导读:本文包含了资源分配问题论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:分配,资源,算法,边缘,包络,赌博机,电子战。
资源分配问题论文文献综述
朱会霞,刘佳鑫,刘凤超,李彤煜,王辉暖[1](2019)在《自适应遗传算法优化种植业结构与资源分配问题》一文中研究指出研究了种植业结构与农业资源分配最优组合问题,采用自适应遗传算法求解有约束问题的方法,对四种农作物在耕地面积和氮、磷、钾肥供应量一定情况下,最大纯收益数学模型进行了优化。仿真结果验证了自适应遗传算法的正确性和实用性,为该类问题的优化提供了一种新的方法,也为农业生产部门种植业结构与农业资源的合理规划提供了科学的依据。(本文来源于《辽宁工业大学学报(自然科学版)》期刊2019年06期)
杨世欣[2](2019)在《面向边缘计算的服务资源分配问题研究》一文中研究指出万物互联背景下,云计算已不能满足业务需求,边缘计算可以充分挖掘网络中边缘终端的计算能力,降低云计算中心的负担,与云计算一起构建万物互联环境。边缘计算服务资源的分配是一项关键技术,在分析、比较已有的各种服务资源分配方案的基础上,提出了一种新的服务资源分配方案,可以提高边缘计算中服务资源分配的效率、准确率。(本文来源于《微型电脑应用》期刊2019年08期)
石荣,刘江[3](2019)在《干扰资源分配问题的智能优化应用研究综述》一文中研究指出电子战中的干扰资源分配问题是典型的组合优化问题,同时也是NP难题,求解途径除了各种典型的数学规划方法之外,各种智能优化方法也在近年来得到非常广泛的应用。针对这一技术应用趋势,在概要阐述干扰资源分配的数学模型及其典型求解框架的基础上,以遗传算法、免疫算法、进化算法、粒子群算法、蚁群算法及其各种改进算法等为典型代表,对智能优化方法在干扰资源分配问题中的应用研究进展情况进行了综述,总结了各种方法的应用要点,展现了该应用方向上的发展现状,从而为各方法的工程应用和人工智能在电子战中的应用示范研究提供了有益借鉴。(本文来源于《电光与控制》期刊2019年10期)
王芷阳[4](2019)在《基于多摇臂赌博机理论的小基站资源分配问题》一文中研究指出高密度无线网络以及小基站的部署近年来被视为解决指数型增长的数据业务量需求的重要方法。在保证网络性能与控制开销的标准下,结合机器学习手段的自组织网络技术得到了广泛的重视与研究。其中结合强化学习的自组织网络技术由于其有限的人工参与以及自主与环境交互学习的特点,具有极大的研究意义。本论文详细研究了利用强化学习中的多摇臂赌博机(Multi-armed Bandit,MAB)模型解决高密度小基站网络的资源自动分配问题。首先我们考虑企业内部小基站在未知环境下的功率准确自分配问题,此问题的主要特点为在系统环境未知的情况下如何权衡充分的室内用户覆盖与限制对室外用户的干扰。我们基于随机性连续MAB模型来解决此问题,在避免由粗采样带来的固有性能损失的同时,也排除了由过度采样带来的过大初始化工作量。为了最大化网络整体的频谱利用率,我们利用了性能指示函数的单峰性(Unimodality)提出算法来有效地加速全局最优功率的搜索过程。模拟实际场景的仿真分别验证了算法在单个小基站与多个小基站情况下的性能,通过与现有算法的对比可以看出我们所提的算法有明显的性能提升。其次本论文研究了利用通信模型中的固有结构性信息,在随机性组相关性MAB模型的基础上联合解决小基站选址与功率选择的问题。我们利用通信场景中的链路损失模型将小基站的频谱性能表示为由小基站位置与发射功率值决定的具体函数形式,在同一位置处的小基站功率值性能受相同参数影响,由此可以将此问题构造为随机性组相关性MAB模型,通过对位置参数的估计,可以同时估计出不同配置下的性能。对这种模型我们同样提出了适用的算法并对其通过严格的理论分析证明了其量级最优性。通过对实际静态与动态情况下的场景仿真,可以验证我们提出的算法相比之前的工作性能得到了明显提高。(本文来源于《中国科学技术大学》期刊2019-05-26)
