动态不确定场景下认知工业物联网的资源分配策略

针对动态不确定场景下认知工业物联网(CIIoT)业务的时延保障难题,提出动态不确定场景下保障业务时延需求的CIIoT资源分配策略.构建基于时延敏感业务的时延模型,推导保障业务时延需求的速率解析解.基于时延模型建立以最大化网络吞吐量为目标的CIIoT资源优化模型,该模型考虑在动态不确定环境下联立基站发射功率约束、设备之间的干扰约束和业务传输时延保障约束.由于该模型存在动态不确定性,导致模型难以求解,采用鲁棒优化理论将不确定参数约束转化为确定性约束问题,提出在动态不确定场景下CIIoT的资源分配策略.仿真结果表明,所提算法在动态不确定环境下有效地保障了业务的时延需求,提高了网络吞吐量.

基于改进差分进化算法的动态防空资源分配优化

面对动态防空资源分配问题中存在的空袭目标突现和雷达、发射车等资源受干扰现象,在综合考虑雷达、发射车和导弹等武器装备性能的基础上,基于目标集、资源集建立了最小化目标总拦截价值与生存概率的混合整数决策模型。提出了一种新的改进差分进化算法进行求解,采用反向学习策略生成初始解,确保初始种群的质量,设计了一种快速修复与重构的启发式规则作用于多阶段,以提升算法的搜索能力。仿真实验验证了该算法具有求解时间和求解精度上的优越性。该研究能使武器系统在动态事件的随机影响下,保持高效的作战能力和决策效果。

基于贪心策略的改进动态搜索方法在武器目标分配中的应用

数学中最优化理论是解决分配管理问题的一种常用手段。在战略中对武器目标的分配为了得到最好的效益,通常会将其建立分配优化模型。当构建诸多模型时,往往代价成本都比较大,因此经常划分若干过程进行求解。传统算法设计上,较为突出的就是动态规划,它是一个多阶段决策问题。论文分析武器目标分配的数学背景以及最优化理论的应用策略,分析了动态规划等策略的实际求解过程在武器装备分配问题上的应用。并提出了一种基于贪心策略的改进动态搜索方法,这种方法在处理规模已定的情况下,查找精确值的效率相比动态规划方法具有明显的提升。在作战软件的算法设计上有良好的借鉴价值。

空地网络资源分配与无人机基站动态部署算法

为解决空地网络中地面设备数量变化引起的用户体验质量无法满足的问题,提出了一种智能网络资源分配与多无人机基站动态部署方案。首先,考虑用户体验质量和无人机、地面设备能量约束,以最小化系统总能耗为目标进行问题建模;其次,将多无人机的动态部署问题转化成具有连续动作集的马尔可夫决策过程,并根据优化目标设计了基于能耗惩罚的奖励函数;然后,采用基于确定性策略梯度的深度强化学习算法求解此问题;最后,通过仿真和对比实验验证所提方案的有效性和优越性。实验结果表明:对于海量用户场景,所提算法比深度强化学习和演员-评论家算法有更好的收敛性和更高的累积奖励,与单无人机和传统地面基站部署方案相比,所提方案系统的能耗降低约30%~40%,用户服务质量满意度提升约50%~60%。

基于动态规划算法的资源应急分配优化模型

针对电力突发事件的资源应急分配问题,文中提出了基于动态规划的阶段优化模型。该模型依据各需求点的初始时刻需求,以最小化资源超时到达造成的损失为优化目标,进行资源的应急优化分配。同时考虑后续时刻资源需求的动态变化,基于上一阶段的优化目标叠加下一时刻资源需求缺乏量的惩罚项,从而实现不同时刻需求点之间资源的转运调度。文中采用自适应惯性系数和飞行时间来提高算法的收敛速度,并将所提IPSO应用于两阶段动态规划模型的求解。以人力资源数据进行的仿真结果表明,文中算法迭代40次即可收敛,显著优于传统PSO。且与单阶段优化模型在后续时刻出现明显人力资源缺乏的情况不同,该模型能够满足各需求点的动态需求,进而对应急资源进行合理分配。

