近期，我校信息工程學院吳小紅老師（第一作者）與上海交通大學李國強等合作,，在國際著名期刊《IEEE Transactions on Systems, Man, and Cybernetics: Systems》第51卷第8期上,，發(fā)表題為“An Effective Data-Driven Cloud Resource Procurement Scheme With Personalized Reserve Prices”的最新研究成果。該期刊由美國電氣與電子工程師學會（Institute of Electrical and Electronics Engineers，IEEE）主辦,，系國際計算機控制論,、自動化與控制系統(tǒng)領域中科院SCI一區(qū)TOP期刊，影響因子13.451,。

　　云資源的選擇對用戶來說非常重要,，它直接影響用戶的效用。為提高用戶所購買資源的效率,，該研究根據歷史競價信息,，提出了數據驅動的云資源采購（CRP）拍賣，可以幫助資源購買者對云資源進行優(yōu)化選擇,。該項研究設計了兩類具有個性化保留價格的拍賣機：Lazy-CRP和Eager-CRP,，其中的保留價由代理根據云提供商成本的信息在拍賣前設定。假設每個云提供商都是短視的,，該研究為Lazy-CRP提出了個性化保留價格的最優(yōu)學習算法,，為Eager-CRP方法提出了2-近似學習算法。即使云提供商的成本分布函數不相同,，這兩種算法也可有效執(zhí)行,。在仿真中，通過與傳統(tǒng)VCG-CRP比較,，結果顯示提出的機制非常適合于提供者數量非常少的情況,。根據仿真結果，當云供應商的數量少于四家時,，數據驅動的采購方案獲得的總效用顯著高于VCG-CRP,。當只有兩個提供者時，新機制增加的總效用可高達VCG-CRP獲得的效用的80%,。

　　吳小紅長期從事算法博弈論及其應用的研究工作,，在云計算資源優(yōu)化管理領域取得較好進展，研究成果發(fā)表于國內外頂級期刊,。本次研究成果將對進一步推動云計算資源的優(yōu)化管理,。

通訊員：趙康