-
公开(公告)号:CN114860397B
公开(公告)日:2024-06-25
申请号:CN202210390222.3
申请日:2022-04-14
Applicant: 深圳清华大学研究院
IPC: G06F9/48
Abstract: 本申请属于数据处理技术领域,尤其涉及一种任务调度方法、装置及设备。该方法包括:确定各个待执行任务的截止期,该截止期用于表示待执行任务的最后执行期限与当前时间之间的时间差;根据截止期确定各个待执行任务的优先级,待执行任务的截止期越小,待执行任务的优先级越高;根据优先级执行各个待执行任务。通过本申请提供的技术方案,任务在执行时按照根据优先级的先后顺序执行任务,提升了任务处理和执行效率,解决任务延时的情况,从而保证了网络设备的配置之间的依赖关系。
-
公开(公告)号:CN114860397A
公开(公告)日:2022-08-05
申请号:CN202210390222.3
申请日:2022-04-14
Applicant: 深圳清华大学研究院
IPC: G06F9/48
Abstract: 本申请属于数据处理技术领域,尤其涉及一种任务调度方法、装置及设备。该方法包括:确定各个待执行任务的截止期,该截止期用于表示待执行任务的最后执行期限与当前时间之间的时间差;根据截止期确定各个待执行任务的优先级,待执行任务的截止期越小,待执行任务的优先级越高;根据优先级执行各个待执行任务。通过本申请提供的技术方案,任务在执行时按照根据优先级的先后顺序执行任务,提升了任务处理和执行效率,解决任务延时的情况,从而保证了网络设备的配置之间的依赖关系。
-
公开(公告)号:CN113791538B
公开(公告)日:2023-09-26
申请号:CN202110900784.3
申请日:2021-08-06
Applicant: 深圳清华大学研究院
IPC: G05B13/04
Abstract: 本申请适用于节能技术领域,提供了一种机房设备的控制方法、控制设备及控制系统,所述方法包括:获取机房的环境状态信息;环境状态信息包括室外温度、机房温度及机房内的电子设备的工作状态;将环境状态信息输入预先训练好的深度强化学习网络模型进行处理,得到目标动作置信度向量;其中,目标动作置信度向量用于描述机房设备对应的各个预设动作的价值;根据目标动作置信度向量确定机房设备对应的目标动作;根据目标动作值确定控制策略,并控制机房设备执行控制策略。上述方法综合考虑了室外温度、机房温度以及各种电子设备的工作状态等对机房设备的节能的影响,从而可以准确的对机房设备进行控制,进而提高了机房设备的节能效率。
-
公开(公告)号:CN114745809A
公开(公告)日:2022-07-12
申请号:CN202210345966.3
申请日:2022-04-02
Applicant: 深圳清华大学研究院
Abstract: 本申请适用于网络技术领域,提供了一种网络连接方法、装置、终端设备和存储介质。其中,上述网络连接方法具体包括:接收用户终端发送的附着请求;根据所述附着请求,确定所述用户终端所需的目标网络切片;若所述目标网络切片处于故障状态,则确定与所述目标网络切片关联的备份网络切片,以及,获取用于使所述用户终端通过所述备份网络切片与目的终端建立网络连接的目标路由信息;将所述目标路由信息发送至所述用户终端。本申请的实施例可以在目标网络切片处于故障状态时进行故障处理,以保障用户终端成功与目的终端建立网络连接,提高了网络连接的可靠性和响应效率。
-
公开(公告)号:CN114036717A
公开(公告)日:2022-02-11
申请号:CN202111186918.6
申请日:2021-10-12
Abstract: 本申请属于钢筋下料领域,尤其涉及一种钢筋下料的切割方案确定方法、装置和终端设备,该方法包括:获取原材料钢筋的长度和待下料钢筋的长度及数量;根据原材料钢筋的长度和待下料钢筋的长度及数量,确定第一种群,第一种群为初始切割方案的集合,切割方案为将原材料钢筋进行切割,满足待下料钢筋的长度及数量的方案;基于预设的适应度算子,对第一种群进行优化处理,获得第二种群,第二种群为优化后的切割方案的集合;根据第二种群,确定原材料钢筋优化后的切割方案。即本申请可以通过确定第一种群,对第一种群进行优化获得第二种群,进而确定原材料钢筋优化后的切割方案,利用优化后的切割方案对原材料钢筋进行切割,提高原材料钢筋的利用率。
-
公开(公告)号:CN113791538A
公开(公告)日:2021-12-14
申请号:CN202110900784.3
申请日:2021-08-06
Applicant: 深圳清华大学研究院
IPC: G05B13/04
Abstract: 本申请适用于节能技术领域,提供了一种机房设备的控制方法、控制设备及控制系统,所述方法包括:获取机房的环境状态信息;环境状态信息包括室外温度、机房温度及机房内的电子设备的工作状态;将环境状态信息输入预先训练好的深度强化学习网络模型进行处理,得到目标动作置信度向量;其中,目标动作置信度向量用于描述机房设备对应的各个预设动作的价值;根据目标动作置信度向量确定机房设备对应的目标动作;根据目标动作值确定控制策略,并控制机房设备执行控制策略。上述方法综合考虑了室外温度、机房温度以及各种电子设备的工作状态等对机房设备的节能的影响,从而可以准确的对机房设备进行控制,进而提高了机房设备的节能效率。
-
-
-
-
-