本發(fā)明屬于基于云計(jì)算的資源調(diào)度技術(shù)領(lǐng)域，具體涉及一種云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度方法。

背景技術(shù)：

云計(jì)算是在網(wǎng)格計(jì)算、并行計(jì)算和p2p等技術(shù)基礎(chǔ)上發(fā)展起來的一種新興計(jì)算模型。它將存儲在數(shù)據(jù)中心集群上的大量計(jì)算資源、存儲資源與軟件資源鏈接在一起(包括cpu，內(nèi)存，硬盤等硬件資源，以及開發(fā)環(huán)境、應(yīng)用程序等軟件資源)，進(jìn)行集中統(tǒng)一管理，形成大規(guī)模的共享虛擬資源池，按需提供給用戶使用，為其提供“召之即來，揮之即去”且似乎“能力無限”的云服務(wù)。隨著分布式技術(shù)的飛速發(fā)展，云計(jì)算已經(jīng)成為一個(gè)關(guān)鍵的研究領(lǐng)域。云計(jì)算是建立在體系結(jié)構(gòu)(serviceorientedarchitecture，soa)之上，以服務(wù)的方式提供計(jì)算資源，用戶可以按需獲取云服務(wù)。

隨著云計(jì)算的快速發(fā)展，海量資源融入云中，用戶需求不斷增加，云計(jì)算中心提供的服務(wù)不斷增多，面臨著巨大的資源調(diào)度壓力。由于云計(jì)算系統(tǒng)處于一個(gè)動(dòng)態(tài)的環(huán)境中，并且用戶群體十分龐大，每個(gè)應(yīng)用程序有著持續(xù)不斷變化的資源需求，導(dǎo)致它的性能需要?jiǎng)討B(tài)的被滿足^[8]。另一方面，云計(jì)算使用虛擬化技術(shù)屏蔽了底層硬件的復(fù)雜性，提高了靈活性。在多用戶環(huán)境下，大量用戶的應(yīng)用程序運(yùn)行在一臺物理設(shè)備上，共享硬件和存儲設(shè)備。云計(jì)算的按需資源供應(yīng)和多用戶資源共享，導(dǎo)致云計(jì)算資源調(diào)度問題成為繼云計(jì)算中安全問題之后的第二大難題。

在云計(jì)算服務(wù)資源調(diào)度過程中，多個(gè)用戶先后提交任務(wù)請求，根據(jù)請求的時(shí)間節(jié)點(diǎn)可以劃分成多個(gè)用戶組。它們要求使用同一類資源，但是調(diào)度過程中又要保證先提交的用戶組不能獨(dú)占該類資源，這就形成了不同用戶組之間的資源競爭。為了滿足每個(gè)用戶組的需求，符合用戶組提出的約束條件如任務(wù)完成時(shí)間、完成任務(wù)所需開銷等等，同時(shí)達(dá)到資源的最合理有效的使用和配置，就需要建立基于動(dòng)態(tài)博弈的競爭模型，設(shè)計(jì)一種公平有效的資源調(diào)度方法，用于解決云服務(wù)資源調(diào)度中多用戶非同時(shí)申請資源的競爭問題，既提高資源調(diào)度效率又保證資源分配公平性。

現(xiàn)有技術(shù)一般采用基于智能優(yōu)化算法的資源調(diào)度，從調(diào)度中心整體利益出發(fā)，把智能算法運(yùn)用于云計(jì)算資源調(diào)度，提高了資源調(diào)度效率，保證了系統(tǒng)的性能。但不足之處是以調(diào)度中心整體利益為主，不能滿足所有用戶的資源需求，不能保證資源分配公平性。

另外一種是基于博弈論的資源調(diào)度，滿足了個(gè)體理性與激勵(lì)兼容特性，不足之處是過分追求云計(jì)算資源價(jià)格，未保證用戶其他的需求，即未保證用戶的服務(wù)質(zhì)量qos(qualityofservice)。