边缘计算动态资源分配在通信网络时延优化的研究

针对边缘计算动态资源分配的通信网络时延优化问题,提出一种基于深度强化学习的算法。该算法建立一个综合考虑边缘节点的异构性、地理分散性、能量因果性等约束条件,以及时延、能耗、费用等多目标优化指标的数学模型,充分反映边缘计算网络的复杂性和多样性。该算法使用多层感知器作为策略函数,通过策略梯度方法和随机梯度下降法进行动态资源分配决策,实现通信网络时延的最小化。仿真实验结果表明,该算法在不同场景和参数下均能有效降低通信网络时延,提高资源利用效率和系统性能。与固定资源分配算法、贪心资源分配算法以及基于遗传算法的资源分配算法相比,具有明显的优势,尤其是在处理边缘计算网络的动态性和不确定性方面。基于深度强化学习的动态资源分配算法为边缘计算资源管理问题提供一种新的解决方案,也为通信网络时延优化提供有力的支持。

紧缺资源的最优分配及最优控制策略

紧缺资源分配问题一直是学术界及决策者重点关注的问题。在发现资源分配问题具有马尔科夫特性的前提下,根据最优控制的系统思想,建立了资源最优控制策略与分配模型。最后,通过对天然气资源消费的实证分析,检验并证明了本文所建模型的显著效果。

基于流量感知的无线接入网智能切片资源分配方法研究

为保障业务服务等级协议(Service Level Agreements, SLA)需求,使不同应用间差异化的服务质量需求同时得到良好满足,无线接入网(Radio Access Network, RAN)的动态网络资源配置十分关键。本文针对网络流量波动、网络状态快速变化的场景,提出一种结合时间序列预测和深度强化学习的智能化带宽分配策略,通过合理利用长短期记忆(Long Short-Term Memory, LSTM)网络和Dueling深度Q网络(Dueling Deep Q Network, Dueling DQN)以最大限度提高无线接入网切片的频谱效率和SLA满意度。通过使用LSTM网络对切片中数据流量进行预测,可以将深度强化学习算法的计算周期与实际切片配置周期有效解耦。同时为了在保障LSTM性能的同时降低其计算复杂度,以适应RAN中有限的计算资源,本文采用控制神经元连接比例的随机连接长短期记忆(Randomly Connected LSTM, RCLSTM)网络。此外,Dueling DQN与传统DQN相比,能够提高切片策略学习过程的Q值估计精度,以提升收敛速度。仿真结果表明:与原始DQN、优势Actor-Critic(Advantage Actor Critic, A2C)和硬切片方法相比,所提RCLSTM-Dueling DQN方案可以通过提前感知网络性能变化,有效降低网络环境波动对密集流量场景下无线切片资源管理的影响,在具有三种不同流量波动模式及服务质量需求的RAN切片场景中,可以获得收敛速度、频谱效率和切片SLA满意率的明显提升。同时,10%连接比例的RCLSTM网络能在保持极低性能损失的前提下,将原始LSTM的计算时间降低约11%。

5G场景下基于风险敏感的动态资源调度方法

针对超可靠低延迟通信(uRLLC)和增强型移动宽带(eMBB)动态复用场景中的资源切片问题,eMBB服务专注于高数据速率,而uRLLC在延迟和可靠性方面具有严格要求。鉴于此,资源切片问题被表述为一个eMBB/uRLLC联合资源分配优化问题,其目的是考虑eMBB数据速率的方差以减少立即调度的uRLLC流量对eMBB可靠性的影响。提出一种基于风险敏感的公式为传入的uRLLC流量分配资源,同时最大限度地降低eMBB传输风险,确保uRLLC的传输可靠性,并将优化问题分解为3个子问题,然后将非凸的子问题转换为凸优化问题以获得资源分配的近似解。仿真结果表明,该传输方案在为传入的uRLLC流量分配资源的同时,保证了eMBB和uRLLC业务的传输可靠性。

