认知反向散射网络通信容量公平的资源优化

为保证认知反向散射通信网络中物联网节点通信容量的公平性,提出一种基于最大最小准则的资源分配方案. 在考虑物联网节点动态电路能耗模型与非线性能量收集模型的基础上,通过联合优化发射功率、反射及时间分配系数构建一个最大最小物联网节点通信容量的非凸多维资源分配问题. 首先,采用反证法、连续凸近似及辅助变量等方法将原问题转换为凸优化问题;然后提出一种迭代算法来求解转换问题. 仿真结果表明,所提的资源分配方案在提升物联网节点通信容量的同时保障了节点通信的公平性.     

基于网络切片的高频谱效率无线资源管理

为满足差异化业务场景下不同类型用户的服务质量需求,构建了基于网络切片的无线资源分配模型.为获得最佳资源调度方案,将用户服务质量需求转化为无线资源需求,以系统总速率最大化为目标,构建网络资源管理和分配机理及其优化问题.该优化问题为混合整数非线性规划,直接求解复杂度较高,因此提出了基于拉格朗日对偶理论的解决方案,并给出求解算法.通过与比例公平算法和最大系统容量算法进行对比及仿真分析,证明了所提算法在牺牲了部分公平性的前提下提高了系统容量,并验证了所提算法的有效性.     

云计算下保障公平性的多资源分配算法

针对云计算平台多资源分配公平性问题,文中在DRF算法基础上,提出了云计算动态资源需求公平分配模型,并提出了基于信誉因子的增强公平性分配算法．算法引入信誉因子,对云中计算节点资源使用情况进行实时评估,对恶意长时间侵占资源行为进行惩罚性分配,刺激节点在任务结束后释放占用资源,确保了平台中其他节点资源配额不受影响．与现有方案相比,基于信誉的增强公平性分配算法在保证分配公平的前提下,增强了对公平性的保障,有效地确保了云计算平台资源调度的公平性、可靠性．     

共享资源约束下多核实时任务分配算法

为了提高多核实时系统任务分配效率,研究分组固定优先级调度策略下的任务分配算法.通过分析核间任务阻塞对任务最坏情况响应时间产生的影响,提出由于任务间共享资源冲突而引发了任务分配故障问题;指出负载非均衡算法,如First-fit算法、Best-fit算法容易引发任务分配故障.为了避免该问题,提出基于分组与负载均衡的任务分配算法.该算法将存在访问共享资源冲突的任务分配到同一核上,以避免核间任务阻塞;当这些任务无法分配到同一核上时,将这些任务依次分配到当前负载最轻的核上以避免任务分配故障.可调度性分析实验表明,采用该算法可以避免任务分配故障,减少分配任务所需的处理器核数(比Worst-fit算法少10%～40%).     

OFDMA解码转发中继系统的最优资源分配

针对正交频分多址接入-解码转发（OFDMA-DF）中继系统,提出了以最大化系统加权和速率为目标的子载波分配、功率分配、传输方式选择和中继选择联合优化问题. 基于凸优化理论,提出了一种最优资源分配算法,其复杂度仅与子载波数成线性关系. 理论分析和仿真结果表明,结合用户权重的调整,该算法既可实现资源分配的公平性,又可有效利用中继节点的能力,提高系统容量.     

采用遗传算法的多载波比例公平调度

提出了适用于OFDMA系统,采用遗传算法的多载波比例公平调度（MC-PFS）及最大信干比（MCI）改进算法。根据比例公平准则,MC-PFS通过遗传算法搜索最优子载波分配方案。仿真结果表明采用遗传算法的MC-PFS可获得近似理论上界的性能。通过引入MCI初始分配结果,改进算法可提供比理论上界（比例公平）更高的系统吞吐量。     

智能文化算法在移动台定位技术中的应用研究

非线性优化问题一直是无线定位技术研究的难点.而文化算法作为一种新型的智能算法在解决非线性优化问题方面有其独特的优势.针对定位系统和文化算法的特点,提出一种将Chan算法与文化算法相结合的算法.利用该算法解决TDOA定位估计中遇到的非线性最优化问题.仿真结果表明:该算法性能稳定,与传统算法以及其他智能算法相比,定位精确度较高,收敛速度较快.     

