资源获胜率保证的网格任务调度算法

doi:10.3778/j.issn.1002-8331.2009.30.025

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (30): 84-87.DOI: 10.3778/j.issn.1002-8331.2009.30.025

资源获胜率保证的网格任务调度算法

姚磊¹，戴冠中¹，王丹丹²，张慧翔¹

1.西北工业大学自动化学院，西安 710072
2.广东工业大学应用数学学院，广州 510006

收稿日期:2008-10-28 修回日期:2009-01-13 出版日期:2009-10-21 发布日期:2009-10-21
通讯作者: 姚磊

Victorious-directed tasks scheduling algorithm for grid computing based on game theory

YAO Lei¹，DAI Guang-zhong¹，WANG Dan-dan²，ZHANG Hui-xiang¹

1.Department of Automation，Northwestern Polytechnical University，Xi’an 710072，China
2.Faculty of Applied Mathematics，Guangdong University of Technology，Guangzhou 510006，China

Received:2008-10-28 Revised:2009-01-13 Online:2009-10-21 Published:2009-10-21
Contact: YAO Lei

摘要/Abstract

摘要： 为保证多资源竞争下单个资源的获胜率，建立一个资源富裕型的网格计算环境模型，基于此模型提出了一个基于博弈论的资源竞争获胜率保证算法（GVP）。GVP算法通过对已知信息分析，预测对手在下一次博弈中的行动，并在此基础上确定自己的行动，使资源累计的获胜率维持在一个可接受的范围。通过实验比较了使用不同竞争策略资源的获胜率。对实验结果进行了深入分析，讨论了两资源博弈的纳什均衡解。

关键词: 网格计算, 博弈论, 纳什均衡, 获胜率保证

Abstract: In this paper，a model of a resource-rich environment of the grid computing is established at first，and then a new type of grid resource competition algorithm based on this environment is put forward，the Guarantee of Victorious Probability algorithm（GVP）.This algorithm can predict the action of an adversary through known information，and determine itself action based on the forecast.The experiments show that the resources using GVP can be close to their expectations of victorious probability compared with the other resources using the other algorithm.A more in-depth analysis of the experimental results is made，and the nash equilibrium of two-resource game is also discussed.

Key words: grid computing, game theory, nash equilibrium, guarantee of victorious probability

中图分类号:

TP393

姚磊¹，戴冠中¹，王丹丹²，张慧翔¹. 资源获胜率保证的网格任务调度算法[J]. 计算机工程与应用, 2009, 45(30): 84-87.

YAO Lei¹，DAI Guang-zhong¹，WANG Dan-dan²，ZHANG Hui-xiang¹. Victorious-directed tasks scheduling algorithm for grid computing based on game theory[J]. Computer Engineering and Applications, 2009, 45(30): 84-87.

[1]	王晋宇，杨海涛，李高源，张长弓，冯博迪. 生成对抗网络及其图像处理应用研究进展[J]. 计算机工程与应用, 2021, 57(8): 26-35.
[2]	王军，曹雷，陈希亮，赖俊，章乐贵. 多智能体博弈强化学习研究综述[J]. 计算机工程与应用, 2021, 57(21): 1-13.
[3]	刘根旺，周颖，张磊，康增信. 基于博弈论的人员疏散演化研究[J]. 计算机工程与应用, 2020, 56(8): 49-54.
[4]	王妍，马秀荣，单云龙. Shapley值的LTE系统下行QoS感知资源调度[J]. 计算机工程与应用, 2020, 56(4): 76-81.
[5]	徐齐利. 讨价还价博弈均衡出价策略的算法设计[J]. 计算机工程与应用, 2020, 56(21): 170-175.
[6]	吴青，曾锋. 机会网络自私节点的Bertrand博弈与激励机制研究[J]. 计算机工程与应用, 2020, 56(13): 106-113.
[7]	蒋凌燕1，王晓光2. 物联网技术下重复质押风险的防范[J]. 计算机工程与应用, 2019, 55(9): 223-229.
[8]	陈佳，游晓明，刘升，李娟. 结合信息熵的多种群博弈蚁群算法[J]. 计算机工程与应用, 2019, 55(16): 170-178.
[9]	柴艳妹，韩文英，王坚，王友卫. 博弈选择模型在步态识别中的应用研究[J]. 计算机工程与应用, 2018, 54(19): 26-33.
[10]	陈禹1，冯翔1，2，虞慧群1. 改进型帝国竞争模型算法的研究[J]. 计算机工程与应用, 2018, 54(12): 206-213.
[11]	王莉莉1，陈国彬1，张广泉2，3. 认知无线电网络中基于公平性的功率控制方案[J]. 计算机工程与应用, 2017, 53(3): 144-148.
[12]	孙楚，赵辉，王骁飞，魏政磊. 区间数决策在无人机攻防博弈中的应用[J]. 计算机工程与应用, 2017, 53(15): 170-175.
[13]	陈明1，文颖1，谭涛2. WSN中基于MDP与博弈论的入侵检测系统[J]. 计算机工程与应用, 2015, 51(9): 117-121.
[14]	张健，王晋东，张恒巍. 静态贝叶斯博弈在信息系统风险分析中的应用[J]. 计算机工程与应用, 2015, 51(11): 76-82.
[15]	徐昕1，2，虞慧群1，黄骏虎1. 基于Petri网的CPS系统安全量化分析模型[J]. 计算机工程与应用, 2014, 50(3): 82-88.

资源获胜率保证的网格任务调度算法

Victorious-directed tasks scheduling algorithm for grid computing based on game theory

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics