基于间隔型双边拍卖的网格资源预留算法

针对已有基于竞价拍卖的网格资源预留方法存在的问题，提出了一种基于间隔型双边拍卖的网格资源预留算法。根据网格资源预留的需求和拍卖机制的特点，给出了网格系统模型；基于间隔型双边拍卖的思想，设计了适合网格系统的资源拍卖机制，给出了详细的网格资源预留算法；算法的最优性分析表明：在资源拍卖过程，提供真实信息对用户方和资源方均是唯一占优策略，且算法能够保证中标资源供需平衡。 最后，模拟实验结果证明了算法的有效性和正确性。     

数据网格中基于MAS的复制管理研究

数据网格是网格环境下的一种数据管理和存储架构,通常使用数据复制技术来获得更好的数据访问效率和容错性能,提出了一种基于MAS的复制管理模型,解决数据网格中数据高度自治和动态带来的管理难题,探讨了基于MAS的实现架构,给出了Agent的结构和协作过程,将复制管理和复制优化策略封装于Agent智能模块中,结合实际应用使用Optorsim仿真器对模型和复制优化策略进行分析,并对经济模型的基于二项分布的估价函数进行了改进,仿真结果表明模型能够提供高效的复制管理服务.     

一种基于组通信的复制数据库在线恢复策略研究

数据复制是提高数据库系统性能和可用性的重要技术.近年来出现的基于组通信技术的数据库复制协议较之传统的数据库复制协议因其实现简单灵活、性能较优,在构建实用复制数据库系统时得到广泛应用.维持各节点副本一致性是数据复制技术研究的核心问题.讨论了当故障节点恢复后重新加入系统或增加新节点后如何恢复、维护系统节点副本间的一致性的问题.提出了一个针对分布复制数据库系统的在线恢复策略,该策略结合基于组通信技术的复制协议,可在不影响系统正常事务处理的情况下,实现故障恢复后节点或全新节点重新加入系统时的系统正确恢复,并给出了理论证明.同时还证明,该策略对于分布在不可靠网络上的复制数据库的在线恢复同样适用.     

一种提供一致性服务的数据网格复制模型

为了解决数据网格中数据一致性的问题，文章提出了一个一致性模型，引入了一致性服务的概念，并对一致性服务应当支持的复制策略进行了探讨，介绍了一致性服务的具体内容，包括复制协议、复制标准选择和它的临界条件，给出了在不同条件下一致性服务的解决方案。所描述的复制策略、复制选择方案构成了一致性服务的基础框架。     

基于移动Agent技术的自动拍卖模拟研究

自动拍卖的基本思想是用某种代理机制——Agent代替人监控整个拍卖过程。提出分阶段第二价格封标拍卖模式，设计了多Agent网上自动拍卖协议，和多Agent拍卖系统体系结构。提出三种拍卖策略模型：平稳加价型策略、跳跃型策略和保密型策略。利用移动Agent开发平台Aglet实现了一个模拟系统，并进行了多次仿真模拟实验，对实验数据进行了详细分析。实验结果表明该模拟系统基本达到设计目的，并为进一步研究自动拍卖相关策略、协议提供了一个实验平台。     

TCP/IP协议处理中的缓冲区优化及实现

针对应用层协议处理遇到的问题，提出了一种基于属性标识的缓冲区优化策略。该方法通过减少缓冲区操作的盲目性，可以基本消除各处理模块间缓冲区匹配所引起的数据复制，提高了系统性能；同时，该方法可以支持系统执行期间应用层协议处理通路的动态改变，提高了系统的灵活性。在基于内容的网络安全系统上实现了该方法，证实了方法的有效性。     

电子商务智能Agent的自适应模糊推理

电子市场中的买卖双方达成交易的过程可以看作是一个连续双向拍卖(CDA)协议。面向电子商务实际应用，给出了CDA协议下买卖双方参与竟标的模糊规则及模糊推理方法。在推理过程中，交易Agent可以根据市场需求状况和自身特性对模糊规则的某些参数进行合理优化，从而自动适应市场变化。     

一种基于Bayes均衡的网格资源调度算法

针对经济网格提出了一种基于市场机制的资源分配方法:以Bayes均衡理论为基础,依靠市场机制,实现网格资源的优化分配。首先给出了资源交易的经济模型:双边叫价拍卖模型;接着给出了网格资源分配的市场模型:基于Bayse均衡的市场模型;最后引入了网格资源管理的调度流程和算法。     