博弈論是經(jīng)濟(jì)學(xué)最基本的理論之一，用于解決不同個(gè)體之間的競爭與相互制衡問題，在西方社會(huì)科學(xué)中被認(rèn)為是20世紀(jì)社會(huì)科學(xué)領(lǐng)域取得的最大成果。而博弈論是用于解決不同個(gè)體之間的競爭與相互制衡問題，在西方社會(huì)科學(xué)中被認(rèn)為是20世紀(jì)社會(huì)科學(xué)領(lǐng)域取得的最大成果。博弈論作為研究參與者競爭的理論，在對不同個(gè)體之間的競爭進(jìn)行建模和分析方面具有非常高的價(jià)值。針對云服務(wù)資源調(diào)度中多用戶非同時(shí)申請資源的競爭問題，本發(fā)明基于動(dòng)態(tài)博弈論，提出一種合理有效的資源調(diào)度模型及方法，用于解決云環(huán)境中多用戶資源競爭問題，提高資源調(diào)度效率。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明針對現(xiàn)有技術(shù)基于智能優(yōu)化算法的資源調(diào)度存在以調(diào)度中心整體利益為主，不能滿足所有用戶的資源需求，不能保證資源分配公平性問題和基于博弈論的資源調(diào)度，存在過分追求云計(jì)算資源價(jià)格，未保證用戶其他的需求，即未保證用戶的服務(wù)質(zhì)量問題，提出一種云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度方法。

本發(fā)明的技術(shù)方案是：一種云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度方法，包括以下步驟：

步驟1：構(gòu)建云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度模型；

步驟2：基于動(dòng)態(tài)博弈的資源調(diào)度模型，根據(jù)各用戶任務(wù)的屬性高低分配選擇資源的優(yōu)先權(quán)；

步驟3：對任務(wù)屬性相同的用戶采取先申請先選擇分配優(yōu)先權(quán)的策略，并將各用戶的收益定義為其qos的滿意度；

步驟4：利用逆向歸納法求解博弈的納什均衡解。

所述的云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度方法，所述步驟1中云環(huán)境下資源調(diào)度是指在資源虛擬化基礎(chǔ)上，資源調(diào)度中心動(dòng)態(tài)地分配各用戶執(zhí)行任務(wù)所需的計(jì)算資源，為執(zhí)行任務(wù)提供可行性環(huán)境；云環(huán)境下資源調(diào)度過程中，物理資源被云系統(tǒng)虛擬化成虛擬單元，作為執(zhí)行任務(wù)的載體。

所述的云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度方法，所述云環(huán)境動(dòng)態(tài)博弈資源調(diào)度模型是一個(gè)五元組，即mced-grsm＝(n,t,s,i,u)，其中：n＝(n1,n2,…,nn)是博弈的參與者集合，參與者是某一時(shí)間片段所有發(fā)送任務(wù)請求的用戶；t＝(t1,t2,…,tn)是參與者的行動(dòng)順序，即在某一時(shí)間片段用戶選擇資源的先后順序；s＝(s1,s2,…,sn)是參與者的策略空間，表示參與者ni的策略空間，每個(gè)參與者都應(yīng)有1種以上的策略，即h≥1；

i＝(i1,i2,…,in)是參與者的信息集，表示參與者ni的信息集，每個(gè)參與者都應(yīng)有1種以上的策略，即k≥1；

u＝(u1,u2,…,un)是參與者的收益函數(shù)集合，表示用戶n在用戶1，2，…，n-1行動(dòng)之后選擇策略sn的收益；收益函數(shù)表示參與者從博弈中可以得到的收益水平，由所有參與者的策略共同決定，參與者不同的策略組合所得到的收益不同。

所述的云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度方法，所述調(diào)度模型滿足三個(gè)假設(shè)，即：理性假設(shè)：假設(shè)各用戶是完全理性的，不會(huì)因要獲得最大收益而發(fā)送毫無意義、惡意占用資源的任務(wù)請求；類型假設(shè)：假設(shè)不同用戶的需求不同，提出的qos不同；收益假設(shè)：假設(shè)所有用戶的目標(biāo)都是在滿足自己qos的前提下，請求資源來完成任務(wù)，資源調(diào)度中心的目標(biāo)是盡可能滿足所有用戶提出的需求，反饋資源完成其任務(wù)。

