基于用户QoS的MIMO/OFDM系统资源分配研究

在多用户、多天线环境下的正交频分复用(OFDM)系统中,提出一个低复杂度的自适应资源分配方案。包括自适应子载波分配、功率分配以及波束成型等。目的就是在保障各用户的服务质量要求(QoS)(即包括传输速率和比特误码率(BER)要求)的同时,最小化总的发射功率。利用随机矩阵和排序统计的理论知识,进行详细的性能分析。理论分析和仿真试验都表明,该方案可以有效地保障用户的QoS,并提高系统的整体性能。最后,仿真结果也验证了理论分析的正确性。     

考虑凸形障碍的应急设施选址与资源分配决策研究

应急设施是应急救援的依托载体,其科学合理的选址事关应急救援的紧迫性和应急资源分配的及时性,障碍约束下的应急设施选址与应急资源分配决策研究具有重要的战略意义.从需求区域的视角和应急设施应急服务质量的视角构建基于障碍约束、容量及安全库存约束的应急设施选址与资源分配优化模型,引入安全库存机制,综合考虑时间性、经济性及地理阻断等多重约束限制,剖析选址和应急物资分配的决策过程,进行应急设施的选址决策和应急物资分配预案的制定.设计灰狼优化算法(GWO)与可视凸点绕障路径耦合算法求解模型,结果表明:所设计算法能有效实现绕障路径的优化,且在需求区域的不同时间满意度偏好下,获得最优的选址-分配方案,研究成果将为应急设施选址与资源分配提供模型和方法设计.     

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。     

一种提供QoS保证的公平跨层资源分配方案

提出了一种基于正交频分多址接入（orthogonal frequency division multiple access, OFDMA）系统的跨层资源分配方案。在保证各种业务服务质量（quality of service, QoS）要求的基础上,以获取系统最大吞吐量为目标,兼顾用户之间资源分配的比例公平性。该方案充分考虑了媒体接入控制（media access control, MAC）层各种业务的QoS要求和无线信道的大尺度衰落特性,将MAC层的分组调度与物理层的资源分配进行联合设计,MAC层根据物理层分配给每个用户的时变信道容量进行分组调度,物理层根据MAC层中各用户的队列状态信息为每个用户分配信道资源。仿真结果表明,该方案可以满足多用户各种业务的QoS要求,与采用等功率分配的依赖信道状态的分组调度（channel state dependent packet scheduling, CSDPS）算法相比可以提高系统下行总吞吐量,且较好地改善具有不同路径损耗的用户之间的公平性。     

基于分级网络的供求系统防护资源分配方法

供求系统防护资源分配问题旨在制定合理的防护策略,以减小外界破坏带来的损失。对于基于中位模型的供求系统来说,一类经典的防护资源分配方法是建立并求解双层规划模型,进而得到防护策略。双层主从规划问题是个典型的NP难解问题,因此这类方法不易有效地对大规模案例进行求解。通过分析供求网络运行机制,发现导致防护资源分配问题求解困难的关键因素是再分配环节。故基于该环节建立了供求系统的分级网络框架,在该框架下提出一种防护资源分配方法。实验证明,该方法能够给出合理的防护资源分配策略,且与传统方法相比耗时显著缩短。     

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.     

一种能效最大化的一体化观测网络任务调度优化方法

本文研究如何合理分配资源以保障高效任务调度,进而有效提升一体化观测网络任务管理能效.通过引入平行智能的相关理论与方法,构建了人工一体化观测网络模型,综合考虑网络中传感节点与局部中心节点的联通概率,以延长网络寿命的任务调度优化为目标,设计计算实验获取能源使用效率最大化资源分配方案,通过资源分配参数的优化提高网络资源调度与分配的效率,从而提升网络中信息传输速率、减少延迟、提高任务调度效率.本文研究对于提升复杂一体化网络系统中任务调度能效具有重要意义.     

基于信息增量的多被动传感器资源分配算法

针对多被动传感器多目标跟踪中的传感器资源分配问题进行研究。讨论了多被动传感器跟踪误差的克拉美-罗下限,在此基础上分析了多被动传感器系统跟踪误差的几何分布。为解决多目标跟踪中的传感器资源分配问题,通过先验信息熵与后验信息熵之间的差值获得信息增量;在此基础上针对多被动传感器系统的特点构建最优化分配模型,将被动传感器组合在不同时刻动态地分配给不同目标。仿真实验表明,与不考虑资源分配的固定跟踪模式相比,该方法能够高效合理地利用有限资源,并且使多被动传感器多目标跟踪系统的整体跟踪性能得到提高。     

