网格激励机制研究综述

《网格激励机制研究综述》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、网格激励机制研究综述摘要：网格计算是新的互联网计算技术，发展迅速，且前景看好。而激励机制不仅是网格计算的关键问题，也是互联网新技术的共性问题。木文阐述了激励问题的必要性，综述了常见的三种激励机制，并通过分析和比较，指出了激励机制的发展方向。关键词：网格、对等、激励机制、机制设计一引言近几年來，网格技术发展迅速，前景普遍看好[1]。无论国内，还是国外，学术界都热衷于研究网格计算，如美国宇航局的信息动力网格(IPG：InformationPowerGrid),搜索地外文明的分布式网络计算(SETI@Home)、欧洲数据网格(DataGrid)、网格物理网络(GriPhy

2、N：GridPhysicsNetwork)a亚太网格(Asia-PacificGrid)^中科学计算所的织女星网格等。不仅如此，国内外知名的大企业也加入了研发网格的行列，如IBM、微软、Sun等，出现了多种类型的网格，如计算网格、数据网格、服务网格和知识网格等。开放网格服务结构(OGSA：OpenGridServicesArchitecture)的制定，Globus工具集的发展和全球网格论坛(GGF：GlobalGridForum)的成立，都推动着网格技术快速地发展。网格计算利用直联网空闲的资源，可以实现高性能计算和海量信息处理等功能，其成木较低，却潜能U大。可以说

3、，它是互联网的发展趋势，也是新一代互联网的关键技术。而网格计算的实质，就是通过互联网把物理上分散的各种资源(包括计算资源、存储资源和仪器设备等)集成为一个统一的计算平台。它的最终H标是要实现不同组织或企业间的资源共享和协作[2],适用的对象也主要是虚拟企业[2],即动态的企业联盟。在这种环境屮，参与资源共享的企业都是独立、自治的主体，相直之间没有任何的依赖或隶属关系。网格计算，不同于传统的分布式计算，是一种面向虚拟企业的新技术，参与计算的主体也是完全对等的。在这种对等环境中，主体Z间的关系是很松散的，每个主体都会根据个体利益來选择是否参与资源共享和协作。这样，网格计

4、算就必须考虑适当的激励机制，而且,激励问题也是网格技术需要解决的十大问题Z~[3]o如果不考虑激励问题，或者激励不介理的话，就很难形成稳定的网格计算平台，这也就是所谓的“自我支撐”问题。另外，其它的互联网新技术，如P2P系统、普适计算、无线传感器网络等，也具有类似的特征。这些新技术虽然计算模式不一样，但它们都是以某种方式实现互联网上各种物理分散的、口治的和独立的实体间的资源共享和协作。它们和网格计算相同，也必须考虑激励问题。rti此可见，激励机制是互联网新技术的共性问题，対它的研究，将具有普遍意义。二激励机制在互联网对筹的环境下，不仅需要考虑相应的计算问题，如网格调

5、度问题、资源发现问题、P2P节点检索等，同时，也需要考虑対等主体问的经济问题，即如何激发和协调不同口主主体间的资源共享和利益分配。激励机制，就是促使理性的主体贡献自己资源，激发它们参与共享和协作的方法和手段。这里所谓的“理性的主体”，是指这样一类主体，它们只有当有利可图时，才会贡献它们的资源，而且在贡献资源时，它们会优先考虑个体利益的最人化，而不是集体利益的最人化。激励机制的目标就是解决对等主体间的经济问题，从而实现网格技术、P2P系统、普适计算等环境的自我支撑。激励问题，最早是出现在经济领域，最常用的激励机制就是货币。网格计算等新技术,不仅是一个计算平台，也是一个

6、经济社会。货币机制也同样适用于网格计算。但网格的激励机制不只限于货币。纵观相关的研究和文献资料，网格激励机制主要有三种：货币激励、非货币激励和机制设计理论。货币激励，就是釆用货币來衡量主体贡献程度的机制。在对等的计算环境in于网格主要适用于动态的企业联盟（即虚拟企业），联盟中的成员企业，如果能获得相应的经济回报，那它肯定愿意贡献自己的空闲资源，而且冋报越多，他愿意贡献的资源也就越多越优。具体采用货币机制的有：文献［4］中阐述的Gridbus项目；文献⑸中提出的网格银行服务;文献［6］和文献［7］提出了价格机制等。非货币激励，是指不以货币为计量尺度的激励机制，如信誉等

7、。非货币激励，如同货币一样，同样可以激发自主主体贡献自己的资源。在虚拟企业屮，成员企业具有共同的经济利益，它们为了共同的H标而结成了临时的联盟。单纯的货币激励虽然能够促使成员企业贡献资源，但由于在实际使川过程屮，资源和服务的量化是比较困难的，所以非货币激励在这种动态的联盟中，反而更具优势，如文献⑻中的信誉机制，文献［9］中的町信度等。货币和非货币激励虽然可以激发自主主体贡献自己的资源，但并不能促使整个系统的性能达到或逼近最优。在对等的计算环境中，人多数的主体是理性的，它们会优先考虑个体利益的最大化，而忽视集体利益，从而造成计算系统性能的大幅降低，甚至危及整个系统