大型资源网络的黑洞效应、多稳定域与资源损失评价研究

In a large-scale resource network, it is necessary to realize an overall improvement both for working efficiency and for economic benefits, and to reduce the network resource loss through deployment, allocation and optimization of various networking resources, and especially, under the environment of internet of things and big data. Such a research is a new major project in the international field of large-scale resource networks and their resource management. This project aims to develop mathematical modeling for analyzing large-scale resource networks and their resource management, and to provide the basic theory and key technologies in order to deal with the black hole effect, the multiple stable domains, the network resources lost evaluation and so on. Based on this, the contents of this project include: (1) For the four classes of practical large-scale resource networks, some mathematical models are set up by using queuing networks, Markov processes and mean-field theory, and they are used to investigate interesting issues including the black hole effect, the multiple stable domains, the network resources lost evaluation and so forth by means of nonlinear Markov processes. (2) We refine system architecture and key factors of the large-scale resource networks, establish limit theory of new types of stochastic process sequences, and also discuss the black hole effect, the multiple stable domains, the network resources lost evaluation, and their intrinsic relations. (3) We provide management and control policies in order to weaken the black hole effect, and also to restrict the transfers among the multiple stable domains. The methodologies and results of this project will give original theoretical innovation, and provide practical guidance in order to improve management level of large-scale resource networks in China.

在大型资源网络中，部署、调配与优化各类资源，特别是在物联网与大数据环境下，尽力提升系统的总体工作效率、经济效益并能减少网络资源损失，这是国际上大型资源网络及其资源管理领域中一个新的重大研究课题。本项目旨在针对这种大型资源网络及其资源管理进行数学建模，发展能够研究黑洞效应、多稳定域、网络资源损失评价等的基础理论与关键技术。基于此，本项目的研究内容包括：（1）针对四类实际的大型资源网络，利用排队网络、马氏过程与平均场理论进行数学建模，通过非线性马氏过程理论研究系统的黑洞效应、多稳定域与网络资源损失评价等重要问题；（2）提炼普适大型资源网络的体系架构与关键因素，建立一套新的随机过程序列的极限理论，研究黑洞效应、多稳定域、网络资源损失评价以及它们之间的内在关系；（3）提供减弱黑洞效应或者限制多稳定域转移的管控策略。本项目的研究成果将为提高我国大型资源网络管理水平，提供一些原始理论创新与实践指导。

在大型资源网络中，部署、调配与优化各类资源，特别是在物联网与大数据环境下，尽力提升系统的总体工作效率、经济效益并能减少网络资源损失，这是国际上大型资源网络及其资源管理领域中一个新的重大研究课题。.本项目在大数据的实时动态决策环境下，考虑了大型资源网络的异构性、非齐次性、周期性等关键物理特征，从四类实际大型资源网络（超市模型、负载调配模型、共享资源网络、共享单车）提炼了比较普适的大型资源网络的输入过程、服务时间、资源配置、能力规划、路径设计、任务调度、资源共享等关键随机因素，发展了大型资源网络的物理结构体系与相关管控机制。.本项目从这四类实际大型资源网络中提炼并发展了大型资源网络的随机模型（包括非线性马氏过程、非线性马氏报酬过程、非线性马氏决策过程及其它们的平均场理论），重点解决国际上大型资源网络及其资源管理领域中的三个热点难点问题：（1）研究了系统的多稳定域与亚稳定性，包括稳定点的分类与计算，跨域转移时间分析；（2）分析了系统的黑洞效应，并建立了多稳定域与黑洞效应的基本关系，包括黑洞形成机理、黑洞效应的数学度量以及网络资源损失因素；（3）在黑洞效应下，提供了系统的资源损失评价与相关的最优管控策略，包括网络资源损失评价；构建新的系统管控策略来弥补、堵截或覆盖某些黑洞。本项目的研究成果将为提高我国大型资源网络管理水平，提供一些原始理论创新与实践指导。.在本项目的研究工作中，我们已经获得了1次国际学术会议的最佳论文奖（仅1篇论文）；李泉林作为主编与大会主席，在Springer出版了两本国际会议论文集；总共发表了21篇学术论文，其中7篇SCI国际杂志，12篇EI英文国际杂志或国际会议论文，5篇国内核心刊物论文。此外，还有10篇论文在arXiv上在线发表。我们的研究成果受到了国内外同行的高度重视与好评。从2016年以来，李泉林14次担任排队论、区块链、供应链金融等研究领域国际会议的学术委员会成员并2次担任大会主席。