体系结构动态变化的软件测试资源分配算法

测试资源分配是软件测试中的一个核心问题。已有相关研究大都假设软件的体系结构是静态不变的,且几乎没有考虑成本约束。针对该问题,提出一种体系结构动态变化的软件测试资源分配算法。首先构建了一种体系结构动态变化的多阶段多目标多约束测试资源分配模型;然后基于参数重估计、广义差分进化,在算法中加入了种群重新初始化,该方法能减小算法搜索空间并提升算法性能;最后在算法中加入了一种新的修复处理机制,该机制能有效剔除算法产生的无效解。与归一化加权求和多目标差分进化(WNS-MODE)算法和基于第三代广义差分进化的动态测试资源分配(DTRA-GDE3)算法相比,所提算法获得的解集的容量值分别提高了约11.81倍和0.39倍。在覆盖值指标方面,所提算法完全覆盖了WNS-MODE算法,并且相对于DTRA-GDE3算法提高了81个百分点。在超体积值指标方面,所提算法分别提高了近6倍和9倍。实验结果表明,所提算法能够更好地适应软件体系结构的动态变化,可为软件产品的动态测试提供更多和更优的测试资源分配方案,并满足用户需求的动态变化。

基于策略的适应性工作流资源动态分配技术

基于工作流执行系统的适应性需求 ,提出了资源动态分配管理模块体系结构 ,修改和补充了 HP公司的工作流资源管理技术 .在需求策略、资格策略和替换策略的基础上增加了优先策略和情景策略 ,有助于实现资源的动态分配 ;利用重写技术和各种策略直接把需求转化为对应的 SQL查询语句 ,简单实用 .

基于效益博弈的云计算资源动态可协调分配策略研究

在对用户的任务进行计算资源分配时,为了有效提高计算资源的利用效率,减少任务执行所需要的成本,提出了一种基于效益博弈的云计算资源动态可协调分配机制。该机制采用时间矩阵和费用矩阵作为任务效益的衡量指标,提出效益博弈模型,通过该模型的效益计算方程来得到最好的资源分配策略。为了使得计算资源能够合理地按需进行分配,提出了动态可协调分配机制,在合理地分配资源,满足所有任务正常执行时所需资源的同时,最大化任务的执行效益。实验仿真及对比结果表明,在任务完成时间、任务执行的平均成本、任务完成成功率上,本文算法都取得了较好的效果。

TWDM-PON中用户行为感知的动态资源分配策略

TWDM-PON是下一代光接入网的主流方案,具有带宽高、距离长、用户多等特点.针对用户行为差异性增大的问题,为有效降低网络时延及提升资源分配的公平性,提出一种用户行为感知的动态资源分配策略.根据用户行为带来的业务动态变化状况,动态调整ONU的轮询机制以满足用户服务水平变化要求,并划分子周期交替发送不同等级的业务,设计高效的数据块加载方法来实现负载均衡的多波长传输.仿真结果表明,与传统策略相比,所提策略在保证资源利用率高达95%的同时,既使业务平均时延改善50%以上,也使资源分配具有更好的公平性.

Spark Streaming动态资源分配策略

针对Spark Streaming作为混合大数据计算平台流处理组件时资源调整周期长和不能满足多应用多用户个性化需求的问题,提出了一种多应用下动态资源分配策略(DRAM)。该策略增加了应用全局变量来控制动态资源分配过程。首先,获取历史执行数据反馈和应用全局变量;然后,进行资源增减计算;最后,进行资源增减执行。实验结果表明,所提策略能够有效调整应用资源配额,且在稳定数据流和不稳定数据流两种情况下,其处理延时相比原Spark平台的Streaming策略和Core策略都有所降低;同时该策略也能够提高集群资源利用率。

混合复用无源光网络中带有灰色预测的高效动态资源分配策略

针对混合复用无源光网络的用户接入距离增大,使得往返时延增加,造成网络中闲置时间增多,进而引起带宽浪费的问题,该文提出一种带有灰色预测的高效动态混合资源分配策略。通过对闲置时间内到达的数据进行灰色预测,动态确立光网络单元的带宽分配策略,以减小网络时延;利用波长结束时间的差异性,周期性地实时调整各波长的数据传输顺序,实现波长的高效利用和负载均衡。仿真结果表明,该动态资源分配策略有效地消除闲置时间的影响,且波长得到高效地利用,提高了带宽利用率的同时减少网络时延。