刘培[5](2019)在《两阶段组织系统的组内和组间资源分配问题研究》一文中研究指出资源分配问题是指组织系统将有限的资源合理地分配给组织的不同成员以最大化其总体目标的过程。由于资源的有限属性(资源总是稀缺的),如何合理利用现有的资源实现最大化的盈利目标一直是管理科学领域的重要研究课题之一。而两阶段生产结构是现实世界很普遍的现象。以商业银行为例,银行的生产过程可以分为吸收存款和投资盈利两个阶段:第一阶段的主要产出为存款,第二阶段则是利用储户存款来放贷或投资。考虑不同的决策环境,集中式决策和分散式决策。本文将由多个相同的两阶段生产结构组成的组织系统分为两类:一类是集中式组织系统,只有一个决策者制定生产计划;另一类是分散式组织系统,有多个部门的决策者参与生产计划的制定。本文针对这两类组织系统分别提出资源分配方法和模型。在建模时,本文采用双层规划形式(Bi-level programming),该模型的上层目标(Upper-level)实现组织效益的最大化,下层目标(Lower-level)计算个体成员的生产效率并为每个DMU的效率值设置下限,这在一定程度上保证资源分配的公平性。此外,本文还考虑了集中式和分散式组织系统中间资源的不同分配方式。在集中式组织系统中,本文讨论了关于中间产出约束的不同链接方式,即“自由链接”值情形和“固定链接”值情形,并证明集中式组织系统的“自由链接”值情形的组织效益大于“固定链接”值情形的组织效益。在分散式组织系统中,本文研究了两种不同的中间资源分配模式:一种是中间资源固定分配的模式(一对一),即只能在同一条供应链的上下游之间分配资源;另一种是中间资源自由分配的模式(一对多),即不同供应链的上下游之间可以交叉地分配资源。研究发现,在相同的资源约束条件下,自由分配模式要比固定分配模式给组织带来的效益更大。本文分别在规模报酬不变(CRS)和规模报酬可变(VRS)假设下对集中式和分散式两类组织系统建模。本文将提出的模型应用于中国建设银行安徽省17家城市分行的资源再分配,并对CRS和VRS假设下的两种计算结果进行对比分析。研究表明,本文提出的方法框架可以为具有类似结构的生产组织系统制定出有效的资源分配措施,帮助决策者在有限的资源约束下做出合理的生产计划以实现最优的整体组织目标。(本文来源于《中国科学技术大学》期刊2019-05-23)
王亚男[6](2019)在《具有退化维护和资源分配的单机排序问题》一文中研究指出组合优化领域的一个分支——排序,它有着重要的地位和深刻的实际背景,在机器制造的过程中得以产生,随后被人们广泛地应用到众多领域,比如:管理科学、运输业、计算机科学和工程技术等。排序对效率的提高、资源的开发和配置、工程的进展安排及经济运行方面都起到了一定的作用。在传统的排序问题中,一般假设工件的加工时间是常值,且必须连续加工不允许中断,但是在实际生产中,工件的实际加工时间会受到很多因素的影响,例如:机器设备或工件本身、资源分配等,所以不可能一直是恒定不变的,还有可能要在一段时间内对机器进行维护,从而来提高它的工作效率。本文主要内容如下:第一章,简略介绍排序问题的研究背景、国内外研究现状以及本文的研究内容与章节安排。第二章,主要研究具有退化维护的松弛交货期与资源分配的单机排序问题。工件的实际加工时间是两个参量的函数,一个是所获得的资源量,另一个是与工件位置、时间有关的退化效应。为了消除机器的退化效应,对其进行维护,维护的持续时间依赖于它的开始时间。给定有限的资源数量,在此条件下来确定公共松弛时间、维护位置、资源分配方案和工件排序的最优结果,使得由提前惩罚、延误惩罚、交货期公共松弛时间、最大完工时间和总完工时间构成的目标函数值最小,即总费用最小。根据凸优化的相应知识,使问题通过一系列的转化成为指派问题,给出了多项式时间最优算法。第叁章,主要考虑带有可变加工时间和维护的松弛交货期与凸资源分配的单机排序问题。加工工件的实际时间是所分配的不可再生资源量和与工件位置、开始时间有关的退化效应的函数,同样对其执行维护活动。确定最优的工件排序、公共松弛时间、维护位置和最优资源分配方案,使得由一系列参数构成的目标函数值最小。