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。     

一种网络安全资源分配方法

为了提高网络安全投资决策的准确性,提出了一种网络安全资源分配模型.该模型将网络攻击事件划分为外部攻击和内部攻击两类,分析了网络脆弱性与安全资源分配之间的关系,给出了不同条件下的网络安全资源最优分配策略.仿真结果表明该模型符合网络的安全特点,可提高网络安全投资决策结果的准确性和实用性.     

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.     

基于粒子群优化算法和博弈论的网络学习控制系统带宽调度

研究了双层网络学习控制系统的带宽调度优化问题.为了合理分配子系统的带宽,引入了网络定价体系和动态带宽调度方法,建立了非合作博弈模型,从而将网络控制系统的网络资源分配问题转换为非合作博弈竞争模型下的Nash均衡点求解问题.在此基础上,采用粒子群优化算法得到此框架下的纳什均衡解,并进一步给出了网络控制系统的时间片调度方法.仿真结果表明了所提方法的有效性.     

基于社会距离的下一代网络带宽资源分配方法研究

研究了下一代网络中瓶颈链路的带宽资源分配问题,利用融入了社会距离参数的用户效用函数,使得用户的带宽资源分配问题转变成一个在不等式约束条件下的最优化问题.由于最优化问题的复杂性,最优的分配带宽是用数值方法估计的,相关的结果证明了社会距离参数在带宽分配上的重要影响.利用社会距离值对实际网络拓扑中节点进行分类聚合,证明了各组间的最优化带宽分配与网络拓扑中节点数目及分组中节点数目门限值存在相互影响的关系,算法有利于更好地对网络带宽资源进行分配.     

分布式无线传感器网络的速率分配和网络成本联合优化

针对无线传感器网络资源和带宽分配不合理的问题,引入网络净效用性能指标,联合网络流量控制和成本控制两个层面,建立了基于网络编码多径路由的无线传感器网络资源分配的优化模型,提出了一种基于流量控制因子和网络拥塞代价的分布式迭代优化算法.本文定义网络净效用为网络传输效用与传输成本之差值.仿真实验结果表明,该算法能有效进行节点速率分配和链路流量控制,优化网络资源分配和净效用.     

基于效用函数的C+W网络负载均衡研究

针对C+W网络中的负载均衡问题,提出一种基于效用函数的解决方案.首先获取网络关键指标,依据关键指标建立博弈模型,通过求解模型制定最优网络资源分配策略,最后依据该策略均衡网络负载,实现运营商利益最大化,方案给出了C+W网络负载均衡流程图.仿真结果证明算法是有效的,该方案能够提高网络资源利用率,实现了C+W网络负载均衡.     

低轨道卫星功率带宽资源联合分配方法

由于低轨道卫星星上功率和带宽资源有限,设计有效的资源分配方法具有重要的意义.基于此提出了一种低轨道星间功率带宽资源联合分配方法,提高了星间资源分配的公平性和网络业务承载能力.该方法应用地面站数目和星地链路存在时间刻画星间链路容量的比例,将星间资源分配问题归纳为非线性混合整数规划问题.通过引入动态可行域,定义二元变量更新操作来改进燕子群算法,用于优化模型求解.仿真得出卫星瞬时吞吐容量和瞬时网络容量变化具有周期性,并伴有随机波动,所提方法牺牲了网络容量,获取了星间资源分配的公平性.     

双层网络中一种协作博弈的动态资源分配方法

针对双层网络模型中宏小区用户层和毫微微小区用户层存在共信道信号互相干扰的问题,提出了一种协作博弈的动态资源分配(CGDRA)方法.该方法首先根据宏小区用户的路径损耗和QoS需求,对宏小区用户层的发射功率进行分配,然后以所有毫微微小区用户的数据速率之积作为效用函数,以毫微微小区用户的QoS需求为约束条件,构建了毫微微小区用户层总发射功率受限的协作博弈模型,并采用动态子载波分配算法和自适应功率分配算法得到了该博弈模型的低复杂度近似最优解,优化分配了毫微微小区用户的频谱资源和发射功率,提高了系统的传输速率.仿真结果表明:在双层网络中,CGDRA方法在系统数据速率和用户的公平性上获得了较好的折中;与最大最小公平性算法相比,系统的数据速率提高了30％;与最大速率算法相比更加公平.     

基于DPSO负载可控的虚拟网络映射算法

针对多租赁模式下的虚拟网络映射问题，以降低底层链路负载、加快映射速度、提高底层物理资源利用率为目标，将离散粒子群算法与虚拟节点映射规则相结合，提出了物理节点可复用、负载可控制的MLB-VNE-SDPSO算法.该算法在兼顾CPU等主机资源利用率的前提下节约了物理链路的带宽资源，缩短了虚拟链路的映射过程.仿真实验表明，在保证网络负载的前提下，获得了较好的物理节点利用率，提高了虚拟网络的收益成本比.     

