采用定价机制的多媒体系统多资源分配算法

针对多媒体系统多资源分配问题,提出了一种基于定价机制的多资源分配算法.假设资消耗函数是凸函数,从而推导出资源分配问题是凸规划问题,可以通过拉格朗日对偶分解理论求解,确定资源的价格并得到最优的资源分配.对于单资源分配问题,使用多标拍卖算法确定最优的资源分配.仿真实验结果表明:对于单资源分配问题,当任务的投标数大于15时,系统总的服务质量水平达到近似最优;对于多资源分配问题,基于定价机制的多资源分配算法性能优于现有算法,且算法复杂度更低.     

基于自适应任务卸载的蜂窝网络计算资源分配算法

移动边缘计算中的任务卸载是当前的研究热点.随着蜂窝网络中移动终端数量的快速增长,由于计算资源有限,任务卸载时出现了时延长及资源分配不均衡的问题.针对该问题,提出一种基于自适应任务卸载的蜂窝网络计算资源分配算法.该算法先根据用户周围的资源分布情况,自适应为每个用户选择最佳卸载模式;再根据计算资源使用情况,自适应为基站用户选择最优卸载决策并分配计算资源.仿真结果表明：与其他4种算法相比,该文算法的系统效用增益最大.     

基于用户行为模型的TVOS资源分配算法

现有的智能电视操作系统(TVOS)资源分配多依赖于操作系统本身对任务的资源分配方案,而系统对任务的调度是尽力而为(best-effort)的,以最大化系统的吞吐量为目的,这种资源调度分配方案在实时或多媒体应用系统存在不能保障应用的服务质量(QoS).为此,在研究TVOS用户行为模型的基础上,量化了用户对应用的偏好,并结合应用QoS模型提出了两种资源分配算法RA_DP和RA_PLSH.实验结果表明,基于动态规划的RA_DP算法能够求出问题的最优解,可作为算法间比较的参考,但算法时间复杂度很高;基于资源定价的局部搜索启发式RA_PLSH算法可在短时间内求出问题的近似最优解,与其他启发式算法相比更适合于智能电视资源的实时分配.     

基于包簇映射的云计算资源分配策略

提出了一种基于包簇映射的云计算资源分配策略。在包、簇概念下,资源可共享,任务调度更为灵活,资源利用率更高。将多目标遗传算法与改进的蚂蚁算法动态融合,提出了一种基于成本最优的云计算资源分配算法。该算法在任务前期利用遗传算法快速随机的全局搜索能力,产生初始信息素,在任务后期通过蚂蚁算法蚂蚁间的信息交流和正反馈机制,寻找资源分配的最优解。实验结果表明,在包、簇概念下,该混合式调度算法能够显著降低云计算系统的任务完成时间和任务执行平均成本,有效减少簇结点的使用数量,提高资源利用率。     

基于任务分类思维的云计算海量资源改进调度

对云计算海量数据下的资源调度的研究过程中,进行资源调度时资源分配无法到达合理化调度,存在资源调度效率低的问题。提出分类思维的云计算海量数据资源优化调度方法。该方法引入膜计算概念,将云计算下的海量资源调度的总任务划分为多个子任务,并详细计算每个子任务的资源调度任务量。将优化调度系统内部分解为主膜和辅助膜,利用蝙蝠算法在辅助膜内进行资源分配个体寻优,并将优化后的资源分配最优个体传送到主膜间进行云计算海量数据下的资源分配优化。实验仿真证明,基于改进膜计算蝙蝠算法的云计算海量数据下的资源优化调度方法调度效率高,分配较为均衡。     

基于改进蚁群算法的天基资源调度研究与仿真

天基信息网中卫星资源有限，在轨升级难度大，链路间通信时延高，导致大规模并发任务处理效率低下.针对任务简单并发且每个任务由一个节点处理的情况，构建基于动态优先级的任务模型，对天基信息网计算与存储资源构建基于模糊聚类理论的资源模型.提出基于改进蚁群算法的天基资源调度策略，引入负载均衡因子，改变信息素更新规则，调整任务分配策略，结合Min-Min算法促进任务执行及资源分配.仿真结果表明，本文算法和对比算法相比，任务完成时间缩短29.2%,任务累积价值高出37.9%,资源负载均衡度缩小75.5%,资源利用率高出22.4%,验证了本文算法的优异性.     

一种并行的网格资源协同分配方法

针对网格系统中资源协同分配的实时性问题,分析了现有的基于有向无环图的资源映射方法,提出了一种并行资源协同分配算法.该算法采用有向无环图表示每个应用,然后,将所得到的这些图合并成一个有向无环图并对其进行分层,最后,对每层中应用任务的资源分配问题并行处理.分析表明,该并行资源协同分配算法降低了系统中资源调度时间,提高了资源分配的效率,从而能够满足系统实时性要求.     

