基于免疫优化策略的副本放置算法

副本放置问题在云计算环境分布式存储系统中是一个关键问题。针对现有副本放置算法存在的数据副本访问开销较大，节点负载不均衡的问题，提出了一种基于免疫优化策略的副本放置算法。通过计算节点的亲和度，并借助免疫优化系统特有的克隆选择和免疫记忆机制，对副本节点的评价和选择更加合理。基于Matlab的仿真实验证实该算法能够降低分布式存储系统的副本访问开销，均衡节点负载。     

基于拓扑匹配的组件服务副本放置算法

提出了一个基于拓扑匹配的组件服务副本放置算法,该方法首先通过多规模图聚类算法获取组件服务的通信拓扑结构,随后使用谱聚类算法获取计算节点的拓扑结构,最后通过使用贪心算法匹配上述两种拓扑结构来进行组件服务副本的放置。基于CloudSim云仿真软件搭建了一个仿真实验环境并开展了一系列实验,仿真实验结果表明了所提出的方案和算法对于提高云服务系统的性能是有效的。     

无线传感器网络分布式能量非合作博弈优化技术

针对基于无线传感器网络的智能电网数据采集系统,提出了一种新的分布式功率联合速率分配方案,在满足节点功率和数据收集速率的限制条件下,能够最大程度地提高传感节点到数据收集节点(Sink节点)系统容量和能量耗费的比值,从而达到以更低的能耗提供更高速率的目的.构建了传感节点间功率分配的完全信息静态非合作博弈模型,证明了相应模型纳什均衡点的存在性,并提出了一种迭代式的资源分配算法,通过不断迭代传感节点在子载波上的功率来优化系统能效.仿真结果表明了该系统模型纳什均衡点的存在性并且说明了该算法收敛于纳什均衡点.     

基于Q学习的异构多智能体系统最优一致性

对有领导者的异构离散多智能体系统的最优一致性问题,提出了一种无模型的基于非策略强化学习的控制协议设计方法。由于异构多智能体系统的状态矩阵不同,其局部邻居误差的动态表达式比较复杂。与现有的多智能体系统分布式控制方案相比,所提算法减少了计算的复杂性。首先,建立由增广变量构造的多智能体系统全局邻居误差动态表达式。其次,通过二次型形式的值函数得到耦合贝尔曼方程和Hamilton?Jacobi?Bellman（HJB）方程。再次,求解耦合HJB方程的最优解,得到多智能体最优一致性的纳什均衡解,并给出纳什均衡证明。从次,基于无模型的非策略Q学习算法,求解多智能体最优一致性的纳什均衡解。最后,利用批判神经网络结构,结合梯度下降法实现了所提出的算法,并通过仿真实例验证了算法的有效性。     

基于粒子群优化的协作网络资源分配的博弈策略

应用基于竞价机制的斯坦克尔伯格博弈提出协作中继网络中的一种资源分配策略,用以解决单一中继节点对多用户节点协作带宽的分配问题。首先中继根据用户的协作带宽需求对资源定价,然后用户根据价格调整其纳什均衡策略,即获取协作效用最大化的最优带宽购买量。证明了纳什均衡的存在性,提出基于粒子群优化的均衡求解算法,分析了均衡的有效性,仿真给出了粒子群优化的全局最优带宽分配结果。仿真结果表明,所提出的博弈可以激励中继节点参与协作,并协调多用户节点间的资源分配。     

认知无线电中基于非合作博弈的功率分配方法

提出了一种适合于认知无线电网络的功率控制方法．基于信扰比的代价函数,借助兼顾认知用户公平性的惩罚因子,构造一种新的支付函数．基于该支付函数提出了一种非合作博弈功率控制模型．结合博弈理论,证明了该博弈模型纳什均衡解的存在性和惟一性,同时得出该纳什均衡解是帕累托最优的．仿真结果表明,基于该博弈模型功率分配方法收敛性比传统算法好,通过设置合适的惩罚因子等参数,3~5次迭代即可收敛,满足系统实时性要求,同时系统通过量较传统算法有1~4倍的改善．     

