资源分配问题的动态规划求解方法

一种或几种资源分配给若干用户,或投资于几家企业,以获得最大的效益.文章适当引入阶段、状态变量、决策等将资源分配问题视为多阶段决策过程,应用动态规划方法并且在计算机上通过MATLAB编程方便地求解资源分配问题.     

基于Storm的自适应弹性资源分配策略组件实现

针对Storm平台的静态资源分配问题,提出一种分布式自适应弹性资源分配策略,能最优满足应用的资源需求.基于该策略,结合Storm的资源分配机制、应用编程接口和用户界面的参数,实现了一个面向Storm的弹性资源分配组件,支持应用资源的自适应动态调整.实验结果表明,在真实的流数据集上,分布式最优策略与中值式动态资源分配策略和Storm的静态资源分配策略相比,在吞吐量、丢失率和资源利用率上均有优势.同时,该自适应弹性资源分配组件能很好地与Storm系统交互,为其他弹性资源调度组件开发提供了可借鉴的解决方案.     

AAFSA-RA:一种采用高级人工鱼群算法的多资源分配方法

针对资源受限环境中多任务间的多资源分配问题,提出一种采用高级人工鱼群算法的多资源分配方法(AAFSA-RA)。对多资源分配进行建模,结果表明多资源分配是多约束多维度的复杂函数最优化问题。针对基本人工鱼群算法(AFSA)在寻优过程中速度慢的问题,提出一种高级人工鱼群算法(AAFSA)。通过适当地限制人工鱼的随机游动来改进觅食行为。引入步长和视野的两级动态调整机制,基于鱼群进化过程进行一级调整,基于人工鱼个体的食物浓度及变化情况进行二级调整。根据人工鱼个体食物浓度控制人工鱼的生命周期。基于AAFSA进行多资源分配。仿真实验结果表明:AAFSA-RA可以稳定地搜索到全局最优值,与现有AFSA算法相比,AAFSA寻优速度更快;与传统资源分配方法相比,AAFSA-RA可以达到更高的精度,并且对效用函数无特殊要求。     

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.     

生命伦理学及其资源分配问题

随着现代社会的发展 ,在传统的医学伦理学基础上逐渐形成的一门新学科——生命伦理学。它除了由于科学技术的迅速发展而增添的新的伦理道德问题 ,还由于现代医学的发展已逐渐成为一种社会性的事业 ,从而带来一个收益与负担的分配以及分配是否公正的资源分配问题。生命伦理学中的资源分配可分为宏观资源分配与微观资源分配两种 ,前者指各级政府部门所作出的资源分配决策 ;后者是医生或医院管理人员将有限的稀有资源在不同的病人间的分配。无论是宏观资源分配还是微观资源分配 ,都期待从生命伦理学角度对它作出回应     

DEA方法在资源分配问题中的应用

资源分配问题一直以来都是经济管理学领域中的研究热点.然而,由于众多资源分配问题本身的复杂性,许多情况下利润函数难以确定或者确定出的利润函数过于复杂较难用常规的方法求得最优解.针对该类资源分配问题提出了一种基于DEA效率值的分配方法.该方法通过计算决策单元的效率值对资源进行分配.对于效率值相同但资源不够分配的特殊情况通过交叉效率值对其进行分配.对于不能够通过CCR模型进行资源分配的特殊问题,提出了综合DEA分配模型.最终将这一方法应用到了某省自然科学基金的分配问题中.     

利用动态规划求解资源分配问题

动态规划是解决多阶段决策过程最优化问题的一种数学方法,资源分配问题解决将一种或几种资源分配给若干用户或投资于几家企业,以获得最大的效益,它可以是多阶段决策过程,也可以是静态规划问题,都能构造动态规划模型求解。本文针对资源分配问题设计了动态规划求解算法,数值结果表明该算法是可行有效的。     

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.     

基于深度Q网络的云演艺延迟敏感业务QoE优化

网络中的资源分配问题一直备受关注,特别是在超高清视频流的传输中,对资源的有效管理至关重要。然而,随着网络服务的多样化和不断增加的业务类型,传统的资源分配策略往往显得不够灵活和智能。深度Q网络（Deep Q-Network,DQN）是一种能够自适应地学习和调整资源分配策略的神经网络模型。它基于神经网络与Q-Learning算法,通过不断尝试和学习来决策最佳的资源分配方案。本文旨在研究一种在云演艺场景下基于深度Q网络的延迟敏感业务资源调度算法,以满足当今网络中多样化的业务需求。仿真结果表明,基于深度Q网络的延迟敏感业务资源调度算法使得用户体验质量（Quality of Experience）指标显著提升,表明所提算法能够更好地满足延迟敏感业务的需求。     

基于拍卖的网络切片虚拟资源分配算法研究

网络切片可以针对不同应用场景的网络速率、时延、可靠性等需求,根据业务对网络功能、安全性等需求构建虚拟的逻辑网络,该技术是5G的关键技术之一。针对网络切片多样化的QoS需求,提出了一种以最大化收益为目标的虚拟资源分配优化算法。该算法针对各个切片业务需求的差异性以及当前用户状态定义切片优先级,并以价格代替信誉因子,确定网络切片需求资源的拍卖报价,并根据可回收的资源量动态地更新和确定价格基准,再将资源优化分配问题转换成为拍卖问题,结合价格更新算法以及资源分配算法并进行求解,为各个业务切片分配资源。仿真结果表明,所提出的资源分配算法可以在满足切片多样化的QoS需求的同时有效提升用户业务体验满意度。     

解决不同类型指派问题的EXCEL模型

指派问题,运筹学分支整数规划的一种应用,主要用于解决资源配置方面的问题.通过EXCEL建立了不同类型指派问题的模型,旨在得到最优化的方案,并可将该模型应用于组织的管理活动,提高经济效益.     