所述的云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度方法，所述步驟3中用戶的收益定義為其qos的滿意度利用云環(huán)境資源調(diào)度博弈樹來衡量，云環(huán)境資源調(diào)度博弈樹用一個(gè)三元組表示(n,s,u)表示，其中n表示所有節(jié)點(diǎn)集合，代表資源調(diào)度中所有用戶的集合；s是博弈樹中有向邊的集合，代表資源調(diào)度中用戶的策略；u則是用戶收益的集合，代表在不同策略下取得的收益。

所述的云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度方法，所述qos的滿意度用各用戶的收益來衡量，即，ui(s1,…,si)＝ε1q1+ε2q2+...+εnqn+…，其中q代表服務(wù)質(zhì)量指標(biāo)，ε1,ε2,…,εn代表用戶對各類指標(biāo)的權(quán)重，ε1,ε2,…,εn∈(0,1)。εiqi代表了用戶對i類型資源服務(wù)質(zhì)量的滿意度；而資源調(diào)度中心的收益是所有用戶的總收益，即：

所述的云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度方法，所述步驟4具體為：從博弈終點(diǎn)節(jié)的直接前行節(jié)開始，然后通過博弈樹逆向歸納的方法，被稱為博弈中的逆向歸納法；求解是從擴(kuò)展博弈樹的底端開始，考慮用戶n的子博弈，如果用戶n-1選擇策略則對于用戶n來說選擇策略優(yōu)于選擇其他任何一個(gè)策略，同樣的，當(dāng)用戶n-1選擇策略時(shí)，用戶n的最優(yōu)策略是各用戶知道這些信息，因此用戶n-1會(huì)選擇策略來最大化自己的利益，這樣，求解出子均衡博弈解以此類推，最終求解出均衡博弈解

所述的云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度方法，所述云環(huán)境動(dòng)態(tài)博弈資源調(diào)度模型中，策略是一個(gè)納什均衡，如果對于所有的i∈n，是的一個(gè)最優(yōu)反應(yīng)，也即對于所有的si∈si和所有的i∈n，有：其中，表示用戶i在用戶i-1行動(dòng)之后選擇最優(yōu)策略的收益，表示用戶i在用戶i-1行動(dòng)之后選擇非最優(yōu)策略si的收益。

本發(fā)明的有益效果是：本發(fā)明針對云環(huán)境下多個(gè)用戶由于同時(shí)提交任務(wù)而引起的資源競爭問題，建立云環(huán)境動(dòng)態(tài)博弈資源調(diào)度模型，利用動(dòng)態(tài)博弈理論對各個(gè)用戶之間的資源競爭進(jìn)行建模和分析，盡可能地滿足所有用戶的qos需求；基于用戶對各類指標(biāo)的權(quán)重建立收益函數(shù)，全方位考慮了各用戶對資源的類型及需求程度的差異；設(shè)計(jì)了最優(yōu)資源選擇策略，優(yōu)先保障任務(wù)級別高的用戶先選擇任務(wù)資源，對于任務(wù)級別相同的用戶采取先申請先選擇的原則，從而在最大程度上滿足各個(gè)用戶的需求；利用逆向歸納法求解動(dòng)態(tài)博弈模型的納什均衡解，從而實(shí)現(xiàn)了資源最合理有效的配置。

附圖說明

圖1為本發(fā)明的調(diào)度方法框圖；

圖2為云環(huán)境資源調(diào)度博弈樹結(jié)構(gòu)示意圖；

圖3為云環(huán)境資源調(diào)度結(jié)構(gòu)示意圖；

圖4為高級別任務(wù)的云環(huán)境資源調(diào)度博弈樹結(jié)構(gòu)示意圖；

圖5為低級別任務(wù)云環(huán)境資源調(diào)度博弈樹結(jié)構(gòu)示意圖；

具體實(shí)施方式

實(shí)施例1：結(jié)合圖1-圖5，一種云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度方法，包括以下步驟：

步驟1：構(gòu)建云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度模型；步驟2：基于動(dòng)態(tài)博弈的資源調(diào)度模型，根據(jù)各用戶任務(wù)的屬性高低分配選擇資源的優(yōu)先權(quán)；步驟3：對任務(wù)屬性相同的用戶采取先申請先選擇分配優(yōu)先權(quán)的策略，并將各用戶的收益定義為其qos的滿意度；步驟4：利用逆向歸納法求解博弈的納什均衡解。

