题目：不等分块P2P点播技术及其调度问题研究

随着互联网普及程度越来越高，网民基数越来越大，视频点播服务的需求日益增长。因为视频点播是一项需要高带宽、低延迟的服务，传统的客户/服务器限于服务器的性能瓶颈无法同时为大量用户提供服务。而P2P技术的对等性使每个用户在使用其他用户提供服务的同时也充当服务器的角色为其他节点服务，通过利用网络边缘的资源行使服务器的职能，这可以有效的分担服务器的压力，于是研究者在视频点播系统设计中引入P2P的特性，P2P视频点播应运而生。P2P技术为视频点播领域开拓了新的发展空间，使得构建大规模P2P点播系统成为可能，因此P2P点播技术值得深入研究。
视频点播对数据的传输有高实时性和严格的顺序性要求，并且用户可能执行播放定位操作，这为本来处于稳定状态下的服务器带来了额外的数据上传量。论文对传统P2P点播技术的分块算法深入研究，提出了不等大小分块算法，在此基础上提出了减少服务器负载的调度优化方案并对调度算法的参数选择做出了详细分析。论文研究内容和创新如下：
(1)      分析了锚点技术的特点，针对目前P2P点播系统分块的均匀性提出了不等分块的思想。给出一个自给自足（不考虑从服务器下载数据）系统对段内分块不等划分的算法示例。理论证明了使用此算法在与均匀分块系统有同样段大小和分块数的情况下能减少播放定位操作延迟时间，同时对此分块算法在不同网络状况下的适应性进行分析，得到其他环境下不等分块系统能流畅播放的条件。
(2)      简要分析了粒子群算法的改进算法——均匀搜索粒子群算法的特点，并通过将位置更新公式的转化成非迭代表达形式, 对粒子搜索最优解过程中的收敛条件进行分析, 得到了使均匀搜索粒子群算法收敛参数选取范围。实验选择对智能算法性能测试的6个经典的Benchmark函数，通过选取收敛区域内外的参数对比其结果，验证了理论推理出收敛区域的正确性, 实验结果表明学习系数和惯性系数在收敛区域内时的UPSO收敛,不在收敛区域外时UPSO发散.。
对不等分块系统的块调度顺序进行分析得出块调度顺序影响服务器负载的问题，对给出的块下载序列，提出以最小化当前块的下载完成时间为基础的贪心算法计算粒子位置序列适应值的方法。通过使粒子位置序列与块下载顺序一一对应将均匀搜索粒子群算法应用于本调度问题的优化。实验结果显示：应用均匀搜索粒子群算法对调度问题优化降低了服务器的负载。在与有同样段大小和分块数的均匀分块系统中的对比实验中看出使用不等分块能减少服务器压力。