基于连续效用子集的资源分配算法

基于离散资源配置选项的实时(或软实时)系统资源分配问题,当以系统整体效用最大化为目标时,属于多维多选择背包问题,直接求解最优值的时间复杂度较高.现有的研究中主要通过使用启发式算法,将其时间复杂度降低为多项式级.这些启发式算法不考虑离散资源配置选项之间的联系,因此在求解中存在一些不必要的计算,而且分配结束后的残留资源不能得到利用.为此通过定义连续效用子集,分析了同一个任务的不同资源配置选项之间的联系.对已有的启发式算法HEU加以改进,提出启发式算法(T-HEU),能够用较低的时间复杂度获得与HEU算法相同的结果.根据同一个连续效用子集中的资源消耗函数的连续性,将残留资源分配问题近似归结为线性规划问题,并提出一种能求得近似最优解的启发式算法RRA_HEU.仿真结果表明,当任务数较少时,RRA_HEU的执行时间少于单纯形法和主-对偶内点法.当任务数较多时,用单纯形法求解残留资源分配问题是合适的.     

基于OFDM的认知无线电系统联合资源分配

为充分利用现有无线电频谱资源, 研究了基于正交频分复用的认知无线电系统, 以填充和下垫联合方式进行分配资源的问题, 提出了新的子载波分配算法和最优功率分配算法。该算法在保证总功率和每个子载波所受干扰在一定阈值内的前提下, 采用最优功率分配算法最大化次用户传输速率。同时, 为降低算法的复杂度, 将置零子载波功率算法应用到资源分配中。最后, 基于Worst-case 方法, 对次用户和主用户间的信道不确定性进行鲁棒性分析。仿真结果表明, 在相同条件下, 该资源分配最优算法和次优算法都优于单独的填充式或下垫式资源分配算法。     

CARA:一种采用组合拍卖的智能电视终端多资源分配机制

针对智能电视操作系统中在线分配资源时第三方应用程序虚报效用获取资源的问题,提出一种采用组合拍卖策略的多资源分配机制(CARA)及其竞胜标求解算法。首先,将系统资源表征为离散资源配置选项,以资源组为单位投标,用暗标第二价格组合拍卖策略进行拍卖;然后,将组合拍卖竞胜标问题转化为多维多选择背包问题,提出一种竞胜标求解算法,在投标集中用贪心法搜索最优投标,并利用共享型资源增加时边际效用递减的特征缩小搜索空间,降低算法复杂度。仿真实验表明,CARA的竞胜标问题求解算法在求得相同解的前提下,比M-HEU算法的时间复杂度低约40%,更适于在线多资源分配。     

认知无线电网络中基于需求拍卖竞价的频谱分配算法

在认知无线电网络中,为了实现对频谱资源更加高效合理的分配,对原有基于拍卖模型的分配算法进行改进。引入供求理论加入需求因子和补贴函数,提出了一种基于需求拍卖竞价的认知无线电频谱分配算法。根据拍卖模型及动态频谱分配的特点,使用基于需求的系统总体效用最优的分配准则。在估价时考虑到了认知用户对频谱需求情况的不同,优先分配需求急迫的认知用户并对无线环境较差的用户进行竞价补贴以确保相对公平。通过仿真验证结果表明,本算法较之前提出算法在系统效用方面基本相当,公平性得到了明显提高,复杂度也得到了降低,提升了系统的整体效能。     

基于虚拟市场的网格资源分配策略

针对计算网格提出了一种基于虚拟市场的资源分配方法:以局部性原理为基础,建立虚拟市场区域,并以排序优化后的队首资源优先匹配策略实现计算网格资源的优化分配.然后分析了匹配有效性及分配策略的快速响应性;最后通过模拟试验证明了该分配策略有着良好的负载均衡性,且能够使资源提供者和消费者双方的满足最大化.     

OFDMA中继系统资源分配算法研究

为了公平且有效地在OFDMA中继系统下行链路进行资源分配,文章提出了基于效用函数的资源分配算法,并根据凸优化问题的对偶分解理论,提出了一种分布式求解算法,得到了相关问题的全局最优解.理论分析和数值仿真结果表明,文章提出的资源分配算法具有较低的系统复杂度,可以使系统效用函数最大,从而在保证用户公平性的前提下,使系统的和速率容量最大.     

D2D网络功率和频谱资源分配策略

针对蜂窝通信系统高能耗、 低通信资源利用率和低信道利用率的问题, 提出一种基于能量效率(energy efficiency, EE)与频谱效率（spectral efficiency, SE）联合优化的网络资源分配策略. 首先, 在保证通信用户服务质量（quality of server, QoS）的前提下, 提出一种基于启发式算法的信道选择策略, 为系统内的D2D（device-to-device）用户分配信道复用资源; 其次, 在通信系统干扰门限和回程容量限制约束下, 利用Lagrange对偶分解迭代实现系统功率和频谱资源分配. 仿真结果表明, 该算法能有效扩充系统内D2D用户的数量, 提高能量效率及信道利用率, 增加频谱利用率, 为D2D用户分配最优的功率, 增强业务承载能力, 降低通信系统能耗并减少资源浪费.     

