DiffServ中基于端到端测量的接纳控制

提出了一种新的区分服务(DiffServ)网络中端到端剩余带宽的估计方法,在此基础上建立了Diff-Serv网络的分布式接纳控制机制,通过引入端到端流量测量手段,动态估计网络中可用的带宽资源,从而对到达的流实施有效的接纳控制,提高网络的服务质量。网络仿真实验结果表明,该接纳控制机制在保证网络服务质量的同时能保证较高的网络带宽利用率。     

一种具有时延保证的无线网络机会调度算法

提出了一种针对下一代无线网络的机会调度算法(PFQ-OS),其目标是提高无线网络中时间敏感业务的时延性能.由于时延性能同时依赖于资源分配算法和无线信道的传输容量,通过在传统分组公平排队(PFQ)策略中引入搜索半径(SR),并使用最大相对信噪比(Max-rSNR)准则,能够在提供有保证的服务时间基础上,提高每个用户的吞吐量.基于对PFQ-OS算法时延性能的理论分析,发现用户的时延性能直接由SR决定,为了使每个用户的时延性能均得到提高,有必要限定SR的取值.在此基础上我们提出了一个合理的时延性能目标,并设计了一个实际可行的迭代过程.通过大量的仿真对PFQ-OS算法的性能进行了详细的分析.     

超密集网络中基于聚类的资源分配方案

超密集网络(ultra-dense network, UDN)中,毫微微基站(femto-cell base station, FBS)的密集和随机部署会导致严重的小区间干扰。为了减轻干扰、保障用户服务质量(quality of service, QoS),提出了一种UDN中基于聚类的资源分配方案。首先,设计了一种基于加权密度的改进K-means聚类算法,将FBS动态划分为不同的簇。然后,以最大化UDN系统吞吐量为目标提出了一种两阶段时频资源分配方案:第一阶段,每个聚类内使用贪婪算法执行时频资源块的分配;第二阶段,利用资源补偿分配算法分配剩余的资源块,在考虑用户公平性的同时保证用户QoS。仿真结果表明,本文提出的资源分配方案能够有效提升系统吞吐量,同时保证用户QoS和公平性。     

云环境下能耗优化的任务调度模型及虚拟机部署算法

云计算环境下,在满足用户服务级目标约束下,如何有效地进行资源分配调度,降低能耗,已成为不容忽略的关键问题.针对目前云计算系统服务资源分配调度问题在能耗方面的研究不足,提出一种能耗优化的资源分配调度体系架构,并基于此架构设计了一个满足实时用户SLA的能耗优化模型.该优化模型从系统级和部件级两个层次进行能耗优化.在系统级上,提出一种基于分组遗传算法最大限度降低系统空闲能耗的虚拟机部署算法,该算法将虚拟机和服务器之间的映射抽象为有约束的多维可变装箱问题;同时,在部件级上采用动态电压功率调整技术降低执行能耗,从而达到在满足用户需求的前提下,最大限度降低系统总能耗.仿真实验结果表明,该算法与同类算法相比,在相同条件下可有效降低云计算系统的能耗开销.     

基于博弈论健壮性增强的资源分配模型

如何保障用户QoS是动态、不确定网格环境中资源分配面临的一个新问题.针对网格资源的不可靠性特点,提出了健壮性增强的作业执行服务的概念及其确定方法,基于该概念提出了健壮性增强的离线资源分配模型,通过将作业执行服务中对应的多个网格节点资源分配给作业冗余执行以增强其健壮性.基于该模型将资源分配描述为一个非合作博弈过程,求得了帕累托最优分配方案,并提出了一种健壮性增强的离线资源分配策略.实验结果表明:该分配模型兼顾了效率和公平, 增强了作业执行的健壮性,并较好地评估资源的信任行为.     

MIMO OFDM中基于合作博弈模型的资源分配算法

提出了一种多用户MIMO OFDM系统中基于合作博弈模型的资源分配算法,该算法在满足每个用户的最大发送功率、最大和最小传输速率需求的基础上获得了纳什讨价还价解,使系统的收益达到最大,并满足了用户的公平性要求.仿真分析表明:该算法获得的系统吞吐量略逊于Max-Rate方案,但用户公平性明显优于Max-Rate方案,能够在系统吞吐量和用户公平性之间获得较好的折衷.     

基于模糊机会约束双层规划的动态火力分配建模与实现

针对现有动态火力分配模型未考虑不确定因素及复杂约束的问题,引入不确定规划理论,建立了基于模糊机会约束双层规划的动态火力分配模型.首先,以最大化效费比和尽早拦截分别作为模型的上下层目标函数,并考虑复杂战场环境下的模型约束.在此基础上,构建了一种针对双层多约束动态火力分配问题的递阶结构粒子编码方案,并将带审敛因子的离散变邻域粒子群算法及带怀疑因子及斥力因子的粒子群算法有效结合,利用模糊模拟技术,提出一种分层递阶的混合模糊粒子群算法.仿真实例表明,该算法具有更强的全局寻优能力和更快的收敛速度,能够满足大规模动态火力分配问题对时效性的高要求.     

