一种时延敏感网络的业务流调度模型的训练方法

    公开(公告)号:CN118631760A

    公开(公告)日:2024-09-10

    申请号:CN202410758520.2

    申请日:2024-06-13

    Abstract: 本发明涉及一种基于时延敏感网络的业务流调度模型的训练方法,属于时延敏感网络技术领域,解决了现有技术中业务流调度效率低的问题。方法包括以下步骤:在每个时隙内为突发流预留时隙资源;根据预留时隙资源后的时隙信息基于多队列循环转发机制构建强化学习的状态空间和动作空间;确定业务流调度的优化目标和优化约束条件;所述优化目标为业务流调度数量最大化和资源负载均衡最大化;构建深度强化学习网络模型,基于调度周期的实时业务流信息、所述优化目标、优化约束条件训练所述深度强化学习网络模型得到时延敏感网络的业务流调度模型。提高了网络对异构业务流量的调度效率和调度能力。

    一种分布式搜索计算引擎
    3.
    发明公开

    公开(公告)号:CN117828165A

    公开(公告)日:2024-04-05

    申请号:CN202311842554.1

    申请日:2023-12-28

    Abstract: 本发明涉及一种分布式搜索计算引擎,包括:包括索引存储管理模块和搜索计算模块,其中:索引存储管理模块用于基于文档数据创建索引,将索引分为多个索引分片分散存储在多个物理分片上,物理分片上还存储有该索引分片对应的文档数据;物理分片的数量基于搜索集群各物理节点的性能和索引的数据量计算得到;搜索计算模块用于基于客户端输入的搜索关键词,通过查询操作在各个索引分片中进行关键词匹配及匹配度计算,得到多个匹配文档的文档ID;并通过取值操作,基于文档ID和路由公式,从对应的物理分片中获取得到匹配文档。本发明解决了现有技术中的搜索计算引擎没有考虑集群节点的性能和索引数据量,导致索引性能和集群性能受限的问题。

Patent Agency Ranking