基于强化学习的无人机网络资源分配研究

以无人机网络的资源分配为研究对象,研究了基于强化学习的多无人机网络动态时隙分配方案,在无人机网络中,合理地分配时隙资源对改善无人机资源利用率具有重要意义;针对动态时隙分配问题,根据调度问题的限制条件,建立了多无人机网络时隙分配模型,提出了一种基于近端策略优化(PPO)强化学习算法的时隙分配方案,并进行强化学习算法的环境映射,建立马尔可夫决策过程(MDP)模型与强化学习算法接口相匹配;在gym仿真环境下进行模型训练,对提出的时隙分配方案进行验证,仿真结果验证了基于近端策略优化强化学习算法的时隙分配方案在多无人机网络环境下可以高效进行时隙分配,提高网络信道利用率,提出的方案可以根据实际需求适当缩短训练时间得到较优分配结果。

ATM网络虚通道资源动态分配的分散控制

建立了 ATM网络 VP资源分配控制模型 ,并对其进行了分散化处理 ,使用动态规划求出分散模型下的控制律。仿真结果表明 ,尽管在性能上比集中控制稍有下降 ,但其可实现性和扩展性远远高于集中控制 ;与简单的反馈方案相比 ,降低了呼叫损失 ,提高了网络的利用率。

考虑患者转运的跨区域动态协同应急物流选址-分配优化研究

针对突发公共卫生事件下多个受灾地区之间跨区域应急资源配置的现实需求,研究考虑患者转运的跨区域动态协同应急物流选址−分配优化问题,构建跨区域的患者转运与应急资源协同配置两阶段优化决策模型。模型第1阶段优化确定患者动态变化与相应医院数量及其选址,第2阶段优化确定应急物资配送中心选址与应急物资分配。该优化模型同时考虑应急物流总成本(包括设施固定成本与运营成本)与转运时间2个优化目标,且考虑多周期动态变化的实际需求。针对上述优化模型特征,设计嵌入模型预测控制(MPC)方法的改进遗传算法。该算法将每个决策周期分为3个环节:1)疾病扩散预测环节,即每个周期开始时对疾病发展趋势进行预测;2)应急决策规划及实施环节,根据规划窗口的预测数据制定并实施应急选址−分配方案;3)数据更新与动态调整环节,即每个执行周期结束时,根据实际执行数据制定下一个周期决策。3个环节交互进行,相互迭代直到完成整个规划时期。最后,以贵州省跨区域的应急资源协同配置优化为例,验证所提优化模型及其求解算法的有效性。研究发现:与各区域独自应急相比,跨区域动态协同应急方案在转运时间没有明显增加的情况下,能有效降低应急成本,能够高效率地利用应急设施为感染患者提供救治。研究成果为突发公共卫生事件中多区域之间的协同应急资源配置优化提供决策支持。

结合互联网流量均值和峰值考虑的动态缓存分配控制策略及仿真

针对传统上以长期流量均值设计缓存器的情况，本文提出一种结合流量均值和峰值考虑的动态缓存分配控制策略，并在一定的假设前提下进行了仿真分析，得出通过合理的配置均值和共享缓存器的比例可以较好地适应突发流量对于缓存的要求，具有一定的实用价值。

高校私有云计算资源分配策略的改进

为提高私有云计算资源的应用效能,文章指出了高校私有云计算应用的有序特点,再结合该特点阐明高校各信息系统的业务与云计算资源的供需关系,从而说明现行资源分配策略静态实施方法容易产生资源浪费的问题及其原因,由此提出了一种改进的资源分配策略动态实施方法。通过对有关信息系统的平均资源占用率的计算对比,从理论上证明了改进策略有助于提升高校私有云计算资源的应用能效。