协作网络中采用双层博弈的资源分配方案

在多源多中继协作网络中,为避免协助同一源节点的中继节点之间过度干扰并实现中继节点的效用最大化,提出了一种在双层博弈框架下的联合功率控制和源节点选择的分布式算法。该算法通过中继节点功率控制的非合作子博弈与源节点选择的演化子博弈交替迭代,在抑制中继节点之间干扰的同时实现了中继节点对源节点的合理选择,并证明了双层博弈纳什均衡的唯一存在性。仿真结果表明,本文提出的双层博弈分布式算法可使系统收敛至纳什均衡。     

基于CMM模型的HDFS负载均衡策略

为实现Hadoop分布式文件系统的负载均衡,并保证较低的负载迁移代价和数据传输代价,提出了确定环境下多阶段多目标(CMM)决策模型. 该模型以CPU、内存和磁盘剩余负载能力作为决策条件,以负载均衡效果、负载迁移代价和数据传输代价作为决策目标,依据决策节点间的影响关系构建有向无环图,通过多个决策阶段的决策,并计算方案效用确定最优均衡方案. 仿真实验结果表明,基于CMM模型的负载均衡策略能取得较好的负载均衡效果、负载迁移代价和数据传输代价.     

基于纳什均衡的网格资源管理模型

提出了一种基于纳什均衡的网格资源分配模型.该模型中,多个资源是合作博弈参与者,将任务在资源上的等待时间转化为一个极大极小问题,通过数学模型求得最优解,并据此提出了任务的分配算法.分析证明该算法可以实现合作博弈唯一的纳什均衡.     

基于AF中继的OFDM认知系统的 功率分配和子载波配对算法

建立基于放大转发(AF)中继的正交频分复用（OFDM）的认知无线电系统模型,并推导出该系统中在对从用户的源节点和中继节点的总功率限制和对主用户的干扰限制条件下的联合最优功率分配和子载波配对算法.采用拉格朗日对偶分解法和次梯度法推导出最优功率分配算法,并将基于Hopcroft-Karp算法的子载波配对方法融合到功率分配的过程中,得到联合最优算法.根据系统总功率和干扰限制的特点,提出一种低复杂度的次优功率预分配算法.分别对最优功率分配算法和次优功率分配算法、Hopcroft-Karp子载波配对算法和源节点、中继节点采用相同子载波传输的固定子载波配对算法进行仿真比较.结果表明：采用功率分配和子载波配对的联合优化技术能够大大提高系统的频谱效率,具有一定的可行性.     

分布式网络中采用图型博弈的动态频谱接入

针对分布式无线网络中用户关系拓扑结构的任意性和复杂性带来的维灾问题,提出了一种基于图型博弈的动态频谱接入算法.利用环境信息的非对称性把频谱接入问题抽象为图型博弈模型,并用模型中的图型拓扑表示现实环境中博弈的内在结构;以最小化个人后悔值代替最小化系统后悔值来求解纯策略纳什均衡点.与现有算法比较,该算法能有效降低运算复杂度,满足通信中实时性的要求.仿真结果表明,该算法能快速收敛到无冲突的纯策略纳什均衡,提高了系统容量和功率利用率,在资源匮乏时优势明显.     

基于博弈论的多机器人任务分配算法

为了寻找一种合理有效的多机器人任务分配算法,基于多机器人协作救火任务环境,以博弈论纳什均衡为基础,研究多机器人的任务分配问题。根据任务模型特点和纳什均衡的主要特征提出了一种基于博弈论的任务分配算法。博弈的效用函数同时考虑了距离、火势和燃烧时间等因素,机器人根据此效用函数选择行为策略,促使机器人尽快扑灭惩罚值较大的火灾而获得较大的奖励值。利用任务总收益函数值的大小评价算法的优劣性。收益函数与火势、燃烧时间和机器人扑灭火灾数有关,这切合实际救火模型。实验结果证明了该任务分配算法的有效性。     

基于非合作博弈的中继网络分布式资源分配

提出一种可应用于正交频分复用多址(OFDMA)中继网络的分布式资源分配算法. 基于将模型描述为基站与中继的非合作功率分配博弈(RNCPAG), 设计出2种效用函数, 并以最大化效用函数为准则, 证明在总功率受限的约束下, 该算法存在并收敛于唯一的纳什均衡点. 研究表明, 同传统的平均功率分配算法相比, 分布式博弈算法以牺牲少量的迭代步数为代价, 获得更高的系统容量和资源效率.     

