-
公开(公告)号：CN111866111B
公开(公告)日：2021-03-30
申请号：CN202010668788.9
申请日：2020-07-13
Applicant: 郑州轻工业大学
Abstract: 本发明涉及信息技术的技术领域，特别是涉及一种感知用户需求增长趋势的边缘部署方法，其为服务提供商提供满足用户增长需求的边缘部署方案；其特征在于，具体包括以下步骤：步骤1、将边缘计算中心历史运营时间分为m个时间段；步骤2、计算步骤1中所划分的每个时间段用户所需的边缘资源量；步骤3、利用时间序列分析方法，根据步骤2获得的m个边缘计算中心历史运营时间段用户所需的资源量，预测未来一个时间段内，用户所需的边缘资源量。
-
公开(公告)号：CN112181620A
公开(公告)日：2021-01-05
申请号：CN202011031844.4
申请日：2020-09-27
Applicant: 郑州轻工业大学
Abstract: 本发明涉及大数据的技术领域，特别是涉及一种云环境下虚拟机服务能力感知的大数据工作流调度方法，评估任务对资源的服务能力需求和虚拟机对任务的服务能力保障的度量方法，为大数据并行任务的调度执行提供了必要的参考依据，并提出任务服务能力需求与虚拟机服务能力保障相匹配的服务动态级调度算法；包括以下步骤：一、大数据工作流和云系统建模与假设；二、服务能力的计算；三、大数据工作流服务动态级调度算法；四、模拟实验及结果分析。
-
公开(公告)号：CN111866111A
公开(公告)日：2020-10-30
申请号：CN202010668788.9
申请日：2020-07-13
Applicant: 郑州轻工业大学
Abstract: 本发明涉及信息技术的技术领域，特别是涉及一种感知用户需求增长趋势的边缘部署方法，其为服务提供商提供满足用户增长需求的边缘部署方案；其特征在于，具体包括以下步骤：步骤1、将边缘计算中心历史运营时间分为m个时间段；步骤2、计算步骤1中所划分的每个时间段用户所需的边缘资源量；步骤3、利用时间序列分析方法，根据步骤2获得的m个边缘计算中心历史运营时间段用户所需的资源量，预测未来一个时间段内，用户所需的边缘资源量。
-
公开(公告)号：CN114884895B
公开(公告)日：2023-08-22
申请号：CN202210483572.4
申请日：2022-05-05
Applicant: 郑州轻工业大学
IPC: H04L47/2441 , H04L45/30 , H04L45/00 , G06N3/0464
Abstract: 本发明提出了一种基于深度强化学习的智能流量调度方法，其步骤为：实时采集数据中心网络拓扑中的流，根据不同类型的流特征将流分成大象流或老鼠流；分别建立大象流和老鼠流的节能和性能为联合优化目标的流量调度模型；建立基于CNN改进的DDPG智能路由流量调度框架并进行环境交互；状态映射：将三种状态信息共同作为状态集合CNN进行训练；动作映射：动作设置为流在时间和空间上均匀传输情况下每条路径节能和性能综合的权重，根据权重分别选取大象流或老鼠流的传输路径；奖励值映射：分别设计大象流和老鼠流的奖励值函数。本发明具有较好的收敛效率，有效提高了节能百分比和时延、吞吐量、丢包率等网络性能。
-
公开(公告)号：CN114077498B
公开(公告)日：2023-03-28
申请号：CN202111380847.3
申请日：2021-11-20
Applicant: 郑州轻工业大学
Abstract: 本发明涉及人工智能技术领域，具体涉及一种面向移动边缘计算的计算负载选择及迁移方法及系统。该方法采集初始工作容器的功率数据和温度数据。当温度数据出现异常时，根据其他工作容器的功率数据筛选出可迁移工作容器。根据可迁移工作容器在容器迁移前的功率数据与初始工作容器的功率数据的相关性判断互补关联度。根据可迁移工作容器在容器迁移后的功率数据与初始工作容器的功率数据的判断互斥关联度。根据互补关联度和互斥关联度共同筛选出最优可迁移工作容器。本发明实全面分析了工作容器之间的互补性和互斥性，提供科学有效的容器迁移策略。
-
Patent Agency Ranking
公开(公告)号：CN115185655A
公开(公告)日：2022-10-14
申请号：CN202210724724.5
申请日：2022-06-23
Applicant: 郑州轻工业大学
