-
公开(公告)号：CN110365515B
公开(公告)日：2022-04-08
申请号：CN201910462365.9
申请日：2019-05-30
Applicant: 东南大学
IPC: H04L43/55
Abstract: 本发明公开了基于泛化熵的服务互联网多租户满意度度量方法，利用信息熵的概念，从互联网租户的角度出发，对服务互联网系统进行用户满意度度量，对互联网租户提交的服务请求，可以将其分为多个子服务，对每一个子服务，可以由服务互联网提供，每一个子服务从响应时间、花费代价、服务效果三个方面进行考虑，综合三种因素的结果作为某一子服务执行结果的信息量描述，只有三者同时满足预期要求，才可视为任务完成，用户满意，对服务互联网租户服务请求所分出的所有子服务服务完成后所得值取平均值即为该租户满意度的描述值，按信息熵的计算方式对服务互联网中的多租户进行计算，所得熵值即为该服务互联网的用户满意度。
-
公开(公告)号：CN110365515A
公开(公告)日：2019-10-22
申请号：CN201910462365.9
申请日：2019-05-30
Applicant: 东南大学
IPC: H04L12/24
Abstract: 本发明公开了基于泛化熵的服务互联网多租户满意度度量方法，利用信息熵的概念，从互联网租户的角度出发，对服务互联网系统进行用户满意度度量，对互联网租户提交的服务请求，可以将其分为多个子服务，对每一个子服务，可以由服务互联网提供，每一个子服务从响应时间、花费代价、服务效果三个方面进行考虑，综合三种因素的结果作为某一子服务执行结果的信息量描述，只有三者同时满足预期要求，才可视为任务完成，用户满意，对服务互联网租户服务请求所分出的所有子服务服务完成后所得值取平均值即为该租户满意度的描述值，按信息熵的计算方式对服务互联网中的多租户进行计算，所得熵值即为该服务互联网的用户满意度。
-
公开(公告)号：CN110222126A
公开(公告)日：2019-09-10
申请号：CN201910462017.1
申请日：2019-05-30
Applicant: 东南大学
Abstract: 本发明公开了大服务的静态服务供需匹配模式提取方法，包括判断多层需求结构与多层嵌套资源形成的供需模式匹配中，是否有供需关系存在；接受模式提取任务，根据资源结构和需求结构的特点，自底向上进行供需关系匹配；判断匹配的供需关系是否可以向供需双方的顶层扩展；将所提取的供需关系对应的供需关系图进行比较，判断是否有公共部分；判断是否所有的供需模式均已提取出来；将所有提取出来的供需模式进行封装，整合成新供需关系，将新供需关系反馈回原供需关系中进行更新。本发明能够实现对大服务中复杂关系和海量数据的简化，从而提高大服务的计算效率，做到更快速更精准地提供服务。
-
公开(公告)号：CN103731372B
公开(公告)日：2017-01-25
申请号：CN201310722625.4
申请日：2013-12-24
Applicant: 东南大学
IPC: H04L12/911 , H04L29/08
Abstract: 本发明公开了一种混合云环境下服务提供者的资源供应方法，利用混合云模型从云服务提供商的角度出发，提出了一种虚拟资源实时动态高效调度供应方法，使其满足每个用户的需求；用户的需求被抽象为相互独立的任务，如果对于当前任务无法分配合适资源，则最小化动态调整未执行任务，在调整代价最小化的同时，使得当前任务能够满足截止期；如果最大化调整也不能使当前任务满足截止期，则考虑租借公有云中的类似服务，权衡能耗和接受任务的收益，租用最少的服务使得收益最大化，优化完工时间和资源利用率的同时，有效保证了用户的服务质量。
-
公开(公告)号：CN103723422B
公开(公告)日：2015-11-18
申请号：CN201310710637.5
申请日：2013-12-20
Applicant: 东南大学
Abstract: 本发明公开了一种多深度双向流动式货架及其布局存取方法，所述货架包括两个工作面，每个工作面侧设有堆垛机，用于完成单元负载的存入与取出；货架拥有多深度存储单元，可以通过减少工作巷道数量来提高空间利用率；货架的存储单元按列组织，相邻两列的存储单元倾斜方向相反，即一个工作面中，单元负载被存入一半存储单元列，被从另一半存储单元列取出；因此，堆垛机可以以双命令模式执行单元负载的存取，即在一次执行中存入一件单元负载并取出另一件单元负载从而提高存取效率；单元负载具有先进先出的特性，提取目标单元负载可能被其它单元负载阻挡，这些阻挡单元负载可以转移到同一工作面的可存入的存储单元。
-
Patent Agency Ranking
公开(公告)号：CN103714050A
