一种基于QoS的多维资源近似最优分配算法

分布式多媒体应用需要同时使用多种系统资源来保证用户的 Qo S要求 ,如何在竞争资源的应用之间合理分配资源 ,使得在满足用户 Qo S要求的基础上资源的利用率最高成为一个急需解决的问题 .针对分布式多媒体应用的特性提出了一种基于 Qo S的多维资源近似最优分配方法 ,该方法能显著地降低资源最优分配问题中的计算复杂度 ,并获得近似最优的资源分配方案 .

IEEE 802.16网络中保障QoS的多用户业务调度算法

基于IEEE802.16协议,研究了宽带无线接入网中保障QoS的上行多用户多业务资源分配和调度问题。首先,对该问题建立跨层分析模型,即基于TDM-OFDMA物理层的多址接入队列调度模型。随后提出了基于凸优化方法的最小剩余聚合工作负载算法。可以证明,只要到达业务的QoS参数值在该算法的稳定域内,那么它就能渐进地保证业务的QoS要求,同时还能最小化调度系统的剩余聚合工作负载。仿真实验的数值结果进一步证明了本算法的确能够在可接受的复杂度范围内保证4类服务的QoS要求。

基于QoS需求的认知无线电资源分配算法

在误比特率、总发射功率以及主用户可容忍干扰门限的约束下,提出一种基于正交频分复用的认知无线电系统多目标优化贪婪分配算法。以最小化发射功率、最小化跨频干扰及满足次用户QoS需求为优化目标,线性组合这3个目标函数,把多目标优化问题转化为单目标优化问题,采用贪婪算法实现多目标优化。仿真结果表明,该算法的系统总容量趋近于最优,在降低对主用户跨频干扰的同时,能够有效地满足次用户的QoS需求。

保证QoS的路径级网络资源分配算法研究

随着越来越多的实时业务接入因特网,如何在满足业务端到端QoS要求的前提下,使网络接纳更多用户成为一个严峻的挑战.本文首先对路径级的网络资源最优分配问题建立数学模型.理论推导证明:该问题可以通过一个简单的最优规划问题求解.随后,根据求得的最优解的特点,本文提出了一种结合网络资源状态和用户业务QoS要求的资源分配算法—ERA算法.ERA算法不仅运算简单,而且仿真结果也表明,在相同网络资源总量的前提下,其接纳的用户数目可以达到理论的上界.

分布式多媒体应用级QoS协商算法

资源预约是保证分布式多媒体应用服务质量 ( Qo S)的重要手段 .提出一个应用级 Qo S协商算法 ,该算法有两个主要优点 :一是局部参数全局化 ,使预约变得灵活 ,便于直接对用户所关心的 Qo S参数进行预约 ;二是全局预约局部化 ,使预约变得简单 ,有利于实现最优延时分配 .

计算网格服务分配的QoS优化研究

为满足用户对QoS需求中执行时间、服务费用的不同要求,提出一个计算资源服务分配的QoS优化方法,有助于在众多分配方案中作出满足用户特定需求的选择。具体实例表明,这种方法具有较好的有效性和实际应用价值。

基于粒子群算法的无线信道资源分配算法研究

为了最大化多媒体无线信道资源分配的网络效用,提出了一种新的基于粒子群算法的信道时间分配算法。该算法能够优化分配给网络内每个设备的时间,以便为每位网络用户提供最优化的服务质量(QoS)。所提算法结合了多样性增加函数以及基于个体最优值的学习方法,并基于自适应粒子群算法进行了改进,在持续增强QoS的同时加快了收敛速度。在多达40个设备的千兆网络环境内对所提算法进行了测试。实验结果表明,提出的算法能够大大提升资源分配能力,尤其是在网络规模较大的情况下。

计算机网络服务质量优化方法研究综述

优化方法为设计更好的计算机网络服务质量保证机制提供了有力的理论支持.相较于传统启发式的网络设计方法,优化方法可以从理论上找到问题的最优解,从而从根本上克服了启发式方法不能证明方案优劣程度的缺陷.因此,基于优化方法的机制设计与性能评价成为了当前网络服务质量领域中的一个前沿研究领域.大量的研究着眼于从优化理论的角度重新建立网络模型,按照优化理论给出的求解机制和实施方案设计网络协议.计算机网络的优化可以划分为资源分配、任务调度、网络资源部署和系统参数配置等4方面问题.对计算机网络服务质量的优化建模、求解、实施和评价成为当今研究的热点.根据最新网络服务质量优化的研究进展,文中对计算机网络服务质量研究中所涉及到的优化技术进行了研究与综述,主要包括4个方面:系统地描述了计算机网络模型优化算法的通用表达形式,并将其按照不同的方式进行分类;探讨了不同结构的优化模型对应的求解方案;对比分析了不同优化算法的实施方案,给出了方案之间的联系与区别;归纳了计算机网络中优化方案的性能和代价评价方法.最后,对全文进行了总结,并展望了进一步的研究方向.