Abstract: 本发明公开了一种基于基因频次改进的遗传任务调度方法，涉及云计算技术领域，包括以下步骤：对云计算平台中H个计算节点和M个待调度的任务进行编号；随机初始化种群，计算种群中各染色体的适应度；初始化各染色体的局部最优染色体和局部最优适应度；初始化全局最优染色体和全局最优适应度；初始化各基因的各基因值在局部最优染色体和全局最优染色体出现的频次；对种群执行交叉操作，并更新上述初始化内容；根据各基因的各基因值在局部最优染色体和全局最优染色体出现的频次，对各染色体进行非等概率的均匀变异操作；根据全局最优染色体每个基因的基因值，将对应任务调度到相应的计算结点上。本发明提高了遗传算法在任务调度问题上的应用效果。
-
公开(公告)号：CN112181620B
公开(公告)日：2022-09-20
申请号：CN202011031844.4
申请日：2020-09-27
Applicant: 郑州轻工业大学
Abstract: 本发明涉及大数据的技术领域，特别是涉及一种云环境下虚拟机服务能力感知的大数据工作流调度方法，评估任务对资源的服务能力需求和虚拟机对任务的服务能力保障的度量方法，为大数据并行任务的调度执行提供了必要的参考依据，并提出任务服务能力需求与虚拟机服务能力保障相匹配的服务动态级调度算法；包括以下步骤：一、大数据工作流和云系统建模与假设；二、服务能力的计算；三、大数据工作流服务动态级调度。
-
公开(公告)号：CN114884895A
公开(公告)日：2022-08-09
申请号：CN202210483572.4
申请日：2022-05-05
Applicant: 郑州轻工业大学
IPC: H04L47/2441 , H04L45/30 , H04L45/00 , G06N3/04
Abstract: 本发明提出了一种基于深度强化学习的智能流量调度方法，其步骤为：实时采集数据中心网络拓扑中的流，根据不同类型的流特征将流分成大象流或老鼠流；分别建立大象流和老鼠流的节能和性能为联合优化目标的流量调度模型；建立基于CNN改进的DDPG智能路由流量调度框架并进行环境交互；状态映射：将三种状态信息共同作为状态集合CNN进行训练；动作映射：动作设置为流在时间和空间上均匀传输情况下每条路径节能和性能综合的权重，根据权重分别选取大象流或老鼠流的传输路径；奖励值映射：分别设计大象流和老鼠流的奖励值函数。本发明具有较好的收敛效率，有效提高了节能百分比和时延、吞吐量、丢包率等网络性能。
-
公开(公告)号：CN112529148B
公开(公告)日：2022-02-22
申请号：CN202011311810.0
申请日：2020-11-20
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种基于图神经网络的智能QoS推理方法，用以解决现有神经网络无法适应网络结构的动态调整的问题。本发明的步骤如下：根据网络拓扑结构构建GNN的图结构，将网络中的状态信息映射为图结构中节点和边的特征值；采集网络拓扑结构中设备的状态信息组成数据集，将采集的数据集输入到步骤一建立的GNN模型进行训练，保存最优的节点和边的神经网络参数获得GNN推理模型；将采集的现实网络实时的设备中的状态数据输入GNN推理模型，实现当前状态下QoS的推理。本发明的建模简单、计算量小、且准确度较高，具有较好的泛化推理能力，解决了已有智能QoS推理方法在面对新网络拓扑时必需重新训练的难题，在现实网络中具有极好的实用性。
-
公开(公告)号：CN113961323A
公开(公告)日：2022-01-21
申请号：CN202111221481.5
申请日：2021-10-20
Applicant: 郑州轻工业大学
Abstract: 本发明涉及一种面向混合云的安全感知任务调度方法和系统，针对所有待执行的任务，将其中无安全需求且能够在公有云上完成的任务预调度到公有云，充分尽可能多的预留有限的私有云资源，利用计算资源丰富的公有云资源满足无安全需求的任务需求，充分利用公有云计算资源的丰富性，然后将未被预调度到公有云且能够在私有云上完成的任务调度到私有云，满足尽可能多的任务的需求，最后将预调度到公有云上的任务中的能够在私有云上完成的任务调度到私有云，降低公有云的租用成本，充分利用低成本的私有云资源，提高资源的使用效率。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.025 seconds)