基于信道状态判决的随机接入协议退避算法

针对二进制退避(binary exponential backoff, BEB)算法存在的“饥饿效应”及其与数据链网络作战场景不匹配的问题，通过对现有信道状态判决方法进行改进，结合数据链网络的作战应用场景，提出了基于信道状态判决的退避算法，使退避窗口的设置与节点数据的优先级以及当前信道负载密切相关。对系统的吞吐量和端到端时延进行了理论分析和仿真验证，通过分析仿真结果可知，无论是在系统吞吐量或是在端到端时延方面，所提算法的性能明显优于现有退避算法，保证了高优先级数据链信息发送的实时性。     

一类多卫星动态调度问题的建模与求解方法

卫星调度是空间资源管理的重要内容之一，其本身也是一类复杂的资源分配问题。基于动态约束满足理论，针对卫星初始调度方案执行过程中卫星资源出现故障的情况，建立了多卫星动态调度模型，提出了求解模型的启发式搜索方法。最后，以地球资源观测卫星调度问题为例，对模型和算法进行了验证。     

非确定并发系统设计的Petri网形式化方法

本文首先建立逻辑偏序结构概念，用于刻划非确定系统的功能结构；建立环境结构，用于描述实现系统功能所需的资源及其服务关系；以约束集表示系统应遵守的行为规范，三者合一形成了系统的需求规格说明。基于需求规格说明，分别给出逻辑偏序结构到功能网，功能网及其环境结构到系统结构网的转换算法。按照约束集的规范，结合以往的结果，对系统结构配置适当的初态，施加必要的协调控制装置，最终得到一个功能符合，性能良好，资源分配合理的系统Ｐｅｔｒｉ同模型。     

军事信息系统服务资源分配并行优化方法

针对如何提高面向服务军事信息系统中任务工作流执行的时效性和成功概率, 提出了服务资源分配的并行优化方法. 首先给出了服务资源分配的系统框架, 在分析服务并行执行数目、 任务成功率、任务完成时间及服务执行代价之间关系的基础上, 建立了服务并行优化的目标规划数学模型, 并提出了一种求解该模型的改进粒子群算法(DPSO). 该算法通过引入粒子细微扰动、优化粒子飞行边界及粒子优胜劣汰等扩大搜索范围,提高获得最优解的概率. 实验结果表明服务分配的并行优化及其DPSO 求解算法是提高任务工作流执行成功率和时效性的有效方法.     

延迟容忍网络中一种基于概率接纳和丢弃的拥塞控制算法

链路的间歇性连通以及稳定的端到端路径的缺乏使得延迟容忍网络（delay tolerant network）中经常采用“存储〖CD*2〗携带〖CD*2〗转发”的方式来保证消息传输的到达率。然而由于网络资源受限,该转发方式下产生的大量的消息副本将造成巨大的资源消耗,最终导致网络拥塞。提出一种基于概率接纳和丢弃（probabilistic acceptance and drop, PAD）的拥塞控制算法PAD。该算法结合了队列长度和输入/输出速率来检测拥塞,各个节点根据当前的拥塞状态来确定接收和丢弃消息的概率,从而实现较小的开销和较高的消息到达率。此外,基于生灭模型构造了消息副本数的连续时间马尔可夫链,并对消息到达率进行了理论分析。理论分析和仿真结果证明,与其他算法相比,PAD算法在保证较小的网络开销和较短的端到端延迟的同时,消息到达率显著地提高了130%以上。     

Resource Allocation Based on DEA and Non-Cooperative Game

Resource allocation is one of the most important applications of data envelopment analysis (DEA). Usually, the resource to be allocated is directly related to the interests of decision-making units (DMUs), thus the dynamic non-cooperative game is one of the representative behaviours in the allocation process. However, it is rarely considered in the previous DEA-based allocation studies, which may reduce the acceptability of the allocation plan. Therefore, this paper proposes a DEA-based resource allocation method considering the dynamic non-cooperative game behaviours of DMUs. The authors first deduce the efficient allocation set under the framework of variable return to scale (VRS) and build the allocation model subjecting to the allocation set. Then an iteration algorithm based on the concept of the non-cooperative game is provided for generating the optimal allocation plan. Several interesting characteristics of the algorithm are proved, including i) the algorithm is convergent, ii) the optimal allocation plan is a unique Nash equilibrium point, and iii) the optimal allocation plan is unique no matter which positive value the initial allocation takes. Some advantages of the allocation plan have been found. For example, the allocation plan is more balanced, has more incentives and less outliers, compared with other DEA-based allocation plans. Finally, the proposed method is applied to allocate the green credit among the 30 Chinese iron and steel enterprises, and the results highlight the applicability of the allocation method and solution approach. Therefore, the approach can provide decision makers with a useful resource allocation tool from the perspective of dynamic non-cooperative game.

