多媒體云中基于用戶(hù)行為特征的資源分配方法研究.pdf

1、隨著互聯(lián)網(wǎng)時(shí)代的到來(lái)，以及智能設(shè)備的迅速普及，使得基于視頻、音頻的多媒體服務(wù)迅速的增長(zhǎng)，特別是提供視頻直播的多媒體服務(wù)，得到了廣泛的關(guān)注和應(yīng)用，用戶(hù)已經(jīng)不滿(mǎn)足于僅通過(guò)桌面電腦獲取視頻直播服務(wù)，使用智能設(shè)備觀看直播逐漸成為主流。由于智能設(shè)備的異構(gòu)性，大量智能設(shè)備具有較弱的物理性能、網(wǎng)絡(luò)帶寬和有限的續(xù)航等，導(dǎo)致智能設(shè)備用戶(hù)獲取服務(wù)的滿(mǎn)意度較低；同時(shí)，許多相同行為特征的用戶(hù)擁有同樣的多媒體服務(wù)需求，他們需要為同一多媒體服務(wù)分別付費(fèi)，導(dǎo)致服務(wù)成

2、本高、服務(wù)內(nèi)容利用率低下等問(wèn)題；此外，由于多媒體服務(wù)對(duì)服務(wù)質(zhì)量的敏感性，因而對(duì)網(wǎng)絡(luò)延遲、設(shè)備計(jì)算能力等有著較高的要求，因此，合理的利用和分配多媒體云中的資源顯得尤為重要。
　　本文提出了基于用戶(hù)行為特征的多媒體云體系結(jié)構(gòu)用來(lái)解決上述問(wèn)題，即將位置相近、且具有相同多媒體服務(wù)需求的用戶(hù)組成用戶(hù)組，這些用戶(hù)組構(gòu)成了基于用戶(hù)行為特征的多媒體云體系結(jié)構(gòu)，同一組內(nèi)的用戶(hù)不必全部從多媒體云服務(wù)中心獲取服務(wù)，選擇讓部分綜合效用值高的用戶(hù)（本文稱(chēng)之

3、為服務(wù)用戶(hù)）從多媒體云服務(wù)中心獲取服務(wù)，再分發(fā)給組內(nèi)的其他用戶(hù)（本文稱(chēng)之為非服務(wù)用戶(hù)）。在這個(gè)基于用戶(hù)行為特征的多媒體云體系結(jié)構(gòu)中存在以下問(wèn)題：(1)服務(wù)用戶(hù)的穩(wěn)定性、分發(fā)能力影響整個(gè)用戶(hù)組的服務(wù)體驗(yàn)，因此需要合適的服務(wù)用戶(hù)選擇依據(jù)；(2)服務(wù)用戶(hù)的數(shù)量至關(guān)重要，過(guò)多的服務(wù)用戶(hù)造成總體開(kāi)銷(xiāo)大、用戶(hù)服務(wù)成本高，而較少的服務(wù)用戶(hù)會(huì)增加服務(wù)時(shí)間開(kāi)銷(xiāo)、造成組內(nèi)的網(wǎng)絡(luò)擁塞等，大大降低了非服務(wù)用戶(hù)的體驗(yàn)；(3)由于用戶(hù)的盲目性和自私性，如果不能合理

4、的分配服務(wù)用戶(hù)與非服務(wù)用戶(hù)之間的帶寬資源，將造成帶寬資源利用率低下，嚴(yán)重影響系統(tǒng)中用戶(hù)的服務(wù)體驗(yàn)。
　　針對(duì)以上存在的問(wèn)題，本文從以下三個(gè)方面展開(kāi)研究：
　?。?）針對(duì)多媒體云的體系結(jié)構(gòu)中同一用戶(hù)組內(nèi)服務(wù)用戶(hù)的選擇問(wèn)題，本文考慮了用戶(hù)的物理性能和活躍性，分析了用戶(hù)的自私行為，引入信譽(yù)機(jī)制，提出了基于綜合效用值的用戶(hù)評(píng)價(jià)策略，將同一用戶(hù)組內(nèi)所有用戶(hù)的綜合效用值量化排序，綜合效用值越高的用戶(hù)越適合成為服務(wù)用戶(hù)。此外，針對(duì)服務(wù)用戶(hù)

5、的數(shù)量問(wèn)題，本文從最小化內(nèi)容分發(fā)時(shí)間和最小化支付費(fèi)用兩方面考慮，求解合適的服務(wù)用戶(hù)數(shù)量，由于這是一個(gè)多目標(biāo)的優(yōu)化問(wèn)題，本文提出了基于改進(jìn)極值擾動(dòng)粒子群優(yōu)化算法求解服務(wù)用戶(hù)數(shù)量，實(shí)現(xiàn)內(nèi)容分發(fā)時(shí)間和支付費(fèi)用的聯(lián)合優(yōu)化，最小化組內(nèi)用戶(hù)的總開(kāi)銷(xiāo)。
　　（2）針對(duì)多媒體云的體系結(jié)構(gòu)中組內(nèi)用戶(hù)間帶寬資源的分配不均衡問(wèn)題，本文提出了基于博弈理論的帶寬資源分配優(yōu)化方法。該方法考慮了非服務(wù)用戶(hù)選擇服務(wù)用戶(hù)時(shí)的盲目性和自私性，引入演化博弈理論，非服務(wù)

6、用戶(hù)為了獲得更大的效用，通過(guò)模仿和學(xué)習(xí)改變自己的策略，不斷演化，直到所有的非服務(wù)用戶(hù)均無(wú)法通過(guò)改變策略獲得更大的效用時(shí)，達(dá)到效用最大的穩(wěn)定狀態(tài)，即演化均衡。而服務(wù)用戶(hù)之間通過(guò)改變定價(jià)策略和提供帶寬大小吸引更多非服務(wù)用戶(hù)的連接，以獲得更大收益，本文引入Stackelberg博弈的相關(guān)知識(shí)分析服務(wù)用戶(hù)間的競(jìng)爭(zhēng)行為，進(jìn)行服務(wù)用戶(hù)定價(jià)策略和提供帶寬大小的抉擇，以求得收益最大的納什均衡解。當(dāng)服務(wù)用戶(hù)的定價(jià)策略和提供帶寬大小不再改變，非服務(wù)用戶(hù)不再

7、改變選擇策略時(shí)，即用戶(hù)組中實(shí)現(xiàn)整體效用最大的帶寬資源分配。
　?。?）對(duì)所提出的優(yōu)化方法進(jìn)行實(shí)驗(yàn)驗(yàn)證。首先為了確定算法中相關(guān)參數(shù)大小，進(jìn)行多組對(duì)比實(shí)驗(yàn)，以期望獲得算法最大性能的參數(shù)值。然后將本文的基于改進(jìn)極值擾動(dòng)粒子群服務(wù)用戶(hù)數(shù)量選擇算法與加權(quán)求極值的方法、遺傳算法等進(jìn)行比較，并將本文的協(xié)作式內(nèi)容分發(fā)機(jī)制與其他分發(fā)策略在時(shí)間開(kāi)銷(xiāo)和支付費(fèi)用的開(kāi)銷(xiāo)上進(jìn)行對(duì)比分析。最后對(duì)服務(wù)用戶(hù)間的博弈和非服務(wù)用戶(hù)間的博弈進(jìn)行實(shí)驗(yàn)驗(yàn)證，得出整體效用最大