具體的，步驟1中云環(huán)境下資源調(diào)度是指在資源虛擬化基礎(chǔ)上，資源調(diào)度中心動(dòng)態(tài)地分配各用戶執(zhí)行任務(wù)所需的計(jì)算資源，為執(zhí)行任務(wù)提供可行性環(huán)境；云環(huán)境下資源調(diào)度過程中，物理資源被云系統(tǒng)虛擬化成虛擬單元，作為執(zhí)行任務(wù)的載體。

具體的，云環(huán)境動(dòng)態(tài)博弈資源調(diào)度模型是一個(gè)五元組，即mced-grsm＝(n,t,s,i,u)，其中：n＝(n1,n2,…,nn)是博弈的參與者集合，參與者是某一時(shí)間片段所有發(fā)送任務(wù)請求的用戶；t＝(t1,t2,…,tn)是參與者的行動(dòng)順序，即在某一時(shí)間片段用戶選擇資源的先后順序；s＝(s1,s2,…,sn)是參與者的策略空間，表示參與者ni的策略空間，每個(gè)參與者都應(yīng)有1種以上的策略，即h≥1；

i＝(i1,i2,…,in)是參與者的信息集，表示參與者ni的信息集，每個(gè)參與者都應(yīng)有1種以上的策略，即k≥1；

u＝(u1,u2,…,un)是參與者的收益函數(shù)集合，表示用戶n在用戶1，2，…，n-1行動(dòng)之后選擇策略sn的收益；收益函數(shù)表示參與者從博弈中可以得到的收益水平，由所有參與者的策略共同決定，參與者不同的策略組合所得到的收益不同。

所述的云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度方法，所述調(diào)度模型滿足三個(gè)假設(shè)，即：理性假設(shè)：假設(shè)各用戶是完全理性的，不會(huì)因要獲得最大收益而發(fā)送毫無意義、惡意占用資源的任務(wù)請求；類型假設(shè)：假設(shè)不同用戶的需求不同，提出的qos不同；收益假設(shè)：假設(shè)所有用戶的目標(biāo)都是在滿足自己qos的前提下，請求資源來完成任務(wù)，資源調(diào)度中心的目標(biāo)是盡可能滿足所有用戶提出的需求，反饋資源完成其任務(wù)。

具體的，步驟3中用戶的收益定義為其qos的滿意度利用云環(huán)境資源調(diào)度博弈樹來衡量，云環(huán)境資源調(diào)度博弈樹用一個(gè)三元組表示(n,s,u)表示，其中n表示所有節(jié)點(diǎn)集合，代表資源調(diào)度中所有用戶的集合；s是博弈樹中有向邊的集合，代表資源調(diào)度中用戶的策略；u則是用戶收益的集合，代表在不同策略下取得的收益。

具體的，qos的滿意度用各用戶的收益來衡量，即，ui(s1,…,si)＝ε1q1+ε2q2+...+εnqn+…，其中q代表服務(wù)質(zhì)量指標(biāo)，ε1,ε2,…,εn代表用戶對各類指標(biāo)的權(quán)重，ε1,ε2,…,εn∈(0,1)。εiqi代表了用戶對i類型資源服務(wù)質(zhì)量的滿意度；而資源調(diào)度中心的收益是所有用戶的總收益，即：

具體的，步驟4具體為：從博弈終點(diǎn)節(jié)的直接前行節(jié)開始，然后通過博弈樹逆向歸納的方法，被稱為博弈中的逆向歸納法；求解是從擴(kuò)展博弈樹的底端開始，考慮用戶n的子博弈，如果用戶n-1選擇策略則對于用戶n來說選擇策略優(yōu)于選擇其他任何一個(gè)策略，同樣的，當(dāng)用戶n-1選擇策略時(shí)，用戶n的最優(yōu)策略是各用戶知道這些信息，因此用戶n-1會(huì)選擇策略來最大化自己的利益，這樣，求解出子均衡博弈解以此類推，最終求解出均衡博弈解