蜂窝与D2D混合网络中的无线资源分配

针对蜂窝与终端直通（D2D）混合网络中的资源分配,将其建模为以最大化网络吞吐量为目标,关于蜂窝用户与D2D用户资源的联合优化问题。基于该模型进一步提出一种两阶段资源分配策略,即先采用改进的贪婪频谱分配算法将资源块分配给用户,然后基于对偶分解理论给每个资源块分配最优的传输功率。该算法在考虑蜂窝用户服务质量（QoS）的基础上,不再限制每个资源块上的D2D用户数目以及D2D用户可复用的资源数。仿真结果表明,所提算法在保证蜂窝用户速率性能的前提下,有效地提升了系统的整体容量。      

云计算资源优化问题求解的萤火虫算法

为了提高云计算资源利用率,结合云计算资源优化问题的特点,设计一种云计算资源优化问题求解的萤火虫算法.首先建立云计算资源负载调度问题的约束条件,以用户任务完成时间最少作为云计算资源负载调度优化的目标函数;然后通过萤火虫算法找到目标函数值最优的资源调度策略;最后在CloudSim平台上实现云计算资源负载调度仿真实验.实验结果表明,萤火虫算法减少了云计算任务完成的时间,均衡了云计算资源的负载,使云计算资源得到合理分配,且比其他算法优势明显.     

基于折衷规划的公路养护资源最优分配

为将有限养护资源合理分配到路面或桥梁等设施中,给出基于折衷规划的最优分配方法。以路面和桥面为例建立两阶段优化模型,第一阶段对路面和桥面独立进行资源分配,第二阶段以二者加权性能最大化为目标函数,实现资源共享基础上的最优分配。计算结果表明:本方法能够使路面和桥面养护后性能较常规方法分别提高3.4%和0.9%,并且资源利用效率也有了显著提高。本方法具有较强的工程应用性,有助于管理者在资金预算以及资源分配时的科学决策。     

云计算环境下多目标约束的虚拟资源动态调度

为了解决静态资源调度所导致的CPU利用率不高的问题,研究了多目标约束的虚拟资源动态调度方法。给出了云计算虚拟资源调度模型,设计了多目标约束的虚拟资源表示方法,采用马尔科夫链对虚拟资源的下一时刻状态进行预测,从而得到可用资源向量;最后,计算任务与可用资源向量之间的匹配向量,将任务分配给匹配向量中具有最大各维分量之和的虚拟资源进行调度,并提出了具体的采用基于马尔科夫链预测的云计算虚拟资源动态调度算法。实验结果表明：该算法能有效解决云环境下多目标约束的虚拟资源动态调度问题,具有较小的负载均衡离差和任务执行跨度,较其它方法具有较大的优越性。     

基于吞吐量和延迟折衷的 LTE 下行调度算法研究

在LTE(long term evolution)无线网络下行链路系统中,调度算法是其无线资源管理的重要技术,其主要任务就是为无线用户传输的各种业务合理地分配无线资源.尤其是针对Non-GBR(non-guranteed bit rate)业务传输,可通过一个高效的实时调度算法来提高系统的吞吐量,且保证每个用户的服务质量,其在很大程度上决定了整个系统的性能.鉴于最大权重(maxweight)调度算法虽然使系统的吞吐量最佳,但是却导致单个用户的延迟较大的缺点,运用李雅普诺夫最优化的理论提出了一种实时调度算法,此算法不需要知道信道状态概率的先验知识,仅根据当前的信道状态和当前的队列积压来做实时的资源分配决定和传输决定.理论分析和仿真结果表明,该算法在吞吐量和延迟之间有一个很好的折衷,不但使网络吞吐量最优化,而且减小了单个用户的延迟.     

比例公平保证下的SCMA能效资源分配研究

在倡导绿色通信的背景下,基于能效的资源分配算法是近些年研究的热点。针对稀疏码多址接入(sparse code multiple access, SCMA)下行链路系统,以保障用户服务质量为前提,降低接入网能量损耗,给出一种比例公平保证下的能效资源分配方案。将用户的最小速率需求以及传输速率比值作为约束条件进行能效资源分配。通过2个阶段的码本分配,既满足各个用户不同的速率需求,又保证了用户之间的公平性;根据已得到的码本分配方案,利用二分法求得近似最优能效下的功率分配。实验结果表明,所给出的算法在保证用户速率比例公平的前提下,也能获得较好的能效性能。