随时随地重新分配资源

为了帮助企业更好地面对变化，适应变化，HP推出了“动成长企业解决方案”，帮助企业建立灵活高效的IT及其管理系统，获得竞争优势，其中，HP虚拟化解决方案帮助企业适应日益提高的业务和IT要求，实现随时随地重新分配资源。     

一种基于资源分配的QoS路由

针对网络中不同优先级数据流对QoS的不同需求提出一种新的基于半动态网络资源分配策略,并且根据每类流分得的资源以及各类流在该时刻内链路中剩余的资源实施路由选择策略。实验结果表明,与其它两种基于资源分配的QoS策略相比,该算法能够兼顾公平,又能满足不同类流对网络资源的需求。     

蜂窝下含D2D系统基于二部超图的资源分配

针对蜂窝下含D2D系统的资源分配问题,提出一种基于二部超图的资源分配算法。首先,以最大化系统和速率为目标,将该问题建模为一个整数规划问题。为求解该NP-hard问题,相继提出二部超图的概念、二部超图边的感知比较构造法则以及基于二部超图的链路匹配算法。仿真结果表明,与二部图算法相比,所提算法在同等条件下可将系统频谱效率提升40b/s/Hz左右,同时可将系统容量提升0.5倍左右。     

融合PSO与ACS的网格资源分配研究

资源分配和任务调度是网格计算的一个关键问题之一。提出一种融合离散粒子群优化算法和蚁群算法的新型算法来解决网格资源分配问题。该算法通过在粒子群算法中引入蚂蚁算法,可有效克服粒子群算法后期的局部搜索能力差和蚁群算法前期盲目搜索的缺陷。理论分析及模拟实验表明该算法具有良好的性能。     

基于碰撞识别的优先级仲裁策略

针对单一信道下可用资源的分配问题,提出了基于碰撞识别的优先级仲裁策略,在研究了曼彻斯特编码特点的基础上,设计了一种新的编码方案,推导了优先级生成的模型,分析了仲裁的效率。仿真结果表明,在采用基于时分复用的MAC协议的前提下,同传统的逐节点询问方式相比,仲裁时间缩短为原来的四分之一。     

基于噪声模型下D2D蜂窝系统的多用户合作功率控制分配方案

为了减轻D2D用户在通信过程中的相互干扰,提高整个蜂窝系统的吞吐量,根据D2D用户数目、信道状况和系统吞吐量的限制需求,分析干扰噪声模型约束下多用户发射功率的控制问题。通过引入玻尔兹曼常数等参数对干扰模型进行条件约束,最终得到基于效用下系统的平均发射功率和最大和速率,进而给出基于反向迭代组合算法的多用户合作博弈功率控制分配方案。仿真结果表明,该算法满足了多用户共享蜂窝网络频谱资源下的功率分配需求,终端用户发射功率经过多次反向迭代后达到纳什均衡,系统的吞吐量显著提高,频谱资源达到了较好的均衡收益。     

基于信道聚合的OFDM自适应资源分配算法

针对OFDM系统中多用户自适应资源分配问题,提出了一种新的基于信道聚合和遗传算法的自适应资源分配算法。该算法首先将所有子载波均匀分组,将子载波分配问题转化成子载波组分配问题。然后,兼顾用户之间的公平性,引入遗传算法,实现用户间的资源分配。仿真结果表明,与现有的算法相比,新算法在保证用户公平性的同时,有效地降低了计算复杂度和获得系统最优解的计算时间,实现系统总的容量最大化。     

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Ku-hn-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QoS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QoS需求,又提高了系统吞吐量.     

面向数据共享的模型训练服务系统

数据驱动的人工智能应用需要大数据支持,然而现实中因隐私保护等原因,数据往往互不流通,而以孤岛形式存在。如何实现数据安全可用是当前亟待解决的问题。设计和实现了面向数据共享的模型训练服务系统,通过向用户提供数据功能服务接口而非数据本身,实现数据可用不可见。重点针对资源受限的数据共享平台,设计了高效的资源分配和作业调度方法,特别是通过自动资源缩放来应对多变的工作负载,达到优化用户体验和提高资源利用的目的。实验表明,相较于常规的作业调度方法,本系统在各种工作负载下都具有响应服务请求快、作业完成时间短的优点。     

车联网中视频语义驱动的资源分配算法

针对车联网中视频语义理解等智能计算业务需求下传统资源分配方式不再适用的问题,研究了视频语义驱动的资源分配算法.首先,以目标检测任务为例,提出视频语义驱动的资源分配指导模型并给出模型参数的求解算法;其次,构建了车联网场景中视频语义驱动的资源分配优化问题,将该问题转化成凸问题并利用凸优化算法求解;进一步,为降低凸优化算法的...