收益越大.     

不确定行为下的物理层安全博弈

在多窃听节点存在的无线通信中,联盟内的协作中继转发接收到的信号到目的端能够有效地提高物理层安全传输的性能.然而,具有自私行为的中继节点会拒绝为其潜在合作者转发信息,并且自私行为具有动态变化的未知性.基于网络环境的贝叶斯联盟博弈,研究节点自私行为不确定条件下的联盟形成,通过节点与其他节点订制合同,得到贝叶斯核,进而形成纳什稳定的联盟结构.仿真结果表明该算法形成的不完全信息下的联盟结构与完全信息下的联盟结构相同,可以实现联盟节点安全效益最优.     

基于三方博弈的网格资源协同分配模型

针对费用约束下的网格资源分配问题,提出一种基于三方博弈的资源分配模型.该模型通过引入一类“虚拟资源中介”实体,将资源分配问题转化为由用户任务,虚拟资源中介,资源提供者三方组成博弈过程.理论分析以效用函数为基础给出了模型的有效性证明和求解算法,仿真实验用实际网格任务负载和典型网格测试床模型检验了该三方模型的性能表现.实验结果显示,对于具有费用约束的网格任务,基于三方博弈的协同分配模型在资源收益,资源利用率和任务执行效率方面的性能表现显著优于传统的资源分配模型.     

虚拟环境中基于Stackelberg博弈的资源分配

针对虚拟化网络环境中的资源分配和定价问题,结合Stackelberg博弈模型,提出了一种同时满足底层网络和虚拟网络收益最大的资源分配和定价方案,分别设计了底层网络和虚拟网络基于效用和花费的收益函数,给出了在完全信息状态下底层网络和虚拟网络各自收益最大时的最优策略.在不完全信息决策模型下,验证了虚拟网络间非合作博弈的纳什均衡点存在性,为了获取虚拟网络的最优带宽策略和底层网络的最优定价策略,给出了一种分布式的迭代算法.最后通过数值仿真验证了该算法的有效性,取得了参与者的最优策略和子博弈完美纳什均衡.     

基于联盟形成博弈论的异构无线传输速率分配

针对异构无线网络合作传输的速率分配问题,在联盟效用函数中引入传输功耗,根据融合-分裂原则建立稳定的合作联盟,再用联盟形成博弈论对动态速率分配进行建模,进而提出了一种动态的速率分配算法.为了最大化联盟收益,文中通过求导计算不同网络的传输速率.这个基于融合-分裂的联盟形成和联盟内速率分配过程不断进行,直至业务流传输结束.仿真实验表明,该算法可根据终端位置动态调整参数与传输的网络联盟结构,以低功耗获取高联盟收益.     

一种基于微观经济学的网格资源分配模型

引入微观经济学知识,设计了一种双模式网格资源分配模型.在该模型下,根据供求关系影响提供者资源售价,以售价调节消费者资源占用量,支持提供者与消费者双赢的实现.在网格资源丰富时,采用博弈模式,基于Nash均衡和Pareto最优为消费者确定最优资源占用量,同时为提供者确定最优售价;在网格资源稀缺时,采用竞价模式为消费者分配资源.仿真结果表明,该模型是可行和有效的,具有较好的性能.     

基于最小核心算法的联盟合作利润分配策略的研究

研究了合作对策中的最小核心解的问题.给出了合作3人对策最小核心的计算公式及其证明,最后把合作3人对策的最小核心算法应用到企业联盟利润分配问题中去.     

具有联盟结构博弈的联盟核心的公理化

研究了具有联盟结构博弈的联盟核心的公理化方式及Owen值与联盟核心之间的关系.利用一种缩减博弈,给出了解的一致性、弱反一致性等概念,用个体理性、单人理性、一致性和弱反一致性对联盟核心进行了公理化,给出了解为联盟核心的充分必要条件.结果表明,在该缩减博弈下,联盟核心是唯一确定的,对于具有联盟结构的强凸博弈,Owen值属于联盟核心.     

求解合作对策解的带有正不定临界项的对称交替方向法

主要研究合作对策解的问题:首先根据核心及Shapley值的特点引入了最公平核心的概念,再将最公平核心转化为具有线性约束的凸二次规划问题,最后运用带有正不定临界项的对称交替方向法对其求解.由于问题的可行域为简单闭凸集,因此算法是可行的.     