基于弹性碰撞优化算法的传感云资源调度

针对当前智能优化算法普遍存在收敛精度不高、容易“早熟”的缺陷,提出全新的智能优化算法-弹性碰撞优化（ECO）算法.算法基于弹性碰撞物理学现象,通过模拟碰撞过程中物理属性相互影响的变化过程,抽象出“与种群最优碰撞”、“与自身历史最优碰撞”和“随机碰撞”3种粒子更新机制.为了有效提升复杂高维优化问题的寻优能力,设计自适应核模糊C-均值聚类（AKFCM）算法,利用AKFCM对ECO种群进行聚类分析,通过迭代比对策略实现种群自动最佳聚类划分,确保粒子学习对象的合理性与多样性.种群样本多样性定量分析表明ECO在运算后期具有较好的种群多样性.将ECO应用于传感云资源调度问题,为了满足传感云系统管理多样性需求,构建多目标优化传感云资源调度模型,设计符合调度问题的ECO粒子编码方式,实现传感云资源高效率调度优化.多维复杂测试函数以及传感云资源调度实例仿真结果表明,ECO具有较高的收敛精度和成功率,有效降低了传感云资源调度的能耗和任务长度.     

一种基于遗传算法的OFDMA系统的跨层资源分配

针对现有的跨层资源分配算法计算量大、复杂度较高的问题,提出了一种基于遗传算法的OFDMA系统的跨层资源分配算法。利用遗传算法隐形并行处理、较好的全局搜索性能、易收敛到最优解的特点,在系统性能一定,且满足各个用户业务要求的条件下,对资源进行优化分配,较好地解决了跨层资源的分配问题。仿真结果表明,在满足用户间公平性的前提下,算法有效提高了系统的频谱利用率及吞吐量,减小了用户的平均等待时延,提高了服务质量,并且随着子载波数和用户数的增加,算法在复杂度方面优势更突出。     

云计算中多层次公平性QoS约束任务调度算法

针对传统云任务调度算法只注重执行效率忽略分配公平性的问题,提出了一种满足多重公平性约束的任务调度QoS算法CTS_QFC.该算法利用社会资源分配的公平性理论模型,从用户任务与云资源提供方两个角度,将云任务调度问题建模为一种多重公平性QoS约束模型.第一层QoS按用户QoS偏好对任务分类,并按照任务分类建立一般期望效用函数.第二层QoS定义资源公平性评估函数,评估资源分配的公平性.结果表明,CTS_QFC算法不仅可以确保用户任务的高效执行,还可以提高资源分配与任务调度方案的公平性.     

相控阵雷达搜索和跟踪资源博弈分配策略

为了解决搜索和跟踪（SAT）资源分配（RA）实时性的问题,提出博弈论视角下的资源分配策略. 建立搜索与跟踪的系统模型,将SATRA建模为非合作博弈问题,将模型中搜索子空域和跟踪多目标间的资源分配问题看作合作博弈关系,利用Shapley值完成相应资源的分配,给出纳什均衡求解的双目标优化模型;为了快速找到符合决策者偏好的分配解,将双目标优化模型通过动态加权的理想点法转化为单目标优化问题,提出并行混合遗传粒子群优化（PHGAPSO）算法求解上述优化问题最优分配方案,仿真验证了博弈分配策略的有效性和先进性以及混合算法性能的优越性. 在相同的条件下,与帕累托双目标优化方法进行对比. 实验结果表明,博弈论的方法具有更高的灵活性,平均搜索信噪比提高了1.02%,平均跟踪目标误差降低了1.55%.     

基于人工免疫的聚合重构资源自治分配

针对异构网络融合中的终端聚合重构模式,讨论了在付费激励机制下如何通过聚合资源提供者的动态定价来激励终端间的高效合作,引导系统资源分配的全局自治优化. 提出信息不完全情况下以人工免疫系统自适应控制模型为基础的自主定价方法（AISMAP）. 仿真结果表明,该方法能提高系统整体的资源收益,并能引导带宽资源分配自治实现全局均衡.     

Cross-Layer Adaptive Resource Allocation Algorithm with Diverse QoS Requirements for Single-Cell OFDMA Systems

The orthogonal frequency division multiple access( OFDMA) based communication system has been considered as the main trend of next-Generation communication system. But the existing resource allocation algorithm designed for such system is always with high complexity thus hard to be realized. To solve such problem with the constraints of spectrum efficiency and buffer state,a novel cross-layer resource allocation algorithm( RAA) is proposed in this paper. The goal of our RAA is to maximize the system throughput while satisfying several practical constraints,such as fairness among services,head of line( Ho L) delay and diverse quality of service( Qo S) requirements. Due to these constraints,finding the optimal solution becomes a NPhard problem. Therefore in this paper a novel method to solve such problem with acceptable complexity is proposed within following steps: firstly,based on the link state we formulate the ideal subchannel allocation strategy as a convex optimization problem,which can be efficiently solved by our proposed lagrange multiplier technique subchannel allocation( LMTSA) algorithm; secondly,according to the obtained channel allocation matrix,a power allocation algorithm based on the water-filling power allocation( WPA) idea is deployed to get the optimal power allocation matrix combining with adaptive modulation and coding( AMC); finally,through a greedy algorithm,the ultimate subchannel and power allocation matrix can be obtained based on iterative method. The simulation results illustrate that we can achieve the higher throughput and better Qo S performance than the widely-used maximum throughput( MT) algorithm and round robin( RR) algorithm.     