具體的，云環(huán)境動(dòng)態(tài)博弈資源調(diào)度模型中，策略是一個(gè)納什均衡，如果對于所有的i∈n，是的一個(gè)最優(yōu)反應(yīng)，也即對于所有的si∈si和所有的i∈n，有：其中，表示用戶i在用戶i-1行動(dòng)之后選擇最優(yōu)策略的收益，表示用戶i在用戶i-1行動(dòng)之后選擇非最優(yōu)策略si的收益。

實(shí)施例2，結(jié)合圖1-圖5，一種云環(huán)境下基于動(dòng)態(tài)博弈的資源調(diào)度方法，云環(huán)境下資源調(diào)度是指在資源虛擬化基礎(chǔ)上，資源調(diào)度中心動(dòng)態(tài)地分配各用戶執(zhí)行任務(wù)所需的計(jì)算資源，為執(zhí)行任務(wù)提供可行性環(huán)境，是各類任務(wù)順利實(shí)施的基礎(chǔ)。即在云環(huán)境資源調(diào)度過程中，物理資源被云系統(tǒng)虛擬化成虛擬單元，作為執(zhí)行任務(wù)的載體。用戶執(zhí)行任務(wù)往往對應(yīng)一種最佳的虛擬單元類型，而任意充足的物理資源(如各類傳感器、計(jì)算機(jī)、數(shù)據(jù)庫等)都可以創(chuàng)建這些對應(yīng)的虛擬單元，進(jìn)而可以分配給各用戶來完成其任務(wù)。但不同的創(chuàng)建方案直接影響用戶獲得的服務(wù)質(zhì)量qos(qualityofservice)，即影響用戶執(zhí)行任務(wù)的效率，因此qos是各用戶爭奪的主要目標(biāo)。

動(dòng)態(tài)博弈論是指參與人的行動(dòng)有先后順序，而且行動(dòng)在后者可以觀察到前者的選擇，并據(jù)此做出相應(yīng)的選擇。而擴(kuò)展博弈是通過樹的形式來描述一組博弈序列，完全信息博弈是指在博弈的過程中，每個(gè)博弈參與者都了解其他參與者選擇不同策略的收益情況，也知道之前所有發(fā)生過的決策。而多用戶服務(wù)資源調(diào)度的特點(diǎn)如下：(1)用戶根據(jù)各自的需求在不同時(shí)間節(jié)點(diǎn)提交任務(wù)請求，可以認(rèn)為是先后順序進(jìn)行，根據(jù)用戶的請求時(shí)間劃分為不同的用戶組；(2)雖然云計(jì)算資源池趨近無限大，但資源性能有差別。某個(gè)高性能資源如果被多個(gè)用戶使用就會(huì)大大降低該資源性能，所以前一個(gè)用戶的策略會(huì)影響后一個(gè)用戶的策略選擇，即用戶策略相互制約；(3)云計(jì)算調(diào)度中心掌握用戶申請的先后順序、請求內(nèi)容及收益函數(shù)。因此，多用戶服務(wù)資源調(diào)度的過程可以看作是動(dòng)態(tài)博弈中完全信息擴(kuò)展博弈的過程，所以本發(fā)明是在云計(jì)算資源調(diào)度中心建立基于完全信息擴(kuò)展博弈的多用戶資源調(diào)度模型。

模型假設(shè)，假設(shè)1.理性假設(shè)：假設(shè)各用戶是完全理性的，不會(huì)因要獲得最大收益而發(fā)送毫無意義、惡意占用資源的任務(wù)請求。假設(shè)2.類型假設(shè)：假設(shè)不同用戶的需求不同，提出的qos不同。假設(shè)3.收益假設(shè)：假設(shè)所有用戶的目標(biāo)都是在滿足自己qos的前提下，請求資源來完成任務(wù)。資源調(diào)度中心的目標(biāo)是盡可能滿足所有用戶提出的需求，反饋資源完成其任務(wù)。

模型定義

定義1、云環(huán)境動(dòng)態(tài)博弈資源調(diào)度模型mced-grsm(militarycloudenvironmentdynamicgameresourceschedulingmodel)是一個(gè)五元組mced-grsm＝(n,t,s,i,u)，其中：