基于资源流网络优化的鲁棒性项目调度

针对项目执行过程中由于活动拖期导致基准调度计划不断变更的问题,从资源分配的角度构建基于资源流网络优化的鲁棒性调度计划。首先设计拖期惩罚成本指标来衡量调度计划的鲁棒性,并构建以拖期惩罚成本最小化为目标的资源流网络优化动态模型。针对该模型设计MTPC资源流网络优化算法,该算法以活动为基准,采用拖期惩罚成本最小的资源分配方案实现资源在活动节点之间的有效流动,提升调度计划的鲁棒性。最后,为验证MTPC优化算法的有效性和可行性,通过采用蒙特卡罗模拟仿真实验将MTPC优化算法与RRAS,Min-EA和MABO等3种资源分配算法进行对比分析。实验结果表明:MTPC算法在调度计划的鲁棒性,资源分配方案的稳定性以及算法的时间效率上都优于其他3种算法。MTPC算法不仅能快速有效地完成资源配置,还能通过降低活动的拖期风险提升调度计划的鲁棒性,这可以帮助项目管理者构建抗干扰能力较强的基准调度计划。     

基于资源流网络优化的鲁棒性项目调度

针对项目执行过程中由于活动拖期导致基准调度计划不断变更的问题，从资源分配的角度构建基于资源流网络优化的鲁棒性调度计划。首先设计拖期惩罚成本指标来衡量调度计划的鲁棒性，并构建以拖期惩罚成本最小化为目标的资源流网络优化动态模型。针对该模型设计MTPC资源流网络优化算法，该算法以活动为基准，采用拖期惩罚成本最小的资源分配方案实现资源在活动节点之间的有效流动，提升调度计划的鲁棒性。最后，为验证MTPC优化算法的有效性和可行性，通过采用蒙特卡罗模拟仿真实验将MTPC优化算法与RRAS，Min-EA和MABO等3种资源分配算法进行对比分析。实验结果表明：MTPC算法在调度计划的鲁棒性，资源分配方案的稳定性以及算法的时间效率上都优于其他3种算法。MTPC算法不仅能快速有效地完成资源配置，还能通过降低活动的拖期风险提升调度计划的鲁棒性，这可以帮助项目管理者构建抗干扰能力较强的基准调度计划。     

A Comprehensive Dea Approach for the Resource Allocation Problem based on Scale Economies Classification

This paper is concerned with the resource allocation problem based on data envelopment analysis （DEA） which is generally found in practice such as in public services and in production process. In management context, the resource allocation has to achieve the effective-efficient-equality aim and tries to balance the different desires of two management layers： central manager and each sector. In mathematical programming context, to solve the resource allocation asks for introducing many optimization techniques such as multiple-objective programming and goal programming. We construct an algorithm framework by using comprehensive DEA tools including CCR, BCC models, inverse DEA model, the most compromising common weights analysis model, and extra resource allocation algorithm. Returns to scale characteristic is put major place for analyzing DMUs＇ scale economies and used to select DMU candidates before resource allocation. By combining extra resource allocation algorithm with scale economies target, we propose a resource allocation solution, which can achieve the effective-efficient-equality target and also provide information for future resource allocation. Many numerical examples are discussed in this paper, which also verify our work.     

综合服务通信系统资源控制建模与分析

基于QoS资源控制是保证网络综合应用服务质量的必要手段。深入讨论了基于QoS最优综合服务通信系统(ISCS)模型及其最优资源控制策略和评价方法。建立了ISCS最优动态资源控制系统模型。针对资源控制重要部件buffer，又提出了面向buffer资源控制策略，并取得了良好的模拟结果。     

基于正则信道求逆预编码的MIMO功率分配方案研究

提出一种多用户MIMO系统中基于正则信道求逆预编码并具有QoS保障的功率分配方案:结合信道状态信息和用户QoS需求,分析得出约束条件的可行性判断依据;利用连续几何规划算法将非凸优化问题近似为凸优化问题,并辅以内点法求解最优功率分配方案;最终综合得出一套基于滑动窗口机制的功率分配框架。仿真结果表明,与现有算法相比,该方案能在有效保障用户最小速率和时延需求的基础上,显著提高系统可达速率。     

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.     

资源与活动多对多关系下面向成本的业务过程资源配置优化

资源配置优化是业务过程管理的一个重要内容和目标，可以有效地提高业务过程的执行效率. 采用基于数学模型的数值化分析优化方法，研究了资源与活动之间多对多关系下面向成本的业务过程资源配置优化问题. 基于集合理论建立了面向成本和资源配置分析优化的业务过程模型，提出了在确保业务过程稳定执行（或达到一定处理能力）条件下的面向成本最小化的资源数量配置和任务分配数学模型，采用分枝定界联合启发式方法设计了快速有效的求解算法. 案例研究表明提出的资源配置优化方法是可行的和有效的.     

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.

     

基于QoS满意度增强的多资源协同预留策略

针对动态网格资源服务的不确定性问题,提出一种可量化分析资源服务QoS(quality of service)的多资源协同预留策略.该策略基于对运行在资源上的网格任务QoS指标分析,得出QoS满意度量化、归一化方法,建立资源服务QoS与预留容量之间的函数关系,并以市场经济环境为背景,分析任务费用约束下资源价格与预留容量之间的关系,求解得出可均衡负载的多资源节点协同预留方案.理论分析给出了策略的有效性证明和算法,仿真实验采用真实网格系统中的任务负载信息作为实验负载,在较大规模的模拟网格系统中检验了所提出的预留策略的性能表现.实验结果显示,该策略在接纳任务数、资源利用率和任务违约率方面的性能表现显著优于传统的预留策略.