随着互联网时代的到来,以及智能设备的迅速普及,使得基于视频、音频的多媒体服务迅速的增长,特别是提供视频直播的多媒体服务,得到了广泛的关注和应用,用户已经不满足于仅通过桌面电脑获取视频直播服务,使用智能设备观看直播逐渐成为主流。由于智能设备的异构性,大量智能设备具有较弱的物理性能、网络带宽和有限的续航等,导致智能设备用户获取服务的满意度较低;同时,许多相同行为特征的用户拥有同样的多媒体服务需求,他们需要为同一多媒体服务分别付费,导致服务成本高、服务内容利用率低下等问题;此外,由于多媒体服务对服务质量的敏感性,因而对网络延迟、设备计算能力等有着较高的要求,因此,合理的利用和分配多媒体云中的资源显得尤为重要。本文提出了基于用户行为特征的多媒体云体系结构用来解决上述问题,即将位置相近、且具有相同多媒体服务需求的用户组成用户组,这些用户组构成了基于用户行为特征的多媒体云体系结构,同一组内的用户不必全部从多媒体云服务中心获取服务,选择让部分综合效用值高的用户(本文称之为服务用户)从多媒体云服务中心获取服务,再分发给组内的其他用户(本文称之为非服务用户)。在这个基于用户行为特征的多媒体云体系结构中存在以下问题:(1)服务用户的稳定性、分发能力影响整个用户组的服务体验,因此需要合适的服务用户选择依据;(2)服务用户的数量至关重要,过多的服务用户造成总体开销大、用户服务成本高,而较少的服务用户会增加服务时间开销、造成组内的网络拥塞等,大大降低了非服务用户的体验;(3)由于用户的盲目性和自私性,如果不能合理的分配服务用户与非服务用户之间的带宽资源,将造成带宽资源利用率低下,严重影响系统中用户的服务体验。针对以上存在的问题,本文从以下三个方面展开研究:(1)针对多媒体云的体系结构中同一用户组内服务用户的选择问题,本文考虑了用户的物理性能和活跃性,分析了用户的自私行为,引入信誉机制,提出了基于综合效用值的用户评价策略,将同一用户组内所有用户的综合效用值量化排序,综合效用值越高的用户越适合成为服务用户。此外,针对服务用户的数量问题,本文从最小化内容分发时间和最小化支付费用两方面考虑,求解合适的服务用户数量,由于这是一个多目标的优化问题,本文提出了基于改进极值扰动粒子群优化算法求解服务用户数量,实现内容分发时间和支付费用的联合优化,最小化组内用户的总开销。(2)针对多媒体云的体系结构中组内用户间带宽资源的分配不均衡问题,本文提出了基于博弈理论的带宽资源分配优化方法。该方法考虑了非服务用户选择服务用户时的盲目性和自私性,引入演化博弈理论,非服务用户为了获得更大的效用,通过模仿和学习改变自己的策略,不断演化,直到所有的非服务用户均无法通过改变策略获得更大的效用时,达到效用最大的稳定状态,即演化均衡。而服务用户之间通过改变定价策略和提供带宽大小吸引更多非服务用户的连接,以获得更大收益,本文引入Stackelberg博弈的相关知识分析服务用户间的竞争行为,进行服务用户定价策略和提供带宽大小的抉择,以求得收益最大的纳什均衡解。当服务用户的定价策略和提供带宽大小不再改变,非服务用户不再改变选择策略时,即用户组中实现整体效用最大的带宽资源分配。(3)对所提出的优化方法进行实验验证。首先为了确定算法中相关参数大小,进行多组对比实验,以期望获得算法最大性能的参数值。然后将本文的基于改进极值扰动粒子群服务用户数量选择算法与加权求极值的方法、遗传算法等进行比较,并将本文的协作式内容分发机制与其他分发策略在时间开销和支付费用的开销上进行对比分析。最后对服务用户间的博弈和非服务用户间的博弈进行实验验证,得出整体效用最大的带宽分配结果。结果显示本文的方法对于多媒体云中的资源分配具有显著的效果。