多组对策系统非劣Nash策略的功效系数算法

引进多组对策系统组内部合作对策非劣解的线性型功效系数方法,证明最优解是组内部隐含某一权重向量的合作对策的非劣解,由此得到合作对策的单目标规划问题.在组内部该问题的解不仅是非劣的,而且对于所有局中人都优于不合作时的Nash平衡策略.利用组与组之间的非劣反应集,构造求解非劣Nash策略的迭代算法.该算法在保留文献[3]优点的前提下,克服其缺点,得到的解优于文献[3]对应的解.最后,用实例验证了该算法的有效性和正确性,所得结论丰富了多组对策问题的内容.     

机会约束规划在地对空雷达干扰资源优化分配中的应用

应用机会约束规划理论,研究了反空袭作战中地对空雷达干扰资源优化分配问题。首先,在给出雷达威胁等级判定模型的基础上,利用干扰压制区建立了地对空雷达干扰效果评定模型。其次,根据所建干扰效果评定模型,综合考虑干扰资源分配过程中存在的不确定因素,建立了双层模糊机会约束混合整数规划模型。最后,利用可能性测度理论,将干扰资源优化分配模型清晰化为双层混合整数规划模型,通过求解混合整数线性规划来获取优化分配模型的最优解。仿真算例表明:所建的干扰资源优化分配模型不仅能够有效处理分配过程中的不确定信息,而且能够在本级干扰效果最大化的同时实现全局最优化;模型的求解算法针对性更强,非常适合求解该问题。     

一种基于Shapley值的联盟结构分配方法

提出一种针对联盟结构博弈问题的新的收益分配方法.通过分析Owen联盟结构博弈模型的局限性,在最大联盟不确定形成及特征函数不确定满足超加性时,建立了二级联盟结构合作博弈模型.提出了可行联盟结构条件下局中人分配规则并证明了该分配规则的性质.新分配方法保障实现个体局中人局部理性与联盟结构集体理性,是联盟结构保持稳定的一个必要条件.通过算例分析,验证了该分配方案的有效性.     

基于粒子群优化的协作网络资源分配的博弈策略

应用基于竞价机制的斯坦克尔伯格博弈提出协作中继网络中的一种资源分配策略,用以解决单一中继节点对多用户节点协作带宽的分配问题。首先中继根据用户的协作带宽需求对资源定价,然后用户根据价格调整其纳什均衡策略,即获取协作效用最大化的最优带宽购买量。证明了纳什均衡的存在性,提出基于粒子群优化的均衡求解算法,分析了均衡的有效性,仿真给出了粒子群优化的全局最优带宽分配结果。仿真结果表明,所提出的博弈可以激励中继节点参与协作,并协调多用户节点间的资源分配。     

覆盖对策模型的均衡性

研究了覆盖合作对策模型的均衡性。基于线性规划对偶理论，证明了覆盖对策均衡性的等价条件：覆盖对策是均衡的当且仅当其对应线性规划松弛有整数最优解，并且此时核心就是对偶规划的最优解集。     

最优联盟结构生成算法中的分支限界技术

讨论多Agent系统中的最优联盟结构生成问题.对于联盟值以特征函数表示的情况下,提出了一种分支限界技术.该技术用联盟大小所代表的整数多个二部拆分作为当前搜索空间的多个分支,以已经求得的局部联盟值的下界和当前所得到的最优值所构造出的剪枝函数来限界.这样,若当前要搜索的一个分支--二部拆分的上界小于所构造的剪枝函数时,该二部拆分分支所对应的大量二部划分就不需进行分解,从而减少了搜索时间.该分支限界技术可整合到当前所出现的各种联盟结构生成算法中.为了测试该技术的有效性,本文将该技术应用到了Rothkopf所提出的DP算法和Rahwan等人所提出的IDP算法中.在具有21个Agent系统中,带有分支限界的BBDP(Branch Bound Dynamitic Programming)算法比不带有分支限界的DP算法可节省时间58.2%;带有分支限界的比不带有分支限界的IDP算法可节省时间17.8%.     

基于转运合作博弈模型的逆向供应链回收研究

针对逆向供应链中多再制造商之间结成联盟进行回收,从而更好地平衡回收量与需求量,并将该问题转化为联盟回收的合作博弈问题进行研究。将以联盟转运为再制造商之间的结盟形式,以联盟总效益最大为目标,利用设计的粒子群算法对联盟转运的转运数量矩阵进行求解,并利用夏普利值求得联盟利润的分配方案,以使得联盟处于稳定状态。最后给出了算法的数值例子并分析了计算结果,验证了算法的可行性。第一次研究了n个再制造商再制造产品多样的以联盟转运作为合作模式的逆向供应链回收问题,并首次使用粒子群算法对合作博弈模型进行求解。