公开(公告)号：CN110111146A

公开(公告)日：2019-08-09

申请号：CN201910361905.4

申请日：2019-04-30

Applicant: 东华大学

Inventor： 王鹏伟 ,  蒋昌俊 ,  章昭辉 ,  刘文强

IPC: G06Q30/02 ,  G06F16/953

Abstract: 本发明公开了一种面向云实例选择的多目标优化求解方法，包括以下步骤：A.背景问题定义：定义该求解器的问题背景；B.初始完全Pareto集合生成：得到需求个数为1下的初始Pareto集合；C.广义笛卡尔积生成：将完全Pareto集合和初始Pareto集合进行广义笛卡尔积；D.中间完全Pareto集合生成：对广义笛卡尔积进行遍历操作得到新的完全Pareto集合；E.最终完全Pareto集合生成：通过递归C、D操作得到最终的完全Pareto集合。本发明能够解决类似云实例类型选择问题的多目标优化问题，可以得到完整的Pareto集合，帮助用户更加准确的作出决策。另外，本发明能够解决类似的多目标优化问题，得到完全Pareto集合。

公开(公告)号：CN109034879A

公开(公告)日：2018-12-18

申请号：CN201810741628.5

申请日：2018-07-06

Applicant: 东华大学

Inventor： 王鹏伟 ,  蒋昌俊 ,  章昭辉 ,  刘文强

IPC: G06Q30/02 ,  G06Q30/06 ,  G06Q30/08

CPC classification number: G06Q30/0206 ,  G06Q30/0611 ,  G06Q30/08

Abstract: 本发明涉及一种基于k近邻回归算法的云计算竞价实例价格预测方法，包括以下步骤：A.数据获取：获取云计算竞价实例的历史价格；B.数据预处理：对获取的历史价格进行预处理；C.训练集、测试集生成：使用预处理之后的数据生成训练集和测试集；D.k‑d树构建：使用训练集构建k‑d树；E.k近邻搜索：针对于测试集在k‑d树中进行k近邻搜索；F.预测结果：根据搜索到的k近邻求平均值得到预测的价格。本发明能够为用户预测未来一段时间的竞价实例的价格，帮助用户在选择实例、实例出价等方面做出更好的决策。

公开(公告)号：CN110111146B

公开(公告)日：2023-07-11

申请号：CN201910361905.4

申请日：2019-04-30

Applicant: 东华大学

Inventor： 王鹏伟 ,  蒋昌俊 ,  章昭辉 ,  刘文强

IPC: G06Q30/0282 ,  G06F16/953

Abstract: 本发明公开了一种面向云实例选择的多目标优化求解方法，包括以下步骤：A.背景问题定义：定义该求解器的问题背景；B.初始完全Pareto集合生成：得到需求个数为1下的初始Pareto集合；C.广义笛卡尔积生成：将完全Pareto集合和初始Pareto集合进行广义笛卡尔积；D.中间完全Pareto集合生成：对广义笛卡尔积进行遍历操作得到新的完全Pareto集合；E.最终完全Pareto集合生成：通过递归C、D操作得到最终的完全Pareto集合。本发明能够解决类似云实例类型选择问题的多目标优化问题，可以得到完整的Pareto集合，帮助用户更加准确的作出决策。另外，本发明能够解决类似的多目标优化问题，得到完全Pareto集合。