根据优化的相关知识,对问题进行研究,最终证明了该问题是多项式可解的。第四章,主要研究带有准备时间和退化维护的单机排序问题。工件的实际加工时间由所分配的资源量和与工件位置有关的退化效应来决定,此问题中,工件在加工之前都需要一段时间的准备,这段时间是有关资源分配的凸函数。在规划时间内执行一次维护活动。同样只给定一定量的资源,确定由工件的提前惩罚、延误惩罚、公共交货期和最大完工时间构成的目标函数最小时的工件排序、公共交货期、维护位置和资源分配方案,最终给出了该问题的启发式算法。(本文来源于《沈阳师范大学》期刊2019-05-05)
牛福强[7](2019)在《动态多目标测试资源分配问题研究》一文中研究指出在软件工程领域中,软件测试是减少系统漏洞、检测和修正错误最为行之有效的一种方法。然而随着计算机技术的飞速发展,软件系统的规模在不断扩大,系统结构越发复杂,软件测试资源的投入以及成本的消耗也在显着增加。因此,系统可靠性不再是软件项目经理唯一关注的目标。如何分配有限的测试资源,在系统可靠性、测试资源消耗以及耗费成本之间寻求一个令人满足的平衡,已成为近年来软件工程领域中的一个研究热点。然而,现有研究大都局限于测试资源的多目标静态分配。为了应对测试阶段的环境或用户需求变化导致系统结构以及测试资源分配的不确定性,本文主要研究测试资源的动态多目标分配问题。本文的主要研究内容如下:(1)分析了测试资源分配问题的研究现状以及实际应用的问题;讨论了测试资源分配问题中的多目标优化模型,包括测试资源、可靠性以及成本的相关数学描述。介绍了多目标进化算法的发展历程、原理、相关技术以及特点,并重点介绍两个性能优越的多目标进化算法:第二代非支配排序遗传算法NSGA-II和第叁代广义差分进化算法GDE3。(2)针对在优化过程中,由于用户需求的变化而导致的系统结构中子系统内模块数的增加、子系统数的增加等动态变化,分别设计了相应的种群重新初始化策略和约束处理机制,并提出了一种基于GDE3的系统结构动态变化的多目标测试资源分配算法D-GDE3。D-GDE3同时考虑系统可靠性、测试成本和耗费的测试资源,能够通过历史解重新初始化种群以适应系统结构的变化,并对新解进行约束处理以保证解的可行性。对比实验结果表明,D-GDE3能够快速收敛并获得质量较好的解集。(3)构建了一种最小化系统剩余错误总数和测试时间消耗的多阶段两目标动态测试资源分配问题数学模型,并提出了一种基于NSGA-II的多阶段两目标动态测试资源分配算法MS-NSGA-II。MS-NSGA-II以NSGA-II为基础,嵌入了参数估计、种群重新初始化和约束处理技术,实现了多阶段的动态反馈与多目标优化,能够自适应的调整每个测试阶段的测试资源分配。对比实验结果表明,MSNSGA-II能够很好的适应每个测试阶段之间的环境变化,提供更多更高质量的测试资源分配方案。(4)构建了一种最大化系统可靠性、最小化测试成本和测试资源消耗的多阶段叁目标动态测试资源分配数学模型,并提出了一种基于GDE3的多阶段叁目标动态测试资源分配算法MP-GDE3。根据构建的模型,在MP-GDE3算法中设计了相应的参数估计、种群重新初始化和约束处理技术。参数估计是多阶段不可缺少的技术,也是软件可靠性增长模型的基础;种群重新初始化可以节省测试资源,充分利用历史信息获得具有一定收敛程度的初始种群;约束处理可以帮助个体自我修正、加快解集的收敛速度,从而获得高质量的分配方案。对比实验结果验证了上述策略的有效性。(本文来源于《合肥工业大学》期刊2019-05-01)
