主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
孙佳佳,王兴伟,高程希,黄敏.云环境下基于神经网络和群搜索优化的资源分配机制.软件学报,2014,25(8):1858-1873
云环境下基于神经网络和群搜索优化的资源分配机制
Resource Allocation Scheme Based on Neural Network and Group Search Optimization in Cloud Environment
投稿时间:2012-12-26  修订日期:2013-12-09
DOI:10.13328/j.cnki.jos.004555
中文关键词:  云计算  双向组合拍卖  体验质量  威望  BP神经网络  群搜索优化
英文关键词:cloud computing  double combinatorial auction  quality of experience  reputation  back propagation neural network  group search optimization
基金项目:国家杰出青年科学基金(61225012,71325002);教育部高等学校博士学科点专项科研基金(20120042130003);中央高校基本科研业务费专项资金(N110204003,N120104001)
作者单位E-mail
孙佳佳 东北大学 信息科学与工程学院, 辽宁 沈阳 110819
中国科学院 网络化控制系统重点实验室, 辽宁 沈阳 110016 
 
王兴伟 东北大学 信息科学与工程学院, 辽宁 沈阳 110819
中国科学院 网络化控制系统重点实验室, 辽宁 沈阳 110016 
wangxw@mail.neu.edu.cn 
高程希 东北大学 信息科学与工程学院, 辽宁 沈阳 110819
中国科学院 网络化控制系统重点实验室, 辽宁 沈阳 110016 
 
黄敏 东北大学 信息科学与工程学院, 辽宁 沈阳 110819
中国科学院 网络化控制系统重点实验室, 辽宁 沈阳 110016 
 
摘要点击次数: 2202
全文下载次数: 2666
中文摘要:
      在云环境下,各种闲置资源可以通过池化形成资源池,进而利用虚拟化技术将资源池中的不同资源组合以服务的形式提供给用户使用,因此需要合理而有效的机制来分配资源.针对云环境下资源的特点,将经济学和智能方法相结合,提出了一种基于双向组合拍卖的智能资源分配机制.在该机制中,提出了基于体验质量(quality ofexperience,简称QoE)的威望系统,引入威望衰减系数和用户信誉度,降低拍卖中恶意行为造成的影响,为资源交易提供QoE 支持.对拍卖中的竞价决策,综合考虑多种因素,提出了基于BP 神经网络的竞标价格决策机制,不仅可以合理确定竞标价,而且使价格可以动态适应市场变化.最后,由于组合拍卖胜标确定问题是NP 完全的,因此引入群搜索优化算法,以市场盈余和总体威望为优化目标,得到资源分配方案.仿真研究结果表明,该机制是可行和有效的.
英文摘要:
      In cloud environment, all kinds of idle resources can be pooled to establish a resource pool, and different kinds of resources can be combined as a service to the users through virtualization. Therefore, an effective scheme is necessary for managing and allocating the resources. In this paper, economic and intelligent methods are employed to form an intelligent resource allocation scheme based on double combinatorial auction with respect to the characteristics of resources in cloud environment. In the proposed scheme, a reputation system on the basis of quality of experience (QoE) is devised, and the reputation attenuation coefficient and the user credit degree are introduced to decrease the negative effects of malicious behaviors on resource auctions, providing QoE support to resource dealing. In order to determine bidding price rationally, a bidding price decision mechanism based on back propagation (BP) neural network is presented to comprehensively consider various influence factors to make price adapt to the fluctuating market. Finally, due to the fact that the problem of winner determination in combinatorial auction is NP-complete, a group search optimization algorithm is adopted to find the specific resource allocation solution with market surplus and total reputation optimized. Simulation studies are conducted to demonstrate the feasibility and effectiveness of the proposed scheme.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利