公开(公告)日：2014-04-09
申请号：CN201310689629.7
申请日：2013-12-13
Applicant: 东南大学
CPC classification number: Y02P90/30
Abstract: 本发明公开了一种具有多粒度特性的多层云制造资源建模框架，为云制造环境中异构制造资源提供统一描述规范，实现资源全局共享并提高资源利用率。此资源建模框架共分为三层，从下至上依次是资源模型层、功能模型层、语义元模型层。资源模型层与功能模型层通过多对多映射关系进行关联，使得资源与其对应的功能特性松散耦合在一起，提高建模框架的灵活性。功能模型层与语义元模型层通过转换关系进行关联，使得资源描述具有准确的语义。
-
公开(公告)号：CN101370030B
公开(公告)日：2011-03-16
申请号：CN200810156156.3
申请日：2008-09-24
Applicant: 东南大学
IPC: H04L29/08
Abstract: 基于内容复制的资源负载平衡方法，具体涉及一种基于内容复制的资源负载平衡方法以及一种自动的分布式资源监控架构，从每个独立的资源存储中心节点出发，根据本地节点的资源访问情况以及资源存储中心信息，动态的对访问频率较高的资源进行内容复制，并为复制的资源选择一个合适的资源存储节点进行存储，最终实现面向资源的负载平衡。负载平衡所需的资源存储中心信息如带宽，磁盘空间，信用度等通过分布式资源监控脚本程序采集存储到全局管理中心的监控信息数据库中。
-
公开(公告)号：CN117376357A
公开(公告)日：2024-01-09
申请号：CN202311316495.4
申请日：2023-10-11
Applicant: 东南大学
IPC: H04L67/1004 , H04L67/1019 , H04L67/61 , G06F9/50 , G06F9/48
Abstract: 本发明公开了一种无服务器多边缘函数动态部署与任务卸载方法及系统，在初始化阶段，创建历史经验回放区和优质经验回放区保存预收集到的边缘系统的历史经验，聚类优质经验回放区的数据，初始化函数部署模型参数，并使用历史经验回放区的数据预训练；在函数动态部署和算法更新维护阶段中，收集边缘系统当前时刻的任务到达模式，输入至函数部署模型内的策略网络，经运算后得到函数部署动作，收集新经验，维护优质经验区并更新部署模型并周期性同步参数；最后以最小化任务平均时延为目标，根据当前的函数实例部署状态进行任务混合卸载。本发明通过多边缘协作部署函数实例与任务混合卸载，减少任务延迟，提升服务质量。
-
公开(公告)号：CN117331621A
公开(公告)日：2024-01-02
申请号：CN202311316504.X
申请日：2023-10-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于Serverless冷启动问题的混用策略优化方法及系统，针对不同特征的调度函数，采用不同的调度策略，所述策略包括基于无工作流的时间序列模型调度策略和基于工作流的时间序列模型调度策略；针对高频函数，采用无工作流的时间序列模型调度策略，同时查询是否有初始化的实例，若有则执行，若没有则进入有工作流的时间序列模型调度策略；针对低频函数：进入有工作流的时间序列模型调度策略。本发明通过分析函数特征，对函数采取基于有无工作流的调度策略，对serverless的冷启动问题进行优化，对无服务器的性能提升有显著作用。
-
公开(公告)号：CN117221951A
公开(公告)日：2023-12-12
申请号：CN202311217434.2
申请日：2023-09-20
Applicant: 东南大学
IPC: H04W28/084 , H04L67/10 , G06N3/092
Abstract: 本发明公开了一种车载边缘环境下基于深度强化学习的任务卸载方法，包括预处理阶段、解决方案阶段及卸载决策阶段，首先构建车载边缘网络系统架构，根据车载边缘网络系统架构建立通信、计算模型以及目标优化；再根据系统的动态性，对车辆调度、资源分配和任务卸载进行联合优化，优化过程被表述为马尔可夫决策过程(MDP)，开发强化学习框架，并根据强化学习框架构建和设置基于PA‑TODM‑DDPG的深度强化学习模型；最后使用训练好的PA‑TODM‑DDPG求解最优卸载策略。本发明将车辆移动性、时变信道状态、任务卸载决策和资源分配的混合动作空间要求进行联合考虑，从减少系统成本的角度考虑可分割的独立车载任务卸载问题，通过联合优化系统能耗和总体时延降低系统总成本。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.022 seconds)