魏峰[8](2019)在《移动边缘网络中资源分配问题研究》一文中研究指出各种移动应用的蓬勃发展,极大地改善了人们的生活。作为移动应用的支持网络,5G移动网络可以通过提供快速的服务响应来提高用户体验。部署在接入网内的移动边缘计算服务器可以使服务贴近用户,从而降低响应时延。同时,移动边缘服务器通过将请求和响应限制在接入网内,可有效降低核心网络拥塞,形成业务本地化。此外,移动边缘服务器也可以方便获取本地用户信息和网络信息,从而实现信息技术与通信技术的融合。在需求和技术的共同推动下,移动边缘网络迎来了新的机遇。在此新机遇下,本文研究了移动边缘网络中的资源分配问题。本文围绕移动边缘计算中两大主要功能——存储和计算,研究存储和任务卸载过程中实现方案的代价最优化问题。在研究存储问题时,将存储过程分为内容放置过程和内容获取过程,在研究任务卸载问题时,将任务卸载按照服务器集中式处理和分布式处理进行分类。主要创新点如下:第一,在存储内容获取过程,本文研究了基站密集部署下以最小化代价选择移动边缘网络存储服务器的问题,基于覆盖范围判定条件提出存储服务器集合选择算法。在这一部分,本文选取了服务器内容存储花费和从存储点获取内容的花费之和作为需要衡量的代价。文中通过对问题的重新表述,将该优化问题转化为多个覆盖范围内的代价迭加问题。通过存储点覆盖范围的充分不必要条件和叁基站选择存储点的具体场景,得到了应用到算法中的覆盖范围判定条件。本文在覆盖范围判定条件的基础上,提出了基于贪心策略的存储服务器选择算法。该算法将用户度与覆盖范围判定条件相结合,不但可有效地降低服务器存储数据与用户获取内容花费之和,而且对不同的服务器中心性选择策略有较好的容忍度。第二,在存储内容放置过程,本文研究了放置内容的多播与网络中其他多播存在交迭链路时,以最小化代价建立可行拓扑的问题,并基于链路复用设计了可行编码子图方案。在这一部分,本文选取了网络中发送功率之和作为需要衡量的代价。同时,将单多播流量倍增作为两多播链路完全交迭的特殊情况来研究,为单多播流量倍增和两多播链路交迭建立了统一模型。文中采用了网络编码技术,在多播树的基础上建立网络编码子图。文中分别针对两种场景提出了可行编码子图方案,得到的可行方案包含原始多播树,在流量变化及存在交迭链路时,拓扑可在多播树和可行编码方案中切换,进而实现了拓扑随流量变化的平滑过渡。同时文中通过复用拓扑中已有链路的方法,降低了编码子图形成过程中的代价消耗。第叁,在边缘服务器集中式处理方式中,本文研究了单小区内多用户在任务卸载中最大化用户节省能量的问题,在建立服务器顺序处理模型的基础上,给出了联合分配任务队列时段和信道时段的资源分配算法。文中基于任务队列建立了服务器集中顺序处理模型,更加具体地描述了服务器对用户任务的计算过程。文中基于贪心选择提出了联合分配任务队列时段和信道时段的资源分配算法,为完成用户卸载的任务提供资源保障。算法中利用任务计算时间调整策略保证任务在时间限制内完成,利用子任务功率分配策略,保证任务先传输后处理的因果性,使算法提供的解决方案满足优化问题中的约束。仿真表明,所提出的算法可有效地帮助用户节省更多的能量。第四,在边缘服务器分布式处理方式中,本文研究了基于分布式处理的单用户任务卸载最小化网络消耗能量的问题,设计了分布式处理任务卸载中的代价分析和时延分析模型,基于MapReduce分布式框架给出了最小化网络消耗能量的资源分配方案。本文将MapReduce分布式计算框架整合到任务卸载问题当中,建立了完整的时延分析和代价分析模型。固定模型中参与计算的服务器数和重复计算次数时,所研究的最小化网络代价问题为凸问题。通过将遍历方法与拉格朗日对偶法相结合,在已有的MapReduce方案基础上,设计出最小化网络消耗能量的计算资源选取方法,为合理利用分布式计算资源提供了一种可行途径。(本文来源于《北京邮电大学》期刊2019-03-20)
熊昆[9](2019)在《基于深度强化学习的无线虚拟网络资源分配问题研究》一文中研究指出在未来的5G网络中,由于业务的多样性,网络切片技术是非常重要的一项技术,它能够根据服务提供商的业务需求来动态的配置。对比于传统的物理网络,网络切片的灵活性更大,并且也能够在一定程度上降低成本。然而,由于切片共享整个系统的无线资源,切片间资源的分配与隔离是需要重点关注的问题。在无线接入网(Radio Access Network,RAN)和核心网络都可以进行网络切片,本文讨论的是RAN侧的网络切片。考虑到网络请求的动态性,切片间的负载也会随之发生变化,这会导致切片的资源过剩或者不足。