[发明专利]分布式资源分配

权利要求书

1.一种用于执行资源分配的计算机实现方法，包括：

使用包括一定数量的单独计算机实现的求解器的分布式计算系统，所述数量的单独计算机实现的求解器用于通过解决受K个全局约束和L个局部约束约束的背包问题KP执行在N个用户中将M个资源分配到K个池的资源分配：

接收代表所述K个全局约束和所述L个局部约束的数据，其中，所述K个全局约束中的每一个限制了跨两个或更多个用户所述M个资源相应的最大每池成本，并且所述L个局部约束中的每一个限制了所述M个资源的每用户选择；

使用K个对偶算子将所述背包问题变换为对偶问题，所述K个对偶算子中的每一个与所述K个全局约束中的相应一个相对应；

将所述对偶问题分解为N个子问题，所述N个子问题中的每一个与所述N个用户中的相应一个相对应并且关于所述N个用户中该相应用户，受所述L个局部约束的约束；

在解决所述对偶问题时执行两次或者更多次迭代，其中，在一次迭代中，针对与池相对应的、限制了跨两个或者更多个用户所述M个资源的最大每池成本的全局约束相对应的每一个对偶算子：

确定与该池相对应的该全局约束的更新的对偶算子为非负阈值，使得：

对于与小于所述非负阈值的对偶算子相对应的池，跨所述N个用户选择的资源的总成本超出所述最大每池成本；以及

对于与不小于所述非负阈值的对偶算子相对应的池，跨所述N个用户选择的资源的总成本不超出所述最大每池成本；以及

所述数量的单独计算机实现的求解器中的一个在解决与所述N个用户中的每一个相对应的所述N个子问题中的每一个时，计算与所述更新的对偶算子相对应的所述N个用户中的每一个的M个决策变量，其中，所述M个决策变量中的每一个指示是否选择所述N个用户中每一个用户的M个资源中的相应一个。

2.根据权利要求1所述的方法，其中，N是数十亿或者更大的数量级，K小于L，L是数十亿或者更大的数量级。

3.根据前述权利要求中的任意一项所述的方法，其中，所述L个约束中的每一个与M个资源的子集相对应并且限制了在所述M个资源的该子集中待选择的资源的相应最大数量C，其中，与所述L个约束中的第一约束相对应的任何子集和与所述L个约束中的第二约束相对应的任何其它子集不具有共同资源，除非与所述第一约束相对应的子集是与所述第二约束相对应的其它子集的子集。

4.根据前述权利要求中的任意一项所述的方法，还包括：

响应于确定满足收敛条件，

计算与所述K个对偶算子相对应的所述N个用户中的每一个用户的M个决策变量；以及

根据所述N个用户中每一个用户的所述M个决策变量在所述N个用户中分配所述M个资源。

5.根据前述权利要求中的任意一项所述的方法，还包括：

确定所述K个对偶算子的初始值，其中，基于受K个采样的全局约束和所述L个局部约束约束的、用于在S个用户中将资源分配到K个池的所述背包问题的采样版本，计算所述K个对偶算子的初始值，其中，所述S个用户被采样自所述N个用户，并且所述K个采样的全局约束中的每一个限制了对于所述K个池中的每一个，跨所述S个用户，资源的相应缩减的最大总成本。

6.根据前述权利要求中的任意一项所述的方法，其中，解决与所述N个用户中的每一个相对应的所述N个子问题中的每一个包括：

对于与用户相对应的子问题并且对于与该池相对应的该全局约束相对应的每一个对偶算子，

计算该对偶算子的候选；

按照非增加的顺序对该对偶算子的候选进行排序；

按照所述非增加的顺序遍历该对偶算子的候选：

对于该对偶算子的每一个候选，

计算与该对偶算子的候选相对应的用户的M个决策变量；以及

相对于基于与按照所述非增加的顺序该对偶算子的候选之前的对偶算子的候选相对应的该用户的所述M个决策变量的选择的资源的成本，计算基于与该对偶算子的候选相对应的该用户的所述M个决策变量选择的资源的增量成本；以及

其中，通过对与该对偶算子的候选中大于或者等于特定对偶算子的所有候选相对应的用户的选择的资源的增量成本进行加和，计算与所述特定对偶算子相对应的池跨所述N个用户选择的资源的总成本。