一类多阶段资源分配问题

用动态规划方法研究多阶段资源分配问题,建立了数学模型,通过状态转移方程得出一个简单的求解该问题的方法．     

基于Petri网的离散事件系统初始资源优化配置

资源优化配置技术能够在系统执行任务之前提供合理的资源分配方案,以满足预先设定的生产目标、成本等约束条件,对于节约成本、提高经济效益具有重要意义.本文基于Petri网研究离散事件系统的初始资源优化配置问题.首先,根据Petri网的结构化特性将初始资源优化配置问题抽象为整数线性规划问题;其次,利用Lingo等软件求解初始资源优化配置问题;最后,利用实例对提出的方法进行验证.实验结果表明,提出的方法简单,高效,具有重要的实际意义.     

一种基于多标拍卖的资源分配算法

针对有限资源开放式系统多任务多资源分配问题,提出了一种基于多标拍卖的资源分配算法. 算法首先基于资源效用曲线为每个任务建立投标集合. 其次,任务向系统递交投标,系统收集所有任务投标并定义市场出清价, 确定资源分配的规则. 最后算法通过启发式方法调整每个任务的最大投标值,以获得接近最优的系统总效用. 实验结果表明算法在资源有限的情况下优先分配资源给投标价格高的任务,与0-1整数规划资源分配算法相比时间复杂度低,最优值偏差不大.      

监控与预测的云资源优化配置

针对云环境下虚拟机资源在多数时间中处于闲置状态导致云资源利用率低的问题,设计一种云资源监控系统,并在云监控基础上提出一种基于自回归积分滑动平均(ARIMA)模型的动态负载预测与资源配置的方法.该方法利用虚拟机负载与配置的关系,通过预测负载情况,提前启动或者挂起虚拟机,提高云资源的利用率.研究结合OpenStack云环境提供的虚拟机,实现其下的云资源监控,预测和弹性分配功能.结果表明:该系统能准确预测虚拟机的需求量,所制定的资源弹性分配策略能够提高云资源的利用率,进一步节约成本.     

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.     

Prioritizing global conservation efforts

One of the most pressing issues facing the global conservation community is how to distribute limited resources between regions identified as priorities for biodiversity conservation. Approaches such as biodiversity hotspots, endemic bird areas and ecoregions are used by international organizations to prioritize conservation efforts globally. Although identifying priority regions is an important first step in solving this problem, it does not indicate how limited resources should be allocated between regions. Here we formulate how to allocate optimally conservation resources between regions identified as priorities for conservation--the 'conservation resource allocation problem'. Stochastic dynamic programming is used to find the optimal schedule of resource allocation for small problems but is intractable for large problems owing to the "curse of dimensionality". We identify two easy-to-use and easy-to-interpret heuristics that closely approximate the optimal solution. We also show the importance of both correctly formulating the problem and using information on how investment returns change through time. Our conservation resource allocation approach can be applied at any spatial scale. We demonstrate the approach with an example of optimal resource allocation among five priority regions in Wallacea and Sundaland, the transition zone between Asia and Australasia.     

基于服务质量的动态资源分配算法

在网络虚拟化过程中,当前大多数物理资源分配算法,主要考虑了资源利用率和网络收益,而忽略了虚拟网络请求的服务质量,从而在不同用户之间造成不公平。针对该问题,提出基于服务质量的动态资源分配算法。该算法在空闲时频资源非连续情况下,只有当虚拟网络请求的生命周期足够长,满足重分配影响因子情况下,才优先为资源量小的虚拟网络请求重分配物理资源;在空闲时频资源连续情况下,综合考虑优先级、时间容忍和网络收益因素影响,为虚拟网络请求分配相适应的物理资源。仿真结果表明,该算法相对于传统基于生命周期的动态资源分配算法和贪婪动态分配,在实现物理资源高效利用的前提下,不但保障了虚拟网络请求的服务质量,而且降低了该算法的运行时间。     

混合资源调度的遗传算法研究

针对多机群协同计算背景下的混合资源调度的NP难题,采用一种新型的遗传算法和编码规则,较好解决分布式并行计算环境下,多任务与多资源的调度分配问题,并给出了实例计算,结果表明,该算法能较好地解决资源之间的冲突问题,而且遗传算法操作简单,每个染色体都对应一个可行调度,同时避免了非法染色体的产生。