LTE中基于排队机制的动态资源预留接纳控制算法

长期演进(long term evolution,LTE)系统中,接纳控制是保证用户服务质量(quality of service,QoS)要求的重要技术之一。针对现有资源预留算法受预留门限值影响较大,且掉线率较高的缺点,提出一种适用于LTE系统的基于排队机制的动态资源预留算法。首先该算法通过设置门限预留部分资源,让切换呼叫直接接入,新呼叫以新定义的请求概率动态接入。其次在系统资源耗尽时,对切换呼叫采取排队机制,等待系统有剩余资源时接入。仿真结果表明,所提算法能有效降低切换呼叫掉线率,提高资源利用率,并且算法受预留门限值的影响较小。     

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.     

一种模糊的网格资源预留机制

资源预留是实现网格服务QoS保证的一种重要手段。提出了一种模糊的网格资源预留机制（Fuzzy Resource Reservation Mechanism,FRRM）,并设计了一种适用的预留请求接纳控制算法。FRRM能够感知网格资源的状态变化,根据其运行时信息动态地调度已接纳的预留请求。仿真实验表明,同传统的确定性的资源预留机制相比,FRRM尽管损失了一定的预留请求接纳率,却可以大大减少预留任务所产生的资源浪费,显著提高网格资源的利用率,对网格环境的动态变化具有更好的＂鲁棒性＂。     

IaaS下基于预测的弹性云服务的研究

针对供应虚拟机的IaaS （infrastructure as a service）云下虚拟机部署存在较高时延,导致弹性云服务效率低下的问题,提出一种基于ARIMA模型和季节指数的动态负载预测及资源估算的方法. 该方法利用负载与虚拟机配置的关系,预测负载值,并估算虚拟机需求量,从而可提前部署虚拟机,提高IaaS云的服务效率. 研究结合供应虚拟机的私有IaaS云环境,实现其下的弹性供应的资源决策模块. 实验与算法分析表明,该方法能够准确决策虚拟机资源量,保证虚拟机资源预留,有效改善了IaaS云的弹性效率.     

资源预留速率校正机制及仿真研究

网络为应用预留足够的资源以保证其传输性能是提供服务质量控制的基本机制。针对资源预留过程中可能的资源浪费问题,定义了＂资源隐藏＂现象,在分析成因的基础上总结了相关解决方法,提出了一种基于速率测量的预留速率调整机制,速率测量在速率包线方法的基础上考虑了流量自相似性。基于NS2的仿真建模实验验证了该方案的有效性和性能。与基于软状态的预留状态刷新方法相互补充,可有效解决＂资源隐藏＂问题,提高资源利用率。     

基于用户行为反馈的云资源调度机制

云计算中不断增长的资源种类、数量以及不断变化的用户需求给资源调度带来了极大的挑战,其中之一就是如何在复杂纷纭的云计算环境中为用户寻找真实所需的资源。针对这一问题,从用户的角度着手,基于用户行为对云资源调度问题进行深入的研究,提出了基于用户行为反馈的资源调度机制(user behavior-based resource scheduling mechanism with feedback control, UBRSM-FC)。UBRSM-FC利用用户交互行为,将用户行为信息融入到资源调度过程中,并结合相关反馈机制,建立用户需求的主动发现网络和反馈网络对调度过程不断微调和优化,使资源调度的结果与用户的主观感知更加接近。实验结果表明,UBRSM-FC通过反馈控制能够更好地满足不同用户不同程度的资源请求,提高了用户满意度,而且能够兼顾系统资源的利用率。     

基于资源预测的网格资源预留机制研究

资源预留是提高网格系统服务质量的重要手段.针对资源预留中存在不确定信息的实际情况,提出了在资源预留请求时考虑资源性能与任务时间特性的预测.提出了一种改进的残差GM(I,1)模型进行资源性能的预测;同时基于资源性能的预测,结合知识推理,研究了任务时间特性的预测.最后,提出了基于预测的网格资源预留、接纳与响应控制算法,以确保网格系统的服务质量;并通过对比仿真实验验证了算法的可行性与有效性.     

面向用户需求的空天地一体化车载网络任务分配策略

为了提高空天地一体化车载网络(space-air-ground integrated vehicular networks, SAGVN)内用户的网络服务质量体验, 解决不同网络间相互协同的问题, 提出了面向用户需求的SAGVN任务分配策略。基于用户信号强度、时延、网络费用和带宽需求, 利用效用函数理论和层次分析法(analytic hierarchy process, AHP), 构建用户需求和满意度描述框架。将网络任务分配过程抽象为半马尔可夫决策过程(semi Markov decision process, SMDP), 根据用户需求和网络状态, 利用价值迭代算法获得整体用户满意度最大的网络任务分配策略, 利用Q-learning算法得到近似最优策略。实验表明, 相较于传统策略, 所提策略整体用户满意度提高超过30%;在网络拥塞的环境下, 可以有效降低对网络服务需求迫切用户服务请求的拒绝率。     

基于随机模型的动态调度算法研究

针对多资源云环境中虚拟机放置问题,提出了一种在随机模型下综合利用率较高的动态调度算法MIUS （maximize integrated utilization scheduling）. 首先,在调度中心建立一个虚拟的中央队列缓存用户任务,然后利用随机路由算法对用户任务进行服务器快速选择,最后在服务器上建立虚拟等待队列并利用MIUS算法进行虚拟机配置. 仿真实验结果表明,该算法在保证QoS的情况下,实现了一定程度上的负载均衡,并可较大提高系统的综合利用率.     