     

Resource allocation with minimum transmit power in multicast OFDM systems

To minimize the total transmit power for multicast service in an orthogonal frequency division multiplexing (OFDM) downlink system, resource allocation algorithms that adaptively allocate subcarriers and bits are proposed. The proposed algorithms select users with good channel conditions for each subcarrier to reduce the transmit power, while guaranteeing each user’s instantaneous minimum rate requirement. The resource allocation problem is first formulated as an integer programming (IP) problem, and then, a full search algorithm that achieves an optimal solution is presented. To reduce the computation load, a suboptimal algorithm is proposed. This suboptimal algorithm decouples the joint resource allocation problem by separating subcarrier and bit allocation. Greedy-like algorithms are employed in both procedures. Simulation results illustrate that the proposed algorithms can significantly reduce the transmit power compared with the conventional multicast approach and the performance of the suboptimal algorithm is close to the optimum.     

基于位置感知的大规模LEO星座分布式路由算法

针对传统星座路由算法应用在大规模低地球轨道(low earth orbit, LEO)星座中, 存在鲁棒性差、资源开销大、路由效率低等缺点。根据卫星运行时的位置可预测特性, 提出了基于位置感知的分布式路由算法。考虑卫星资源受限, 大规模LEO星座具有卫星节点多、动态性大等特点, 基于位置感知提出一种路径预选机制, 初步确定数据包的传输路径。在此基础上, 考虑业务服务质量(quality of service, QoS)需求, 基于状态和传播矢量函数提出一种路径收敛机制, 无重合确定数据包传输主路径和备用路径。理论和仿真结果证明, 相比于传统路由算法, 所提算法降低了路由存储和开销, 随着中断概率的增大, 提高了星座的吞吐量, 降低了端到端时延。     

基于IFTS的云计算网络动态负载均衡方法

针对云计算网络节点的异构性、资源配置的差异性和用户需求的不确定性等因素导致云计算网络极易出现负载不均衡的问题,在分析云计算节点负载模糊时序变化特性的基础上,构建了基于直觉模糊时间序列(IFTS)预测的云计算网络动态负载均衡模型,提出了基于IFCM的云节点计算资源自平衡方法,设计了基于IFTS预测的主动控制和基于反馈的被动调控相结合的虚拟机调度机制,并给出了云计算网络动态负载均衡策略,增强了云资源池的智能化管理水平,提升了云计算系统的整体性能.最后,通过典型实例验证了该方法的有效性和优越性.     

集装箱码头集卡配置优化的闭合排队网络模型

以集装箱码头同贝同步装卸作业为研究对象,以提高码头作业效率、提升服务能力为目标,研究码头内部集卡数量配置优化问题.将码头作业系统视为服务网络,构建码头同贝同步装卸作业的闭合排队网络模型,刻画集卡在各个环节的作业过程,分析不同设备配置下码头作业系统服务能力,揭示制约码头整体作业效率关键环节.以码头作业成本最小为目标,考虑集卡在各个环节的排队等待时间及设备利用率,建立了基于同贝同步装卸作业的集卡数量优化模型,并设计算法对模型进行求解.本研究从服务网络角度揭示了码头作业效率与岸桥、集卡、场桥配置的关系,为码头设备调度与服务流程设计提供了依据.     

基于遗传算法的泊位连续化动态调度研究

针对泊位调度问题,将岸线连续化,建立了泊位的动态调度模型。考虑到岸边起重机的分配对泊位调度中船舶的集装箱装卸作业时间的影响,根据规则建立了分配岸边起重机和确定船舶集装箱装卸作业时间的算法。基于泊位连续化动态调度模型建立了分段的染色体编码,分别反映船舶靠泊服务顺序和靠泊位置信息。基于实例,通过仿真计算,与泊位离散化动态调度进行了比较和分析。     

基于OFDMA的无线协作多播网络资源分配算法

在传统的无线多播传输中,多播组的系统性能受限于多播组内的最差用户的信道质量。为了克服多播组的系统性能受限的问题,将协作传输引入到基于正交频分多址(orthogonal frequency division multiple access,OFDMA)的无线多播网络中,并提出了在总传输速率受限的情况下,最小化总传输功率的动态资源分配算法。为了减少计算复杂度和保障公平性,提出了协作公平子载波分配算法(cooperative fair, CF)和迭代注水功率分配算法。仿真结果显示,在多播组的用户中进行协作传输的系统性能,要远高于采用传统多播直接传输的性能,并且所提算法也在保证系统性能的同时,实现了多播组间良好的公平性。