基于有限理性网格资源分配方法的研究

doi:10.3969/j.issn.1000-0801.2010.05.014

摘要/Abstract

摘要：

该文提出基于有限理性博弈最优反应动态的资源分配机制，使得网格用户在不需要掌握其他用户信息的情况下，通过不断地快速学习，进行策略调整而达到网格资源分配的稳定均衡，克服了资源分配博弈过程中网格用户完全理性的限制。仿真表明该机制可实现网格用户在有限理性下效用最大化的资源分配，并可校正用户的决策偏离。

关键词: 网格, 资源分配, 有限理性, 最优反应动态

Abstract:

A grid resource allocation mechanism based on the best-response dynamics is introduced in this paper，with which the grid users study and adjust strategy through repeated game to achieve stable equilibrium without the completed information of the others. The performance result validate this mechanism is efficient to lead to an optimal grid resource allocation which maximums the utility of bounded rational grid user，and revise the defected strategy if the grid user take some inaccurate action.

Key words: grid, resource allocation, bounded rationality, best-response dynamics

林晓鹏,郭东辉. 基于有限理性网格资源分配方法的研究[J]. 电信科学, 2010, 26(5): 55-60.

Xiaopeng Lin,Xiaopeng Lin. Research of Grid Resource Allocation Mechanism Based on Bounded Rational Game[J]. Telecommunications Science, 2010, 26(5): 55-60.

图/表 5

图1

表1

BRDGRAM算法仿真结果"

资源总量（R）	用户数（n）	ε	博弈回合	资源分配情况	资源总量（R）	用户数（n）	ε	博弈回合	资源分配情况	理论值 $(\frac{1}{n+1})$
100	2	1	23	33.216～33.609	100	2	0.1	76	33.237～33.458	33.333
	20	1	14	4.404～5.165		20	0.1	54	4.585～4.961	4.762
	50	1	25	1.709～2.253		50	0.1	27	1.715～2.248	1.961
500	2	1	78	166.627～166.840	500	2	0.1	244	166.618～166.739	166.667
	20	1	49	23.624～24.019		20	0.1	225	23.722～23.907	23.810
	50	1	45	9.613～10.027		50	0.1	204	9.714～9.908	9.804
1 000	2	1	133	333.312～333.476	1 000	2	0.1	406	333.298～333.392	333.333
	20	1	80	47.474～47.783		20	0.1	367	47.551～47.696	47.619
	50	1	77	19.462～19.779		50	0.1	354	19.540～19.688	19.608

表1

图2

图3

图4

参考文献 17

1	Foster I ， Kesselman C . The grid：blueprint for a new computing infrastructure. Morgan Kaufmann， San Fransisco Publisher，CA， 1999
2	林晓鹏，李晓潮，郭东辉 . 网格计算基本原理及其系统管理关键技术问题. 通信技术， 2012，l42（2）：218～220
3	Czajkowski K ， Foster I ， Karonis N ， et al. A resouce management architecture for metacomputina system.In： The 4th Workshop on Job Scheduling Strategies for Parallel Processing， Orlando，FL， March 30， 1998
4	Foster I ， Kesselman C ， Tuecke S . The anatomy of the grid：enabling scalable virtual organizations. International Journal of High Performance Computing Applications， 2001（15）： 200～222
5	Buyya R . Economic-base distributed resource management and scheduling for grid computing. Ph D Thesis，Monash University， Australia， 2002
6	Rajkumar Buyya ， Srikumar Venugopal ， Rajiv Ranjan ， et al. The gridbus middleware for market-oriented computing，market oriented Grid and utility computing. Wiley Press， Hoboken，New Jersey，USA， 2009
7	Jia Yu ， R Buyya . Market-oriented grids and utility computing：the state-of-the-art and future directions. Grid Computing， 2008（6）： 255～276
8	Chee Shin Yeo ， Srikumar Venugopal ， Xingchen Chu ， et al. Autonomic metered pricing for a utility computing service，future generation computer systems. Elsevier Science， Amsterdam，The Netherlands， 2009
9	Wolski R ， Brevik J ， Plank J S ， et al. Grid resource allocation and control using computational economics. Grid Computing：Marking the Global Infrastructure a Reality，Wiley and Sons， 2003
10	Peijie Huang ， Hong Peng ， Piyuan Lin ， et al. Macroeconomics based grid resource allocation. Future Generation Computer System， 2008（24）： 694～700
11	Roy S . Game theory：an overview. The ICFAI Journal of Managerial Economics， 2005，3（4）： 46～53
12	Khan S U ， Ishfaq Ahmad . Non-cooperative，semi-cooperative，and cooperative games-based grid resource allocation.In： Parallel and Distributed Processing Symposium， Rhodes Island，Greece， April 2006
13	Kwok Y K ， Song S S ， Hwang K . Selfish grid computing：game-theoretic modeling and NAS performance results.In： Proc of the IEEE Int’l Symp on Cluster Computing and the Grid， Cardiff，Wales，UK， 2005
14	李志洁，程春田，黄飞雪等. 一种基于序贯博弈的网格资源分析策略. 软件学报， 2006，17（11）：2373～2383
15	Lei Yao ， Guanzhong Dai ， Huixiang Zhang . A novel algorithm for task scheduling in grid computing based on game theory.In： In：10th IEEE International Conference on High Performance Computing and Communications （HPCC ˊ08）， Dalian，China， September 2008
16	李立，刘元安，马晓雷 . 基于组合双向拍卖的网格资源分配. 电子学报， 2009，37（1）：165～169
17	Jorgen Weibull . Evolutionary game theory. MA：The MIT Press， 1995