A novel mechanism based on Nash bargaining for primary system game in cognitive radios

According to the utility function and spectrum demand of the cognitive users,a novel mechanism based on Nash bargaining for primary system game was proposed under the wireless environment of Rayleigh fading.On the basis of this mechanism,we proposed a new distributed bargaining algorithm based on Nash product;then the spectrum prices and system utilities were obtained.Theoretical analysis results showed that with a close total utility to the optimal,the Nash bargaining mechanism cannot only improve the fairness between primary systems remarkably,but also reach to the stable equilibrium in finitely repeated games.Finally,simulation results were given to demonstrate the correctness of these conclusions and the efficiency of the algorithm.     

基于Nash均衡和竞标酬金的电力市场竞价策略

假定在电价拍卖过程中努力竞标是需要付出成本的,在竞标中引入竞标酬金,利用博弈论建立了一种基于竞标酬金和Nash均衡的电力市场竞价策略模型.采用Nash均衡分析法研究了该竞价策略模型的均衡解,以及竞标酬金与Nash均衡解之间的内在关系.得出的一般性结果表明在两寡头电力市场中竞标酬金不能有效地激励竞标人的努力竞价.     

物流成本与物流服务的博弈研究

本文从企业客户的角度,按照Nash均衡解的要求,建立了企业物流成本与物流服务的博弈模型,寻求均衡条件下选择不同物流服务水平的企业实施竞争策略的最优条件,并据此计算企业选择不同物流服务水平所产生的财务增值,辅助企业制定最优的物流成本与物流服务决策。     

网格环境中基于p-中值选址的副本放置算法

针对现有的副本放置中存在的问题,基于p-中值选址的方法,提出了一种动态的多副本放置算法.该算法预先设置副本的数量,根据网络带宽、存储空间和文件请求次数等条件,求解目标函数--全局费用的最小化,从而确定副本的位置,并随着网格环境的变化而调整.采用Optor-Sim模拟器实验,分析了副本数量、存储空间与副本放置的关系.结果表明:与LRU和基于经济模型的方法相比,该算法能减少数据访问时间和网络利用率.     

重叠网域内传输的Multi-Agent主从博弈优化

针对重叠网中域内传输忽略了互联网服务提供商与用户间存在的主从博弈性,导致域内传输在现网应用中缺乏合理的均衡点而无法达到最佳优化状态的问题,提出一种基于多代理博弈的分层重叠网架构,并构建互联网服务提供商agent和用户agent间的Stackelberg主从博弈模型. 在该模型下,分析了纳什均衡解的存在性与唯一性,求出了纳什均衡时最佳的链路价格和传输速率,给出了网络最佳运行状态的一种定量描述,最后分析了网络参数对网络最佳运行状态的影响.     

基于踏板时间的智猪博弈吃食量与Nash均衡集合研究

智猪博弈是博弈论的经典模型,有鲜明的代表性和广泛的应用性.为了使该模型更具有现实指导意义,将近期类似的工作做了进一步研究,通过引进踩踏板单位时间的出食量e和单位时间的付出成本c两个新指标,计算大猪在不同情况下的吃食量,讨论该模型中纯Nash均衡和混合Nash均衡的存在情况,并说明了该模型在企业管理中有关激励机制制定与控制的实际意义.     

超密集网络中非合作博弈的功率分配算法

为了抑制超密集网络中小小区基站的密集化部署带来的干扰,并提高系统的吞吐量,本文研究了频谱共享超密集网络中的功率分配策略.首先,针对非凸的系统和速率最大化问题,采用非合作博弈模型将其转化为每个用户效益函数最大化的凸子问题,并通过设计一种动态定价使得非合作博弈模型的纳什均衡点（NE）是原优化问题的驻点.其次,为了保证宏小区用户的服务质量（QoS）,模型中引入了干扰功率约束条件来抑制宏小区受到的干扰.最后,在此非合作博弈论框架下,设计了一种迭代式的基于全局信息的功率分配算法.每次迭代通过求解KKT条件获得每个用户的最优发射功率,通过理论推导证明了迭代算法可收敛到博弈模型的NE.此外,为了减少迭代算法的信令开销、提高资源利用率,还提出了一种基于局部信息的功率分配算法.仿真结果表明,所提出的基于全局信息的功率分配算法比对比方法具有更好的传输性能,所提出的基于局部信息的功率分配算法在保证较好的传输性能的前提下有效地减少了信令开销.