基于多Agent的多属性拍卖系统研究

通过对现有网上拍卖系统的深入分析,指出多属性网上拍卖系统的研究是最为薄弱的环节。依据网上交易的需求和分布式人工智能迅速发展,提出了一种基于多Agent的多属性网上拍卖系统,着重对多属性拍卖协议和策略,以及系统构架进行了探讨,给出了集成式的多属性网上拍卖系统的算法,并对今后的研究方向进行了展望。     

基于模糊预测的数据复制优化模型的研究

云数据处理系统中广泛采用了多数据副本复制技术,以防止数据丢失,如果数据复制的份数或位置不当,就会引起数据的可用性小于用户期望的数据可用性或存储空间的浪费（如复制份数过多）。针对该问题,经研究提出了一种基于模糊预测的数据复制优化模型,该模型由模糊预测模块和复制优化模块组成。模糊预测模块以节点信息（CPU信息、节点带宽信息、内存信息和硬盘信息）作为输入,预测出节点的可用性;复制优化模块把节点的可用性和用户期望的数据可用性作为输入,计算出在满足用户期望情况下数据复制的份数和位置。提出的复制优化模型能根据云数据存储系统中数据节点可用性实现动态的优化数据复制,能获得较高的存储性价比。模拟实验中基于模糊预测的数据复制优化模型策略需要的存储空间分别是Hadoop策略的42．62％,42．84％,但文件的平均可用性可达到88．69％,90．54％,表明提出的基于模糊预测的复制模型实现了在节省存储空间的同时保证了文件可用性。     

Autonomous Adaptive Agents for Single Seller Sealed Bid Auctions

In developing open, heterogeneous and distributed multi-agent systems researchers often face a problem of facilitating negotiation and bargaining amongst agents. It is increasingly common to use auction mechanisms for negotiation in multi-agent systems. The choice of auction mechanism and the bidding strategy of an agent are of central importance to the success of the agent model. Our aim is to determine the best agent learning algorithm for bidding in a variety of single seller auction structures in both static environments where a known optimal strategy exists and in complex environments where the optimal strategy may be constantly changing. In this paper we present a model of single seller auctions and describe three adaptive agent algorithms to learn strategies through repeated competition. We experiment in a range of auction environments of increasing complexity to determine how well each agent performs, in relation to an optimal strategy in cases where one can be deduced, or in relation to each other in other cases. We find that, with a uniform value distribution, a purely reactive agent based on Cliff’s ZIP algorithm for continuous double auctions (CDA) performs well, although is outperformed in some cases by a memory based agent based on the Gjerstad Dickhaut agent for CDA.     

面向资源最优分配的深度学习双边拍卖算法

针对拍卖过程中计算效率低和利益分配不合理等问题, 本文提出了一种基于深度学习的迭代双边拍卖算法. 该算法通过买卖双方的初始报价数据训练基于神经网络的资源最优分配模型, 调用训练好的模型对实时报价数据快速响应, 直接求解经纪人最优分配问题(BAP)以实现计算资源分配, 显著地减小了计算代价, 提高了算法的计算效率. 进一步, 针对利益分配不合理等问题, 在迭代双边拍卖框架的支出规则和收入规则中引入调节因子用于调节买卖双方的利益, 解决已有算法在实现社会福利最大化过程中利益分配不合理的问题. 实验结果验证了该算法的有效性和优越性, 在运行时间、社会福利、买家利益、卖家利益和经纪人利益等多项指标均明显优于已有的迭代双边拍卖算法     

基于拍卖理论和高斯过程回归学习的频谱分配算法

针对认知无线网络中认知用户的频谱分配问题,提出了一种基于拍卖理论和高斯过程回归学习的频谱分配算法。该算法基于VCG拍卖模型,考虑认知用户对通信质量的要求,构造出更有效的收益函数。在频谱拍卖过程中,认知用户通过学习拍卖历史数据预测其他认知用户的竞价,并最优化其竞价策略。频谱拍卖人根据各认知用户提交的竞价来分配频谱资源。理论分析和仿真结果证明了该算法是有效的,并且能够提高频谱利用率和认知用户的收益。     