因此,本文将基于软件定义网络(Software Defined Network,SDN)的架构来构建一个无线虚拟网络资源管理系统,主要目的是在保证用户服务质量(Quality of Service,QoS)满意度的前提下,最大化整个系统的资源利用率。为了能够动态的适应网络需求的改变,本文提出了两种基于深度强化学习算法框架的资源预留方案:一种是基于深度Q网络(Deep Q-Network,DQN)的资源预留方案,另一种是基于竞争架构的深度Q网络(Dueling Deep Q-Network,Dueling DQN)的资源预留方案。因此,本文的主要工作为:(1)基于DQN的资源预留策略。DQN是一种深度强化学习框架,它能够不断的和环境进行交互而优化网络的参数,所以可以适应动态的网络需求。针对多异构切片的网络场景,所有的切片都共享整个系统的资源,不合理的预留会导致切片的资源过剩或者不足。因此,本文提出了基于DQN的资源预留策略,它可以根据当前的环境状态来做出合理的资源调整动作,从而提高了系统的资源利用率。(2)基于Dueling DQN的资源预留策略。为了能够更好地平衡切片的用户满意度和资源利用率,本文提出了基于Dueling DQN的资源预留策略来动态调整切片间的资源比例。在物理资源分配方面,本文使用了基于形状的分配方案,通过将问题建模为一个二维背包问题,然后使用了一种复杂度较低的启发式算法来进行求解,尽可能在有限的频谱资源上调度更多的数据流,从而减少资源的空闲,进一步提高资源利用率。基于上述的研究内容,本文进行了仿真实验来评估基于DQN的资源预留策略和基于Dueling DQN资源预留策略的性能。我们还对比了一些现有的方法来评估本文提出的两种方法的性能。(本文来源于《电子科技大学》期刊2019-03-01)
顽虫[10](2019)在《美国大学招生丑闻背后的教育资源分配问题》一文中研究指出最近美国大学招生丑闻案一直是坊间谈资。据英国《金融时报》报道,多位美国名流涉嫌行贿数千万美金,让其子女进入顶级名校。根据法院文件,指控主要包括贿赂考官,以便在ACT和SAT考试(美国大学入学学术能力评估测试)中作弊,或贿赂大学体育教练,让学生以运动员特长身份进入名校。联邦调查局列出了八所涉案大学,其中包括乔治城大学、斯坦福大学和耶鲁大学等顶尖大学。操作该计划的是加州新港滩市的一家大学入学考前准备服务公司,其创始人坦(本文来源于《年轻人》期刊2019年04期)
资源分配问题论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
万物互联背景下,云计算已不能满足业务需求,边缘计算可以充分挖掘网络中边缘终端的计算能力,降低云计算中心的负担,与云计算一起构建万物互联环境。边缘计算服务资源的分配是一项关键技术,在分析、比较已有的各种服务资源分配方案的基础上,提出了一种新的服务资源分配方案,可以提高边缘计算中服务资源分配的效率、准确率。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
资源分配问题论文参考文献
[1].朱会霞,刘佳鑫,刘凤超,李彤煜,王辉暖.自适应遗传算法优化种植业结构与资源分配问题[J].辽宁工业大学学报(自然科学版).2019
[2].杨世欣.面向边缘计算的服务资源分配问题研究[J].微型电脑应用.2019
[3].石荣,刘江.干扰资源分配问题的智能优化应用研究综述[J].电光与控制.2019
[4].王芷阳.基于多摇臂赌博机理论的小基站资源分配问题[D].中国科学技术大学.2019
[5].刘培.两阶段组织系统的组内和组间资源分配问题研究[D].中国科学技术大学.2019
[6].王亚男.具有退化维护和资源分配的单机排序问题[D].沈阳师范大学.2019
[7].牛福强.动态多目标测试资源分配问题研究[D].合肥工业大学.2019
[8].魏峰.移动边缘网络中资源分配问题研究[D].北京邮电大学.2019
[9].熊昆.基于深度强化学习的无线虚拟网络资源分配问题研究[D].电子科技大学.2019
[10].顽虫.美国大学招生丑闻背后的教育资源分配问题[J].年轻人.2019