多业务共享余额的分配粒度自适应控制算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (19): 5-8.

多业务共享余额的分配粒度自适应控制算法

董元元1，2，倪宏2，邓浩江2，刘磊2

1.中国科学院研究生院，北京 100049
2.中国科学院声学研究所国家网络新媒体工程技术研究中心，北京 100190

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-07-01 发布日期:2011-07-01

Allocation granularity adaptive control algorithm for shared balance of concurrent multi-services

DONG Yuanyuan1，2，NI Hong2，DENG Haojiang2，LIU Lei2

1.Graduate University of Chinese Academy of Sciences，Beijing 100049，China
2.National Network New Media Engineering Research Center，Institute of Acoustics，Chinese Academy of Sciences，Beijing 100190，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-07-01 Published:2011-07-01

摘要/Abstract

摘要： 针对在线计费系统中，并发多业务共享账户余额的分配问题，提出一种分配粒度自适应控制算法。该算法对用户共享账户余额及系统负载分别设计不同门限，由用户业务会话时长分布参数确定余额门限，并根据当前账户余额及系统负载所处范围，采用不同的余额分配控制粒度。实验分析了算法中关键参数对算法性能的影响;对比结果表明，该算法相对其他算法能够在不提高拒绝概率的情况下，减少了业务控制网元与计费系统间的平均交互次数。

关键词: 在线计费系统, 多业务, 余额分配, 自适应控制, 拒绝概率

Abstract: To solve the problem of shared balance allocation of concurrent multi-services in the online charging system，an allocation granularity adaptive control algorithm is proposed.The algorithm firstly designs different thresholds for user shared balance and system load respectively，and then adopts different granularity to allocate service credit according to the range of current balance and system load.The thresholds of shared balance are calculated based on the distribution of service session length.The impact of key parameters on the performance of the algorithm is analyzed in the experiment.The experimental results show that the algorithm decreases the average interactive times between charging trigger function and online charging system without improving rejection probability.

Key words: online charging system, multi-services, credit allocation, adaptive control, rejection probability

董元元1，2，倪宏2，邓浩江2，刘磊2. 多业务共享余额的分配粒度自适应控制算法[J]. 计算机工程与应用, 2011, 47(19): 5-8.

DONG Yuanyuan1，2，NI Hong2，DENG Haojiang2，LIU Lei2. Allocation granularity adaptive control algorithm for shared balance of concurrent multi-services[J]. Computer Engineering and Applications, 2011, 47(19): 5-8.

[1]	陈世明，林子朋，高彦丽，裴惠琴. 自适应耦合权重下的异质群体一致性研究[J]. 计算机工程与应用, 2021, 57(4): 231-235.
[2]	余翔，王宏刚，段思睿. 基于QoE的LTE多业务资源分配算法[J]. 计算机工程与应用, 2019, 55(6): 81-85.
[3]	周健，王敏，洪良，李珣. 小型无人直升机反步自适应控制[J]. 计算机工程与应用, 2018, 54(11): 236-240.
[4]	丁晓迪，崔宝同. 带扰动模型失配史密斯预估器的自适应控制[J]. 计算机工程与应用, 2017, 53(6): 223-226.
[5]	胡龄爻1，2，3，陈建平1，2，3，傅启明1，2，3，4，胡文1，2，3，倪庆文1，2，3. 一种面向建筑节能的强化学习自适应控制方法[J]. 计算机工程与应用, 2017, 53(21): 239-246.
[6]	赵蕊，朱美玲，徐勇. 多智能体系统自适应跟踪控制[J]. 计算机工程与应用, 2017, 53(18): 39-43.
[7]	程玉娟，俞辉. 多智能体切换网络自适应组一致性[J]. 计算机工程与应用, 2017, 53(11): 50-55.
[8]	范敏，余海，石为人，黄杰. 两轮自平衡小车模型参考自适应控制平衡算法[J]. 计算机工程与应用, 2016, 52(9): 258-262.
[9]	雷霆，张国良，汤文俊，孙一杰. 不确定性自由漂浮空间机器人神经自适应控制[J]. 计算机工程与应用, 2016, 52(8): 29-32.
[10]	曹绍华，张鑫. 面向业务的SDN网络带宽保障研究[J]. 计算机工程与应用, 2016, 52(22): 127-132.
[11]	杨剑锋，张翠，张峰. 机械臂轨迹跟踪控制——基于EC-RBF神经网络的机械臂模型参考自适应控制[J]. 计算机工程与应用, 2015, 51(9): 82-86.
[12]	赵海波1，2，王铭明3. 含齿隙非线性的双电机驱动伺服系统控制研究——基于反演积分自适应方法[J]. 计算机工程与应用, 2015, 51(2): 39-45.
[13]	李艳东，朱玲，孙明. 含驱动器动力学的移动机器人编队自适应控制[J]. 计算机工程与应用, 2014, 50(1): 235-239.
[14]	汪成亮1，袁芳舟1，陈娟娟2. 3G在线计费系统限定额分配方案的设计与研究[J]. 计算机工程与应用, 2013, 49(3): 258-262.
[15]	易军凯，李志彤. 改进的实时流媒体中流量自适应控制机制[J]. 计算机工程与应用, 2013, 49(3): 101-103.