多媒體云中基于用戶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，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，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，用戶已經(jīng)不滿足于僅通過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)備用戶獲取服務(wù)的滿意度較低；同時(shí)，許多相同行為特征的用戶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)容利用率低下等問題；此外，由于多媒體服務(wù)對服務(wù)質(zhì)量的敏感性，因而對網(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行為特征的多媒體云體系結(jié)構(gòu)用來解決上述問題，即將位置相近、且具有相同多媒體服務(wù)需求的用戶組成用戶組，這些用戶組構(gòu)成了基于用戶行為特征的多媒體云體系結(jié)構(gòu)，同一組內(nèi)的用戶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（本文稱之

3、為服務(wù)用戶）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（本文稱之為非服務(wù)用戶）。在這個(gè)基于用戶行為特征的多媒體云體系結(jié)構(gòu)中存在以下問題：(1)服務(wù)用戶的穩(wěn)定性、分發(fā)能力影響整個(gè)用戶組的服務(wù)體驗(yàn)，因此需要合適的服務(wù)用戶選擇依據(jù)；(2)服務(wù)用戶的數(shù)量至關(guān)重要，過多的服務(wù)用戶造成總體開銷大、用戶服務(wù)成本高，而較少的服務(wù)用戶會增加服務(wù)時(shí)間開銷、造成組內(nèi)的網(wǎng)絡(luò)擁塞等，大大降低了非服務(wù)用戶的體驗(yàn)；(3)由于用戶的盲目性和自私性，如果不能合理

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

5、的數(shù)量問題，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)用戶數(shù)量，由于這是一個(gè)多目標(biāo)的優(yōu)化問題，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)用戶的總開銷。
　?。?）針對多媒體云的體系結(jié)構(gòu)中組內(nèi)用戶間帶寬資源的分配不均衡問題，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)用戶選擇服務(wù)用戶時(shí)的盲目性和自私性，引入演化博弈理論，非服務(wù)

6、用戶為了獲得更大的效用，通過模仿和學(xué)習(xí)改變自己的策略，不斷演化，直到所有的非服務(wù)用戶均無法通過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)用戶之間通過改變定價(jià)策略和提供帶寬大小吸引更多非服務(wù)用戶的連接，以獲得更大收益，本文引入Stackelberg博弈的相關(guān)知識分析服務(wù)用戶間的競爭行為，進(jìn)行服務(wù)用戶定價(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)用戶的定價(jià)策略和提供帶寬大小不再改變，非服務(wù)用戶不再

7、改變選擇策略時(shí)，即用戶組中實(shí)現(xiàn)整體效用最大的帶寬資源分配。
　　（3）對所提出的優(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)間開銷和支付費(fèi)用的開銷上進(jìn)行對比分析。最后對服務(wù)用戶間的博弈和非服務(wù)用戶間的博弈進(jìn)行實(shí)驗(yàn)驗(yàn)證，得出整體效用最大