基于拓扑排序资源约束下多项目调度优化算法

多项目调度存在着工期和资源的竞争,调度时要考虑时序关系和资源受限两方面约束,启发式串行调度算法在每调度一个任务时都必须搜索项目的任务空间,为此提出了一种基于拓扑排序的多项目串行调度优化算法。此算法利用拓扑排序序列的特点保证任务时序关系,缩小调度时搜索空间,结合项目权重、向后影响度以及关键路径等优先规则进行资源分配和任务调度。通过具体实例验证了此算法可以求得项目调度的最优解并且能够有效地缩短调度计划生成时间。     

MEC系统中面向网络切片的3C联合资源分配算法

移动边缘计算（MEC）相关研究已经成为未来移动网络的热点研究之一.在基于网络切片的雾无线接入网络中,提出了一种面向网络切片的MEC系统通信计算缓存（3C）联合的资源分配算法.给出了面向网络切片的多MEC协作资源分配模型,其中考虑了无线接入带宽与回程链路带宽的限制以及MEC系统计算与缓存资源分配对网络切片服务时延的影响;基于服务时延定义了用户获得资源的效用值,构造了系统效用值最大化问题优化不同网络切片下的用户接入、计算与缓存资源分配,并采用连续凸近似交替迭代方法获得近似最优解.对所提算法性能进行了仿真验证,仿真结果表明,所提算法实现了系统总效用值优化,提高了面向网络切片的MEC系统资源利用效率.     

一种基于非光滑信赖域理论的经济学均衡问题新算法

针对一般经济均衡问题模型,将其转换为非线性互补问题模型,提出了应用非光滑信赖域算法对其进行求解的新方法.在适当的条件下,证明了此算法是全局收敛的,并通过数值试验表明该算法是可行有效的.     

性能感知的核心网控制面资源分配算法

针对网络功能虚拟化（NFV）环境下核心网控制面资源分配问题,提出性能感知的资源分配算法. 基于排队网络理论建立核心网控制面性能评估模型,推导出信令流程平均响应时间的近似表达式. 为了确定核心网控制面虚拟网络功能（VNF）实例的最优配置数量,综合考虑处理性能和VNF实例部署成本,建立核心网控制面资源分配多目标优化模型,并提出改进的多目标遗传算法. 仿真结果表明,该性能评估模型误差在10%以内,优于Jackson排队网络模型;与NSGA-II和HaD-MOEA相比,所提算法获得的近似Pareto前沿收敛性和多样性更好,更逼近真实Pareto前沿.     

基于离散事件系统的云资源分配优化控制

如何对资源进行合理有效的分配一直是云计算领域的热点问题.由于传统的云资源分配算法不能有效屏蔽底层硬件资源的异构化以及不同层的云服务类别,本文提出一种多参数资源打包的方法,构建出基于离散事件系统的云资源分配控制模型,并给出了合理的资源分配算法.算法通过计算服务器端各资源包容量参数与客户端资源需求量参数的贴近度来定义资源分配事件,并对事件发生与否的状态实行分层控制,最终使得整个资源分配系统到达可接受状态.实验表明,基于离散事件系统的云资源分配模型,能够保证在可接受状态下,不仅每个用户的资源请求能够得到合理的分配,且能实现云资源利用率最大化.     

两跳中继网络的资源分配算法

对于具有中继节点的蜂窝系统,用户的实际速率受限于基站与中继之间链路(第一跳链路)以及中继与用户之间链路(第二跳链路)的吞吐量.单独考虑其中某一跳链路的资源分配,会降低系统的整体性能.因此,针对中继网络,设计了基于两跳链路吞吐量平衡的正向和逆向功率分配算法.其中正向分配算法在进行第二跳链路资源分配时,考虑了第一跳链路的影响.而逆向分配算法则是将第二跳链路的吞吐量作为第一跳链路资源分配的依据.仿真结果表明,设计的算法有利于克服两跳中继网络的瓶颈问题.尤其是逆向分配算法由于充分考虑了用户的最优速率情况,在提高系统吞吐量的同时还减少了能量消耗.     

基于蚁群算法的TDMA卫星通信系统资源分配方法

卫星通信系统资源分配的合理与否直接影响到卫星通信系统整体效能的发挥.但目前TDMA卫星通信系统资源分配算法还存在计算复杂度较高、分配效率低下、求解时间较长等问题,针对TDMA卫星通信系统资源特点,在分析卫星通信系统资源分配目标函数的基础上,参考自然界蚂蚁群体觅食行为,通过蚂蚁行走的路径模拟TDMA卫星通信系统资源分配可...