软件定义网络中集群虚拟网络的构建

【目的】随着云计算平台越来越庞大并且呈现出动态化特点,对如何满足多个用户的计算请求而进行有效资源分配,同时保障整个网络的性能进行探索。【方法】首先,提出一种集群虚拟网络(CVN)策略和动态堆排序算法。其次,将联合多个pod构建跨pod集群虚拟网络(CP-CVN),同时保障网络的性能。进而将此网络优化问题公式化为线性规划问题(LP),并提出一种近似对偶算法解决此线性规划问题。【结果】理论分析表明所提出的对偶算法是可行的,实验结果验证对偶算法解决了软件定义网络中的资源分配问题,同时保障网络性能。【结论】理论和实验分析表明所提出的对偶算法是可行的。     

节点删除法的虚拟网络映射算法

虚拟网络映射是虚拟网络研究的关键内容,传统的贪婪算法在映射成功率和降低网络负载方面存在不足.将系统科学研究方法引入到虚拟网映射中,提出一种基于节点删除法的虚拟网络映射算法,根据节点删除对网络连通的影响程度来对网络节点进行排序,同时不断更新节点的状态,优先选择空闲节点进行资源分配.仿真实验表明,该文算法不仅能提高映射成功率,同时也能显著提升网络负载的均衡性能.     

利用半无限规划的离散化方法求解半定规划问题

【目的】对半定规划的强对偶定理以及求解半定规划近似解的算法进行讨论。【方法】利用求解半无限规划的近似解的离散化思想,及线性规划的强对偶定理。【结果】得到了半定规划强对偶定理一种新的证明方法以及求解半定规划近似解的离散化算法,给出了该算法的数值实验结果。【结论】为半定规划问题提供了一种新的近似求解算法。     

利用半无限规划的离散化方法求解半定规划问题

【目的】对半定规划的强对偶定理以及求解半定规划近似解的算法进行讨论。【方法】利用求解半无限规划的近似解的离散化思想,及线性规划的强对偶定理。【结果】得到了半定规划强对偶定理一种新的证明方法以及求解半定规划近似解的离散化算法,给出了该算法的数值实验结果。【结论】为半定规划问题提供了一种新的近似求解算法。
     

求解LP问题的部分基变量算法

一般形式的线性规划问题在找不到基本可行解或对偶问题的基本可行解时,无法用传统的单纯形法或对偶单纯形法求解,即"两看一算"算法.为了解决这个问题,结合两种"两看一算"算法,提出了一种新的算法--部分基变量算法.该算法首先从部分基变量出发,由初等行变换将LP问题转化为准典式,然后由初等行变换找到全部可行基变量,最后用对偶单纯形法得到最优解.对算法的正确性和可行性进行了严格证明,提出算法的实现方式并举例进行了说明,对算法的特点进行了讨论.分析表明所提出的算法是实现线性规划问题求解的较为理想的算法.     

互补约束数学规划问题的对偶性

【目的】研究互补约束数学规划问题的Mond-Weir型对偶。【方法】把非线性规划问题的Mond-Weir型对偶推广到互补约束数学规划问题。【结果】在一些弱凸性条件下证明了弱对偶定理、强对偶定理和严格逆对偶定理。【结论】举例说明本文给出的互补约束数学规划问题Mond-Weir型对偶是合理的。     

超密集异构网络中的一种混合资源分配方法

针对在宏小区覆盖范围内高密度部署小小区所带来的跨层干扰和同层干扰,研究了超密集异构蜂窝网络中的资源分配问题,采用了一种共享频谱与分离频谱共存的混合频谱分配方案。依据簇中小基站与宏基站的干扰是否超过设定的阈值,将簇进行分类并以不同的方式进行资源分配,超过阈值的簇采用分离频谱的方式分配资源,反之,可共享整段频谱。而在每个小基站簇内,在相应的约束条件下采用对偶分解法求出规划的优化目标,为每个小基站分配子信道和功率。基于联合分配方案提出算法1和算法2(次梯度算法),算法1最接近最优解决策略,而算法2可以解决高复杂度问题,具有更高的实用性。仿真结果表明,所提方案能够有效地抑制干扰、提升系统容量,同时兼顾用户间公平性。     

基于原始对偶内点法的无线传感网网络信息最大化研究

对无线传感器网络(WSN)中传输的信息量最大化问题提出了一种新的算法。新算法使用原始对偶内点法求解,实现了快速优化网络的目的。此文通过仿真一个传感器网络的实验,证明此算法是正确的,且具有比较快的收敛速度。     

OFDMA中继网络中联合队列和信道信息的资源分配策略

针对基于正交频分多址接入(OFDMA)的多中继、多用户的中继网络,研究了联合队列和信道信息的资源分配问题,目标是最大化下行系统吞吐量,同时保证用户队列的稳定.首先将子载波配对、载波对分配和功率分配问题建模为一个联合优化问题,之后通过对变量进行连续性放松,采用拉格朗日对偶方法进行求解,并利用Karush-Kuhn-Tucker(KKT)条件及匈牙利方法获得优化问题的近似最优解.性能分析与仿真结果表明,与仅利用信道信息的算法相比,所提的联合队列和信道信息的资源分配算法能够有效地提高系统吞吐量并降低用户数据包平均等待时延.     

基于拉格朗日对偶的一类全局优化算法

针对带有非凸二次函数约束的非凸二次规划问题(NQP),提出了一个基于拉格朗日对偶的确定型全局优化算法,这类优化算法可广泛应用于工程设计和非线性系统的鲁棒稳定性分析等实际问题中.为求解此问题,首先,应用拉格朗日对偶对原问题进行下界估计.其次,为克服拉格朗日对偶问题的非凸性,利用线性化方法,得到拉格朗日对偶问题的线性下界估计,并且由此建立了NQP拉格朗日对偶问题的松弛线性规划(RLP).如此通过对RLP可行域的细分和一系列RLP的求解过程,从理论上证明了算法收敛到NQP的全局最优解.数值算例应用结果表明,该方法是可行的.