-
公开(公告)号：CN110809275A
公开(公告)日：2020-02-18
申请号：CN201911085727.3
申请日：2019-11-08
Applicant: 福州大学
Abstract: 本发明涉及一种基于无线城域网的微云节点放置方法。在无线城域网中选取K接入点放置微云节点，将粒子直接编码为接入点序号，基于粒子群优化算法，先通过随机初始化一批粒子，通过适应度函数计算每个粒子的适应度值，记为该粒子的自身粒子最优值，同时选出其中适应度值最优的个体为种群最优粒子，并将该粒子的适应度值记为种群粒子最优值，同时在每一次迭代时将粒子通过变异操作与对优秀个体的交叉操作得到新的粒子，并选出每个粒子的自身最优值，与种群粒子最优值，进入下一代，重复迭代至预设阈值次数，完成微云节点的放置搜索。本发明通过优化微云节点放置，更好地减小用户任务的平均响应时间，得到高效率、低延迟的服务。
-
Patent Agency Ranking
公开(公告)号：CN110033076B
公开(公告)日：2022-08-05
申请号：CN201910317130.0
申请日：2019-04-19
Applicant: 福州大学
Abstract: 本发明涉及一种混合云环境下面向代价优化的工作流数据布局方法。首先，进行混合云环境下面向代价优化的科学工作流数据布局问题建模，将问题目标形式化得到目标函数；其次，对遗传粒子进行问题编码，实现粒子到数据布局策略的一一对应关系；再而，基于目标函数设计适应度函数来评价粒子优劣；最后，基于适应度函数，初始化种群并根据GAPSO的粒子更新策略对粒子种群不断更新迭代从而求得近似最优解。本发明方法可以有效降低混合云环境下科学工作流的执行代价。
-
公开(公告)号：CN110809275B
公开(公告)日：2021-09-28
申请号：CN201911085727.3
申请日：2019-11-08
Applicant: 福州大学
Abstract: 本发明涉及一种基于无线城域网的微云节点放置方法。在无线城域网中选取K接入点放置微云节点，将粒子直接编码为接入点序号，基于粒子群优化算法，先通过随机初始化一批粒子，通过适应度函数计算每个粒子的适应度值，记为该粒子的自身粒子最优值，同时选出其中适应度值最优的个体为种群最优粒子，并将该粒子的适应度值记为种群粒子最优值，同时在每一次迭代时将粒子通过变异操作与对优秀个体的交叉操作得到新的粒子，并选出每个粒子的自身最优值，与种群粒子最优值，进入下一代，重复迭代至预设阈值次数，完成微云节点的放置搜索。本发明通过优化微云节点放置，更好地减小用户任务的平均响应时间，得到高效率、低延迟的服务。
-
公开(公告)号：CN110033076A
公开(公告)日：2019-07-19
申请号：CN201910317130.0
申请日：2019-04-19
Applicant: 福州大学
Abstract: 本发明涉及一种混合云环境下面向代价优化的工作流数据布局方法。首先，进行混合云环境下面向代价优化的科学工作流数据布局问题建模，将问题目标形式化得到目标函数；其次，对遗传粒子进行问题编码，实现粒子到数据布局策略的一一对应关系；再而，基于目标函数设计适应度函数来评价粒子优劣；最后，基于适应度函数，初始化种群并根据GAPSO的粒子更新策略对粒子种群不断更新迭代从而求得近似最优解。本发明方法可以有效降低混合云环境下科学工作流的执行代价。
-
公开(公告)号：CN110837413B
公开(公告)日：2023-03-24
申请号：CN201911143030.7
申请日：2019-11-20
Applicant: 福州大学
Abstract: 本发明涉及一种边缘环境下深度神经网络应用的计算迁移调度方法，该方法基于评估算法和遗传算法寻找一个最优调度方案，通过该最优调度方案使n个任务平均响应时间最小，具体为：把n个任务按层划分成n×m个子任务，每一个子任务对应一个基因位点，每一个基因位点上的基因表示该基因位点对应的子任务的执行节点，每一个个体即为一个可行解；采用评估算法计算每一个个体的平均响应时间，找出这一代群体中的最优个体；计算种群的平均响应时间，并依次进行选择操作、交叉操作和变异操作，得到子代群体；不断迭代，在不断更新的子代群体中找到最优个体，即最优调度方案，得到最优调度方案的平均响应时间。该方法有利于减少计算迁移调度时间。
-
公开(公告)号：CN110837413A
公开(公告)日：2020-02-25
申请号：CN201911143030.7
申请日：2019-11-20
Applicant: 福州大学
Abstract: 本发明涉及一种边缘环境下深度神经网络应用的计算迁移调度方法，该方法基于评估算法和遗传算法寻找一个最优调度方案，通过该最优调度方案使n个任务平均响应时间最小，具体为：把n个任务按层划分成n×m个子任务，每一个子任务对应一个基因位点，每一个基因位点上的基因表示该基因位点对应的子任务的执行节点，每一个个体即为一个可行解；采用评估算法计算每一个个体的平均响应时间，找出这一代群体中的最优个体；计算种群的平均响应时间，并依次进行选择操作、交叉操作和变异操作，得到子代群体；不断迭代，在不断更新的子代群体中找到最优个体，即最优调度方案，得到最优调度方案的平均响应时间。该方法有利于减少计算迁移调度时间。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