面向负载-时间窗口的基于PSO-GA的云软件服务自适应资源分配方法

如今,基于云计算的软件服务对自适应资源分配提出要求,这种分配可以根据需要动态调整资源,以保证良好的服务质量(QoS,Quality of Service)和低成本资源.然而,在复杂波动的负载环境下,以具有成本效益的资源量来分配资源并满足QoS是一个挑战.本文引入一种同时考虑当前工作负载和未来工作负载变化的自适应资源分配策略,该策略在预测资源分配操作中,以QoS预测模型为基础,使用面向负载时间窗口的方法,将当前负载以及窗口内未来的负载加入资源分配方案计算过程中,最后使用基于PSO-GA的运行时决策算法来搜索合理的资源分配方案.我们在RUBiS历史数据的基准上评估了我们的方法.实验结果表明,基于本方法的云应用资源分配的有效性有所提高.

基于Kuhn-Munkres最优匹配的D2D资源分配算法设计

由于资源复用,D2D链路与蜂窝链路之间会产生同频干扰。为了抑制这种干扰,提出了一种基于Kuhn-Munkres最优匹配的资源分配算法。该算法采用了图论中的Kuhn-Munkres最优匹配算法来实现最大限度的复用系统内的RB,达到提高系统吞吐量的目的。同时,通过使一对D2D用户复用多个RB进行通信以保证不同的Qo S需求。最后,通过计算机仿真可以看出,该算法既可以有效地满足D2D用户的不同Qo S需求,又提高了系统吞吐量。

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.

基于自适应遗传算法的实现服务质量优化

服务质量优化问题是多维服务质量参数映射有限的资源问题 ,这个优化问题是一个 NP- hard问题 .我们采用通过改进流行遗传算法来解决这一棘手问题 ,于是提出了基于权的自适应遗传算法 (weighted based adaptive geneticalgorithm) ,通过实验说明这一算法优于目前为止最好的启发式算法 [4]和普通的遗传算法 ,算法运算时间短 ,鲁棒性强 .

多媒体流协议及资源分配

在介绍了目前互联网无 QoS 质量保证或保证不足的基础上,提出了如何为互连网上传输多媒体流提供 QoS 方案的问题。阐述了目前采用的速率控制方案及存在的不足,提出了一种互联网上用于多媒体流的端到端传输体系结构和一种基于 TCP 的多媒体流协议,这种协议能够根据网络状态的前向估计和信息反馈最优地跟踪网络状态。同时,给出了一种资源分配方案通过率失真函数使媒体速率适应估计的网络带宽。

基于分解策略的计算网格资源分配优化

提出多种Agent分别代表用户、服务提供者、资源提供者相互协作解决网格资源分配优化问题.采用双层市场模型解决网格系统资源的最优调度,即网格用户Agent与网格服务Agent相互协作的服务市场,以及网格服务Agent与网格资源Agent所组成的资源市场.为了降低计算复杂性,将分配优化问题分解为两个子问题,分别在资源市场和服务市场中解决.在双层市场中两个子问题所获得的优化值即为主问题的优化值.

减小TD-LTE系统传输时延的基于优先级的资源分配算法

传统资源分配算法主要解决系统吞吐量最大化的问题，然而在基于TD—LTE系统的应急通信系统中传输时延是很重要的性能参数。本文针对传输时延优化问题，提出了一种基于优先级的资源分配算法。首先该算法根据各终端用户所处信道状态以及用户的业务时延动态调整各用户在资源块上的传输优先级，然后按照该优先级给用户分配无线资源直到所有用户业务满足最低传输速率，最后将剩余的无线资源分配给业务时延较大的用户。仿真结果表明，与传统调度算法相比，该算法具有传输时延小、系统吞吐量大的优点。