1)n＝(n1,n2,…,nn)是博弈的參與者集合。參與者是參與博弈的獨(dú)立決策、獨(dú)立承擔(dān)結(jié)果的個(gè)人或組織，在不同的場合中，參與者的定義是不同的。在本文中，參與者是某一時(shí)間片段所有發(fā)送任務(wù)請求的用戶。

2)t＝(t1,t2,…,tn)是參與者的行動(dòng)順序。即在某一時(shí)間片段用戶選擇資源的先后順序，在云環(huán)境中首先根據(jù)任務(wù)屬性高低進(jìn)行資源選擇排序，即任務(wù)級別高的用戶先選擇可用資源來完成任務(wù)；然后任務(wù)級別相同的用戶采取先申請先選擇的排序原則。

3)s＝(s1,s2,…,sn)是參與者的策略空間。si表示參與者ni的策略空間，每個(gè)參與者都應(yīng)有1種以上的策略，即h≥1。在云環(huán)境中，各用戶的策略采取選擇最優(yōu)資源原則。

4)i＝(i1,i2,…,in)是參與者的信息集。表示參與者ni的信息集，每個(gè)參與者都應(yīng)有1種以上的策略，即k≥1。在本文中，用戶選擇資源時(shí)知道前一個(gè)用戶的選擇策略。

5)u＝(u1,u2,…,un)是參與者的收益函數(shù)集合。表示用戶n在用戶1，2，…，n-1行動(dòng)之后選擇策略sn的收益。收益函數(shù)表示參與者從博弈中可以得到的收益水平，由所有參與者的策略共同決定，參與者不同的策略組合所得到的收益不同。在云環(huán)境中，參與者收益函數(shù)是用戶qos的滿意度。

定義2、云環(huán)境資源調(diào)度博弈樹是常常用于表示調(diào)度過程中實(shí)現(xiàn)每個(gè)收益的策略路徑表現(xiàn)形式。它具有一般樹的結(jié)構(gòu)，用一個(gè)三元組表示(n,s,u)表示，如圖2所示。其中n表示所有節(jié)點(diǎn)集合，代表資源調(diào)度中所有用戶的集合；s是博弈樹中有向邊的集合，代表資源調(diào)度中用戶的策略；u則是用戶收益的集合，代表在不同策略下取得的收益。

云環(huán)境下基于動(dòng)態(tài)博弈的收益量化計(jì)算及均衡分析，包括，(1)收益量化計(jì)算：

云環(huán)境資源調(diào)度中用戶收益的量化計(jì)算是后續(xù)調(diào)度博弈分析的基礎(chǔ)，且直接影響資源調(diào)度的結(jié)果。因此，對各用戶的策略進(jìn)行合理地收益量化是非常有必要的。在實(shí)際的資源調(diào)度過程中，資源調(diào)度中心資源趨近無限多，資源性能有優(yōu)良差別；申請不同任務(wù)的用戶對資源性能權(quán)重不同。而資源調(diào)度中心是盡可能滿足所有用戶的qos，反饋資源執(zhí)行其任務(wù)，從而獲得收益。相反如果不能盡可能滿足所有用戶的qos，就會(huì)降低效益，得到損失。

本文認(rèn)為各用戶的收益是其qos的滿意度，即：

ui(s1,…,si)＝ε1q1+ε2q2+...+εnqn+…

其中q代表服務(wù)質(zhì)量指標(biāo)，例如響應(yīng)時(shí)間、可靠性、保密性等等。ε1,ε2,…,εn代表用戶對各類指標(biāo)的權(quán)重，ε1,ε2,…,εn∈(0,1)。εiqi代表了用戶對i類型資源服務(wù)質(zhì)量的滿意度。

而資源調(diào)度中心的收益是所有用戶的總收益，即：

(2)均衡分析：任何一個(gè)用戶申請資源都希望獲得資源調(diào)度中心的優(yōu)質(zhì)資源，滿足自己的qos，從而完成任務(wù)。如果資源調(diào)度中心不能滿足其qos，就會(huì)降低用戶效益。所以面對所有申請資源用戶的不同qos，如何分配資源選取策略，盡可能滿足所有用戶的qos是云環(huán)境資源調(diào)度的關(guān)鍵問題。

