-
公开(公告)号：CN112783621A
公开(公告)日：2021-05-11
申请号：CN202110013468.4
申请日：2021-01-06
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于鲸鱼算法的云资源动态调度方法，其特征在于利用云计算资源的资源监控模块，周期性采集云计算资源中各节点的网络带宽、处理器状态以及节点故障率，计算云计算资源中各节点的运算能力，之后通过云计算系统发布多个任务，计算云计算资源中各节点的任务运行时间以及各节点的任务运行成本；应用鲸鱼算法初始化云计算节点资源信息，以云计算资源中各节点的任务运行时间和任务运行成本作为优化目标，寻找当前最佳目标节点并向该节点进行移动，进行局部搜索，进而得到最佳目标节点，经过多次迭代生成云资源最终调度方案。本发明利用鲸鱼算法的全局寻优机制和局部优化机制生成最优资源调度方案，为云计算任务分配最优的工作节点，有效地提高了云计算资源的利用率。
-
Patent Agency Ranking
公开(公告)号：CN112363827B
公开(公告)日：2025-02-25
申请号：CN202011162367.5
申请日：2020-10-27
Applicant: 中国石油大学(华东)
IPC: G06F9/50 , H04L67/61 , H04L67/1008 , H04L67/101
Abstract: 本发明公开了一种基于延迟因子的多资源指标Kubernetes调度方法，其特征在于根据云计算任务的资源请求按特定评价准则对云计算任务优先级评价；根据云计算任务优先级及计算资源状态对云计算任务设置调度延迟；根据云计算任务的调度延迟将云计算任务插入延迟序列；根据云计算任务的资源占用率与Node资源空闲状态进行动态权重的多资源指标Node匹配，根据匹配度将云计算任务分配至最优Node。本发明通过延迟因子与动态权重的多资源指标Node匹配实现了针对不同类型资源的云计算任务的高效资源调度，保证了云计算任务及时响应，提高了云计算资源利用率，实现了各资源之间负载均衡。
-
公开(公告)号：CN114625493B
公开(公告)日：2024-04-02
申请号：CN202011468382.2
申请日：2020-12-14
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于改进天牛须智能方法的Kubernetes集群资源调度方法，其特征在于采用yaml文件从集群工作节点中获取CPU核数、磁盘读写速率等参数和集群任务列表Pod；应用蚁群智能方法初始化集群资源信息，根据蚂蚁的移动轨迹得到全局资源调度初始方案；利用全局资源调度初始方案初始化天牛须智能方法中种群个体分布，根据集群负载程度计算天牛移动的坐标向量，天牛停止搜索后，输出全局资源调度方案，即为Kuberbetes集群最终资源调度方案。本发明根据蚁群智能方法寻优结果，初始化天牛须智能方法的调度方案，应用天牛须智能方法动态地为集群环境中的每个任务分配最优的工作节点，提高集群资源调度最优方案的搜索精度，并提高集群资源综合利用率。
-
公开(公告)号：CN113935412A
公开(公告)日：2022-01-14
申请号：CN202111195196.0
申请日：2021-10-13
Applicant: 中国石油大学(华东)
IPC: G06K9/62 , G06V10/764 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于改进YOLOV4的密集小目标检测方法，其特征在于通过Mosaic数据增强方法对密集小目标检测数据集在数据广度层面进行数据特征融合处理，丰富检测物体的密集程度以及检测物体的背景信息和目标信息，最后对Mosaic数据增强方法处理后的数据集进行密集小目标检测数据处理，使密集小目标数据集分布满足标准正态分布；应用改进YOLOV4密集小目标检测方法优化图像数据特征提取策略，丰富目标实例特征的语义信息，之后对密集小目标检测数据集进行迭代训练，使用随机梯度优化器对检测模型参数进行优化，将所得检测模型与目前最优检测模型进行对比，选择检测精度更高的模型作为当前最优检测模型并且继续进行迭代训练，经过多轮迭代训练之后生成最优密集小目标检测模型。本发明利用改进YOLOV4密集小目标检测方法的数据预处理机制以及特征提取策略生成最优的密集小目标检测模型，丰富目标实例特征的语义信息，有效地提高密集小目标检测精度。
-
公开(公告)号：CN112363827A
公开(公告)日：2021-02-12
申请号：CN202011162367.5
申请日：2020-10-27
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于延迟因子的多资源指标Kubernetes调度方法，其特征在于根据云计算任务的资源请求按特定评价准则对云计算任务优先级评价；根据云计算任务优先级及计算资源状态对云计算任务设置调度延迟；根据云计算任务的调度延迟将云计算任务插入延迟序列；根据云计算任务的资源占用率与Node资源空闲状态进行动态权重的多资源指标Node匹配，根据匹配度将云计算任务分配至最优Node。本发明通过延迟因子与动态权重的多资源指标Node匹配实现了针对不同类型资源的云计算任务的高效资源调度，保证了云计算任务及时响应，提高了云计算资源利用率，实现了各资源之间负载均衡。
-
公开(公告)号：CN114625493A
公开(公告)日：2022-06-14
申请号：CN202011468382.2
申请日：2020-12-14
Applicant: 中国石油大学(华东)
Abstract: 本发明公开了一种基于改进天牛须智能方法的Kubernetes集群资源调度方法，其特征在于采用yaml文件从集群工作节点中获取CPU核数、磁盘读写速率等参数和集群任务列表Pod；应用蚁群智能方法初始化集群资源信息，根据蚂蚁的移动轨迹得到全局资源调度初始方案；利用全局资源调度初始方案初始化天牛须智能方法中种群个体分布，根据集群负载程度计算天牛移动的坐标向量，天牛停止搜索后，输出全局资源调度方案，即为Kuberbetes集群最终资源调度方案。本发明根据蚁群智能方法寻优结果，初始化天牛须智能方法的调度方案，应用天牛须智能方法动态地为集群环境中的每个任务分配最优的工作节点，提高集群资源调度最优方案的搜索精度，并提高集群资源综合利用率。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