一种基于VP／VC的动态带宽分配机制

提出了一种基于ATMVP/VC技术的动态带宽分配和网络自愈机制,该方案在确保网络业务的可恢复性前提下,将呼叫接纳控制、VP带宽分配、网络逻辑空闲容量分配集成一起,使网络吞吐量最大化.     

基于网络感知的两阶段虚拟机分配算法

提出了一种基于网络感知的两阶段虚拟机分配算法(NWTP).首先,针对现代数据中心网络拓扑的随机性(树形、服务器和光纤混合),根据交互对象的不同,将虚拟机的带宽请求分为网内带宽和网间带宽两种.其次,将虚拟机的分配过程分解成带宽区域划分和物理主机分配两个彼此连续的阶段,建立网络感知模型.然后,利用流水线技术将带宽区域划分和物理主机分配看作两个连续的工序,并发进行分配处理.在带宽区域划分环节,利用节点介数和聚集系数动态感知物理主机的稳定性,通过差异化的分配策略为虚拟机子集选择合适的物理主机区域.在物理主机分配环节,将更多的虚拟机分配到负载方差最大的物理主机上,提高虚拟机网内带宽的节约度,均衡物理主机的资源负载.最后,对NWTP,遗传GA,模拟退火SA,贪婪GR四种算法进行大量的仿真实验,从分配时间、延迟、吞吐率、CPU利用率、带宽利用率和物理主机使用情况六个方面验证了NWTP算法的性能.     

面向云服务的物联网环境下基于上下文感知D2D资源分配方案

无线移动通信、传感网络、机器对机器(machine-to-machine,M2M)通信和云计算等技术的最新发展对物联网应用的开发、部署和利用产生了深刻的影响.直连(device-to-device,D2D)通信作为一种提高蜂窝网络性能的新兴技术,在物联网应用中起着至关重要的作用.对于D2D通信而言,资源分配是实现高性能数据传输的关键,博弈论作为一种有效的数学工具被广泛应用于解决蜂窝网络资源分配的问题.针对D2D资源分配的方案已在前期工作中提出,该方案使基站能够通过感知不同通信环境为D2D用户分配合理的频谱资源,并且通过重复迭代为D2D用户分配更优的频谱资源.但是该方案并没有深入讨论纳什均衡(Nash equilibrium,NE)不存在情况下的资源分配问题.针对该问题,将基站和D2D用户的竞争看作是一个合作博弈模型,提出了一个资源分配方案来处理不同场景下,当NE不存在时的资源分配方案,旨在保证基站在不同环境下的收益效用最大化.对比前期的资源分配算法,该算法保证了无论NE是否存在,基站都能通过感知不同的通信环境来选择特定的资源分配策略来维护自身的利益.     

一种基于博弈论的对等网络带宽分配方案

为解决对等网络中多个异构下载节点从多个源节点下载的带宽分配问题,提出一种基于注水算法及能够容纳自私节点的对等网络带宽分配方案.以节点的满意度为效益函数、以整个网络总效益达到最大为目标,设计一种带宽分配方案,使得未达到其接收能力的下载节点的带宽水面高度保持相平,并且使下载节点在源节点带宽耗尽时进行带宽水面高度的转换.证明了这一方案是约束优化问题的最优解.利用博弈论中的Vickrey-Clarke-Groves(VCG)算法,通过支付函数,设计一种容纳自私节点的机制.利用这种机制,节点只有诚实报告其接收能力,才能使其自身效益最大.     

多信道无线多跳网络中视频流的跨层优化

为提高视频流在多信道无线多跳网络中的传输质量,提出了一种分布式的跨层优化算法.首先对信道分配、干扰、带宽分配、延时分配和视频传输失真进行了数学建模,然后基于凸规划和拉格朗日对偶分解理论,在视频流端到端延时限制下通过调整信源编码速率、链路带宽、链路平均延时上限及射频和信道分配来最小化总的视频流失真.理论分析和数值仿真表明,所提出的分布式跨层优化算法可以收敛到全局最优解.     

多种运输方式的组合优化模型及其求解

对可阶段化运输网络,提出了将路径选择与交通运输方式相结合的组合优化模型.通过虚拟一个运输网络,转化为一个与原问题等价的最短路径问题.先对网络进行优化,再设计相应的遗传算法对其求解.     

Joint channel allocation and power control with fairness in multi-hop cognitive radio networks

This paper investigates channel allocation and power control schemes in OFDM-based multi-hop cognitive radio networks.The color-sensitive graph coloring(CSGC) model is viewed as an efficient solution to the spectrum assignment problem.The model is extended to combine with the power control strategy to avoid interference among secondary users and adapt dynamic topology.The optimization problem is formulated encompassing the channel allocation and power control with the interference constrained below a tolerable limit.Meanwhile,the proposed resource allocation scheme takes the fairness of secondary users into account in obtaining the solution of optimization.Numerical results show that the proposed strategy outperforms the existing spectrum assignment algorithms on the performance of both the network throughput and minimum route bandwidth of all routes,as well as the number of connected multi-hop routes which implies the fairness among secondary users.