[1]	康宇, 刘雅琼, 赵彤雨, 寿国础. AI算法在车联网通信与计算中的应用综述[J]. 电信科学, 2023, 39(1): 1-19.
[2]	汪晗, 刁磊, 王梦玲, 荣欣, 李佳珉, 尤肖虎. 工业物联网中URLLC的关键问题分析[J]. 电信科学, 2022, 38(Z1): 77-92.
[3]	贺智敏, 林育哲, 程宇杰, 闫实. 基于无线感知辅助的车联网下行无线资源分配方法[J]. 电信科学, 2022, 38(9): 60-70.
[4]	邹璐珊, 黄晓雯, 杨敬民, 郑艺峰, 张光林, 张文杰. 移动边缘计算中资源分配和定价方法综述[J]. 电信科学, 2022, 38(3): 113-132.
[5]	绳韵, 许晨, 郑光远. 基于NOMA的超密集MEC网络任务卸载和资源分配方案[J]. 电信科学, 2022, 38(2): 35-46.
[6]	张叶江, 陈捷, 胡坚, 杨晓康, 陆赟, 梁腾. 一种提升城区网格道路5G覆盖率的新方法[J]. 电信科学, 2022, 38(12): 94-102.
[7]	丁铖, 陈锦荣, 曹小冬, 王翊. 基于服务质量的层次化结构资源分配算法[J]. 电信科学, 2022, 38(1): 102-111.
[8]	余云河, 孙君. 机器类通信中集中式与分布式Q学习的资源分配算法研究[J]. 电信科学, 2021, 37(11): 41-50.
[9]	朱明英, 华竹轩, 史萌. 基于数字化转型的电信综合网格管理的研究和实践[J]. 电信科学, 2021, 37(11): 128-134.
[10]	严丽云,杨新章,何震苇,林园致,侯韶新. 基于运营商视角的服务网格技术评测与集成方案[J]. 电信科学, 2020, 36(6): 144-153.
[11]	吴柳青,朱晓荣. 基于边-端协同的任务卸载资源分配联合优化算法[J]. 电信科学, 2020, 36(3): 42-52.
[12]	李凯,刘伟,罗贵阳,李静林. 以用户为中心的智能化网络运营服务方法[J]. 电信科学, 2020, 36(2): 101-108.
[13]	包晓安,曹云棣,张娜,钱俊彦,曹建文. 基于格分布方差的多目标云工作流调度算法[J]. 电信科学, 2019, 35(2): 1-13.
[14]	贾海宇,陈佳,王铭鑫. 无线接入网络中网络功能虚拟化研究综述[J]. 电信科学, 2019, 35(1): 97-112.
[15]	易冰,陈永丽,赵瑞雪. 毫米波5G网络中D2D通信的资源分配方案[J]. 电信科学, 2019, 35(1): 138-146.