一种新的基于DPRQ的LEO系统信道分配策略

在小区用户分布不均匀的前提下,基于动态优先预留排队切换DRPQ(Dynamic Priority Reserrvation Queue Scheme)提出一种适合于LEO卫星通信系统的信道分配策略,该策略能为高速业务和低速业务提供动态的优先级,按照优先级高低决定资源的分配.仿真结果表明,与传统的固定分配预留保护信道FCRS(FixedChannelReservation Scheme)的策略相比,该策略有利于在不同速率业务间根据具体用户的优先级均衡无线资源的分配.     

面向航空集群云网络的航空数据链MAC协议

针对未来航空集群作战的全新网络需求,提出了“航空集群云网络”的概念,设计了网络通信层面与任务需求层面耦合机制,为航空集群网络的具体通信技术研究提供了参考,并在此基础上结合基于正交频分多址(orthogonal frequency division multiple access, OFDMA)的可变带宽信道分配技术设计了一种面向航空集群云网络的媒体接入控制协议(aeronautic swarm cloud network oriented media access control protocol, ASCN-MAC)。详细设计了协议的任务需求认知机制,为智能化任务规划决策提供了通信支撑,并从需求出发,基于OFDMA的特点,提出了面向任务需求的层次化信道资源预约方式和信道资源贪婪预约算法。仿真结果表明,ASCN-MAC协议在任务规划决策的通信支撑能力、吞吐量性能和实时性上均具备较强的优势,可以满足新的作战样式下大量面向任务需求信息的可靠低时延传输。对全新作战样式下新一代航空数据链的研究具有一定的参考、借鉴意义。     

云计算环境下动态资源分配优化方法研究

云计算理论中动态资源分配优化模型研究有待完善,本文提出处理动态资源分配优化问题的群智能处理模型.通过建立博弈量 子场数学模型,探讨基于价格机制的博弈理论,进一步通过发掘群智能原型中群体行为,并发现其内在的自组织行为和合作行为 机制,从而研究模型的自治性、平衡态和稳定性.最后针对宽带网络的带宽分配问题应用实例,定义了需求偏差函数,采用需求 满意度大以及需求偏差小的优化目标验证了模型性能,研究结果表明：本文基于价格机制博弈策略的模型是有效和可行的,不仅可以满足供需双方的利益,而且提高了资源的利用率.     

面向移动云计算的VM动态调度算法

针对移动云计算中的虚拟机(virtual machine,VM)调度问题,考虑无线带宽限制对VM调度的影响,以云提供商的系统效益为目标函数,根据拍卖机制提出了一种带宽受限的VM动态调度(bandwidth constrainted VM dynamic scheduling,BVMDS)算法。该算法首先根据用户的出价来判定拍卖成功方,然后根据拍卖成功方对计算资源的需求来配置VM,最后采用临界支付的方式来计算拍卖成功方的实际支付价格。仿真结果表明,算法能够有效地改善云提供商的系统效益和资源利用率。     

一种适用于卫星网络信道预约的统计预测机制

针对随机竞争预约机制在网络负载较重时预约性能恶化导致卫星信道利用率下降的问题,提出了一种适用于卫星网络信道预约的统计预测机制,该机制在对预约时隙(slots for reservation, SR)可用度进行多等级划分的基础上,利用一致最小方差无偏估计和Faulkenberry理论计算下一帧SR可用度的预测区间,根据Markov模型的转移概率矩阵和SR可用度出现次数的频率估计,对下一帧内信道SR的可用度进行精确预测,用户终端根据预测结果动态调整预约请求的发送概率。理论分析与仿真结果表明,该机制具有较好的适应性和有效性,预测精度得到了较大提高,减小了信道预约冲突概率,提高了卫星信道利用率。     

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.     

IaaS模式“云训练”资源预测调度方法

基础设施即服务(infrastructure as a service, IaaS)模式“云训练”是基于IaaS云计算提出的武器装备系统模拟训练的模式,根据用户需求对训练资源进行预测调度是提高训练效果的重要保证。分析了“云训练”中用户任务、资源需求特点,采用阈值法进行预处理,通过动态权值系综模型得到预处理结果。在此基础上,提出基于减法模糊聚类的模糊神经网络的资源需求预测方法(subtractive fuzzy clustering based fuzzy neural network, SFCFNN), 并引入自适应学习率和动量项以提升收敛速度和稳定性。调度器根据预测结果实现用户需求与资源之间的动态匹配。实验表明该方法可精确预测用户资源需求,实现资源动态调度,有效提高资源利用率与训练效果。     

质量水平涨落函数与动态质量路由算法

实数区间适于表示用户质量需求和网络资源的动态变化。提出质量涨落函数这一新概念,揭示了质量因素的变化与质量水平涨落之间的内在联系。在约束质量水平涨落的前提下,推广了源路由算法、基于距离向量协议和链接状态协议的质量路由算法,使之成为与用户需求和网络变化特性相适应的、体现网络服务供需平衡与适度优化思想的动态质量路由算法。最后,给出判定路由路径质量水平涨落幅度的定理及其证明。