摘要：使用拍卖方式来进行资源分配可以使得资源提供商获得更大的收益,是云计算领域近年来研究的重点之一。但资源分配问题是NP难的,无法在多项式时间内求解,现有研究主要通过近似算法或启发式算法来实现资源分配,但存在算法耗时长,与最优解相比准确度低的缺点。监督学习中分类及回归思想可对多维云资源分配问题进行建模和分析,针对不同问题规模,该文提出基于线性回归、逻辑回归、支持向量机的3种资源分配算法,并且基于临界值理论设计了支付价格算法,从而确保拍卖机制的可信性。在社会福利、分配准确率、算法执行时间、资源利用率等多个方面进行测试分析,取得了很好的效果。

摘要：共享经济给人们生活方式带来巨大改变,但是其预约模式大都采用固定价格、先预约先服务的方式分配资源,导致供应商收益低下,资源利用率也不高。基于此,提出一种基于拍卖的机制RAUPAM(resources allocation and user payment approximation mechanism),该机制适用于任何按时租赁收费的共享资源,如共享停车位、住宿等,通过拍卖来解决预约模式下共享资源的分配及用户定价问题。在资源分配问题上,该机制采用关键路径思想对每个资源进行全局规划,提高资源利用率的同时保证收益极大化;在价格支付问题上,基于临界值求解用户支付价格,尽可能地降低用户支付,吸引用户参与。实验结果表明,在不同的资源密度和分配周期下,RAUPAM都优于传统的FCFS(first-come-first-serve)和MAXBID算法,说明RAUPAM在预约高峰期和低峰期都表现更优,且不受分配周期的影响。通过详细对比,RAUPAM的利润比FCFS至少提高55%,比MAXBID算法平均提高30%;其服务用户率、资源利用率都比FCFS和MAXBID算法有显著提高。

摘要：使用拍卖方式来进行资源分配可以使得资源提供商获得更大的收益,是云计算领域近年来研究的重点。但现有研究多是基于非可信、单资源、单需求的前提。该文提出一种基于拍卖方式的云计算虚拟资源分配和定价机制(VRAP)。这种机制的特点在于,用户在一次拍卖中可以提出多个资源需求。证明了在这种机制下,资源提供商可以获得较以往拍卖机制更大的收益,同时能够保证用户出价是可信的。进而在具体资源分配问题上,提出一种单调的启发式算法能够在很短时间内计算出分配结果,通过资源稀有度概念设计了再分配策略,可以保证云资源提供商的收益极大化;在支付价格计算算法设计中,基于临界值理论计算支付价格,从而保证机制的公平可信。在社会福利、执行时间、资源利用率等多个方面对VRAP进行了测试分析,取得了很好的效果。

摘要：为解决Web服务中非Skyline服务无法被理性用户选择的问题,在分析了基于Skyline技术的服务选择的基础上,设计一种基于距离的服务竞争力提升算法.通过对非Skyline服务的服务质量进行提升,使其成为Skyline服务后能够被理性用户选择.该算法首先计算出由全部Skyline服务组成的多个不同的服务区域.然后计算从非Skyline服务所在位置至不同服务区域的距离,并以最短距离对应的方案作为最终的提升方案.在真实数据集和合成数据集上的实验结果表明,所设计的算法能够有效地将非Skyline服务提升成为Skyline服务,并且该算法在成本和性能上优于现有的两种方法.