在資源調(diào)度過程中，各用戶根據(jù)提交任務(wù)的屬性高低按序選擇優(yōu)質(zhì)資源，后一個(gè)用戶只能根據(jù)前一個(gè)用戶行為來選擇資源，以盡可能滿足自己的qos，得到最大收益u。本發(fā)明采用博弈論中的逆向歸納法(backwardinductioningames)求解博弈的納什均衡解。

定義3、逆向歸納法：從博弈終點(diǎn)節(jié)的直接前行節(jié)開始，然后通過博弈樹逆向歸納的方法，被稱為博弈中的逆向歸納法。求解是從擴(kuò)展博弈樹的底端開始?？紤]用戶n的子博弈，如果用戶n-1選擇策略則對于用戶n來說選擇策略優(yōu)于選擇其他任何一個(gè)策略。同樣的，當(dāng)用戶n-1選擇策略時(shí)，用戶n的最優(yōu)策略是各用戶知道這些信息，因此用戶n-1會(huì)選擇策略來最大化自己的利益，這樣，求解出子均衡博弈解以此類推，最終求解出均衡博弈解

定義4、在mced-grsm模型中，策略是一個(gè)納什均衡，如果對于所有的i∈n，是的一個(gè)最優(yōu)反應(yīng)，也即對于所有的si∈si和所有的i∈n，有：

其中，表示用戶i在用戶i-1行動(dòng)之后選擇最優(yōu)策略的收益，表示用戶i在用戶i-1行動(dòng)之后選擇非最優(yōu)策略si的收益。

具體來講，云環(huán)境資源調(diào)度實(shí)例如圖3所示。該實(shí)例描述了一個(gè)虛擬化云環(huán)境下資源調(diào)度問題，資源調(diào)度中心資源池趨近無限大，各用戶的qos指標(biāo)有響應(yīng)時(shí)間、穩(wěn)定性、保密性。某一時(shí)間片段有四個(gè)用戶向資源調(diào)度中心提交任務(wù)，而每個(gè)用戶的qos不同，即對不同類型資源的權(quán)重不同。資源調(diào)度中心在資源調(diào)度過程中首先根據(jù)任務(wù)屬性的高低分配各用戶選擇資源的先后順序，然后再對任務(wù)級別相同的用戶采取先申請先選擇原則分配先后順序。而后一個(gè)用戶只能根據(jù)前一個(gè)用戶的行為來選擇資源，以盡可能滿足自己的qos。調(diào)度模型根據(jù)已有信息生成本次博弈數(shù)據(jù)表2。

表2云環(huán)境資源調(diào)度數(shù)據(jù)表

確定完本次云環(huán)境資源調(diào)度博弈數(shù)據(jù)之后計(jì)算各用戶選擇不同策略的收益量化，如表3、4。

表3云環(huán)境資源調(diào)度各用戶收益(高級別任務(wù))

表4云環(huán)境資源調(diào)度各用戶收益(低級別任務(wù))

經(jīng)過收益量化計(jì)算后，將上述數(shù)據(jù)輸入gambit博弈軟件進(jìn)行均衡分析。由此可得到博弈樹如圖4、5所示。

實(shí)驗(yàn)結(jié)果表示可分別從高低級別任務(wù)的博弈中找到唯一一個(gè)納什均衡解，構(gòu)成本次云環(huán)境資源調(diào)度的納什均衡解，結(jié)果為:即四個(gè)用戶均會(huì)選擇第二個(gè)策略。

對上述納什均衡可解釋為：云環(huán)境資源調(diào)度過程中，首先保障高級別任務(wù)的資源分配，然后同一級別任務(wù)的各用戶根據(jù)前一個(gè)用戶的策略行動(dòng)，盡可能選擇優(yōu)質(zhì)資源來執(zhí)行任務(wù)，使自己的收益最大。即在納什均衡中，各用戶均會(huì)選擇最優(yōu)資源來執(zhí)行任務(wù)。以上結(jié)果表明，本發(fā)明所提出的云環(huán)境資源調(diào)度模型及方法可以更加合理、有效地反映策略收益對用戶執(zhí)行任務(wù)的影響，并且可以有效地進(jìn)行最優(yōu)的資源調(diào)度。