基于双方叫价拍卖的多Agent任务报价策略研究

在一些相对稳定的系统中,系统处理任务的性质和类型不会发生很多变化。这意味着系统经过一段时间的运行后,Agent间可能会形成相对稳定的战略合作伙伴关系。文章针对双方叫价拍卖模型应用于合作伙伴间任务报价存在的两个问题:(1)定价方案不能针对对方的变化给予有效的反应;(2)由于双方信息的不对称,均衡情况下成交效率太低;从协作请求方和能力提供方的角度,引入了Agent合作所产生的好感度的概念;提出了基于双方叫价拍卖模型的报价机制,从而扩大了交易区间,提高了成交效率。最后分析了一个应用实例。     

基于拍卖的数据中心资源匹配算法

云平台数据中心主机与负载均具有异构性,导致任务负载无法均衡利用主机各项资源。主机资源的非均衡利用最终造成总体资源利用率低,主机资源浪费,提高运营成本。针对云平台数据中心任务分配中各项资源无法均衡利用的问题,提出一种基于连续双向拍卖的虚拟机分配与迁移算法。该算法一方面利用多种启发式策略对数据中心主机和虚拟机进行筛选,将过载主机与欠载主机放入数据中心拍卖中;另一方面,构建买卖双方定价策略以及交易策略,形成完整的拍卖流程。同时,为解决多资源情况下的交易问题,提出基于资源匹配度的交易策略。仿真实验表明,文中方法通过引入资源匹配度,能够有效地匹配数据中心主机与虚拟机的各项资源,平衡各类资源利用率,提高整体资源利用率。     

一种基于双向拍卖机制的计算网格资源分配方法

针对计算网格资源的特点以及运用经济机制进行网格资源管理所具有的灵活性及有效性,提出一种改进的基于双向拍卖机制的网格资源分配方法.首先,描述了基于双向拍卖机制的资源分配框架,整个系统由买方、卖方和计算资源经纪人组成.然后,针对网格中的CPU资源,提出一种改进的双向拍卖机制,采用统一拍卖方式,可以灵活调节交易双方的付费.进而,分析了该双向拍卖机制满足优势策略激励相容、预算平衡以及个人理性的特点,并定义了拍卖机制的效率.最后,通过实验分析了双向拍卖分配机制的效率.     

An expansion matching method to improve transaction effectiveness in the double auction market

The double auction is an important transaction mechanism in electronic commerce. Buyers and sellers can interact and be matched with each other in a double auction e-market. Consequently, enhancing the effectiveness of the double auction market to help traders successfully complete their transactions is an important issue. In this research study, Trading Agent Competition (TAC) data were collected to examine double auction market mechanisms. The TAC is a worldwide, renowned competition in which intelligent agents are employed to simulate business/market operations, and the TAC Market Design (CAT) tournament is an individual TAC competition that focuses on the double auction market. Thus, we conducted simulation experiments on the CAT competition platform, and the transaction data were analyzed to identify the impact of market design strategies on market performance, such as market share, market profit and transaction success rate. Based on these results, we developed an expansion matching method to enhance market performance, and we conducted verification experiments to evaluate our method. The results show that our expansion matching method promotes improved performance of market policies in the double auction market.     

基于协调器与遗传算法的云存储数据复制策略

针对云存储数据过程,结合协调器与遗传算法提出一种新的数据复制策略。在Hadoop分布式文件系统体系结构基础上构建一个用于复制管理的协调器,采用接收查询算法和遗传算法接收查询,并将其发送给合适的节点以满足用户期望的服务质量功能需求,同时考虑一个查询中数据块的物理位置以获得更好的复制参数。仿真结果表明,与目前典型的数据中心选择和动态数据复制策略以及逐步删除和添加数据副本策略相比,该数据复制策略不仅优化了系统的负荷分配,而且具有更高的可用性和更小的延迟。     

A method for classifying offer strategies observed in an electricity market

The idea that large-scale generating units will operate at marginal cost when given the ability to offer their power for sale in a uniform price auction is at best wishful thinking. In fact, both real and experimental data show that the more uncertainty a supplier faces (e.g., load uncertainty, uncertainty of other suppliers, etc.), the more they will hedge their profits through higher than marginal cost offers and through withholding units if permitted. This makes predicting unit commitment and dispatch ahead of time difficult. This paper explores characteristics of software agents that were designed based on the outcome of human subject experiments on a uniform price auction with stochastic load. The agent behavior is compared to the behavior of the subjects. Both subject and agent behavior is classified based on the data. Differences and similarities are noted and explained. Based on the result of the simulation, a model was suggested to explain an offer submitted in deregulated markets based on double layer diffusion.