-
公开(公告)号：CN116225658A
公开(公告)日：2023-06-06
申请号：CN202310261140.3
申请日：2023-03-17
Applicant: 北京理工大学
IPC: G06F9/48 , G06F9/50 , G06F9/455 , G06N3/126 , G06F18/23213
Abstract: 本发明公开了一种基于改进梯度优化器的多工作流调度方法，针对已有的多种群多目标框架(MPMO)因均分粒子而导致的计算资源浪费问题，提出了基于粒子位置聚类的多目标多种群进化框架以解决云环境下的多工作流调度问题，通过基于K‑means的位置聚类，将整个种群划分为多个聚类种群，每个聚类种群根据自身的适应度水平选择优化目标，既提高了搜索的多样性，也能避免交叉进化，探索更有潜力的区域，找到更多的非支配解，有效提高了工作流调度方案的生成效率。
-
公开(公告)号：CN112685399B
公开(公告)日：2022-10-18
申请号：CN202110023231.4
申请日：2021-01-08
Applicant: 北京理工大学
IPC: G06F16/215
Abstract: 本发明公开了一种MES系统的标识数据库去重方法及系统，所述去重方法包括：将待处理的每个标识数据库分别作为一个从节点，将空闲的运算节点作为主节点，并对所述从节点进行顺序标号；利用SNM算法将所有从节点中的数据分成N份；计算每个数据集的最小签名矩阵；根据每个数据集的最小签名矩阵，计算每个数据集中每两个数据元之间的相似度；根据每个数据集中每两个数据元之间的相似度，对每个数据集中的数据源进行去重处理。本发明采用数据集划分的方式减小数据传输过程中的耗时，通过构建最小签名矩阵，通过对最小签名矩阵进行交互，进行相似度计算，无需数据元的交互，保证了数据的隐私性，并进一步减小了数据传输过程中的耗时。
-
公开(公告)号：CN113220414B
公开(公告)日：2022-09-09
申请号：CN202110435961.5
申请日：2021-04-22
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于改进贫富优化算法的云工作流调度方法，通过在现有贫富优化(PRO)算法的基础上引入了中产种群，并在中产种群更新过程中应用了局部搜索策略，在增加搜索多样性的同时，避免了算法陷入局部最优的可能性；同时，在富有种群迭代更新机制中，分别采用最优富有个体和最优中产个体引导种群进化，通过更新每个个体并产生两个新个体，扩大了搜索空间，增加了种群的多样性。
-
公开(公告)号：CN112162977B
公开(公告)日：2023-01-13
申请号：CN202011124465.X
申请日：2020-10-20
Applicant: 北京理工大学(CN)
IPC: G06F16/215
Abstract: 本发明涉及一种面向MES的海量数据去冗余方法和系统。该面向MES的海量数据去冗余方法和系统，采用最小哈希算法对预处理后的数据进行压缩得到最小哈希签名，采用LSH(局部敏感哈希)算法能够避过相似度计算，将数据按照哈希值进行分桶，极大的减少了从海量数据找出相似重复数据过程中的时间复杂度，提高了数据处理的整体效率。并且，使用Jaccard相似度作为筛选条件，对Jaccard相似度大于阈值的数据定义为潜在相似数据，然后对潜在相似数据进行由分部到总体的相似度检测以去除相似重复数据，增加了去冗余能力。
-
公开(公告)号：CN117421100A
公开(公告)日：2024-01-19
申请号：CN202311203515.7
申请日：2023-09-18
Applicant: 北京理工大学
IPC: G06F9/48 , G06F9/50 , G06F18/23213 , G06N3/006 , G06N3/126
Abstract: 本发明公开了一种基于梯度优化器的能耗感知云工作流调度方法，通过构建基于多种群多目标框架和位置聚类的协同进化梯度优化算法(GBO)，解决了云边协同计算环境下的并行应用调度问题，通过将种群均分为三个子种群，由三个子种群分别优化最大完工时间、成本和能耗，增加了搜索的多样性，同时，在每个子种群内部将个体按照位置信息聚类为多个群组，利用群组的进化优势探索解空间的不同区域，以减少MPMO固有的交叉进化问题，加快了收敛速度，在优化多个目标的同时获得了均匀的帕累托前沿分布。
-
Patent Agency Ranking
公开(公告)号：CN112685165B
公开(公告)日：2022-08-23
申请号：CN202110024639.3
申请日：2021-01-08
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于联合强化学习策略的多目标云工作流调度方法，通过对工作流请求和云资源的属性和方法进行扩展建立了强化学习agent联合策略模型，使调度模型更加贴合实际的工作流应用场景，在行为选择时综合考虑调度进程、各决策子网络以及历史决策信息的影响，使得最终选择的行为更为合理，进一步提升了算法产生非支配解集的主导性和多样性，有效提高了方法的实用性。
-
公开(公告)号：CN112685399A
公开(公告)日：2021-04-20
申请号：CN202110023231.4
申请日：2021-01-08
Applicant: 北京理工大学
IPC: G06F16/215
Abstract: 本发明公开了一种MES系统的标识数据库去重方法及系统，所述去重方法包括：将待处理的每个标识数据库分别作为一个从节点，将空闲的运算节点作为主节点，并对所述从节点进行顺序标号；利用SNM算法将所有从节点中的数据分成N份；计算每个数据集的最小签名矩阵；根据每个数据集的最小签名矩阵，计算每个数据集中每两个数据元之间的相似度；根据每个数据集中每两个数据元之间的相似度，对每个数据集中的数据源进行去重处理。本发明采用数据集划分的方式减小数据传输过程中的耗时，通过构建最小签名矩阵，通过对最小签名矩阵进行交互，进行相似度计算，无需数据元的交互，保证了数据的隐私性，并进一步减小了数据传输过程中的耗时。
-
公开(公告)号：CN114924841A
公开(公告)日：2022-08-19
申请号：CN202210685971.9
申请日：2022-06-16
Applicant: 北京理工大学
Abstract: 本发明提出了一种基于改进战斗皇家优化算法的云工作流调度方法，能够在满足用户预算约束的情况下优化工作流执行时间，解决云数据中心环境下的工作流应用调度问题。本发明引入了士兵聚集指数的概念，通过比较适应度值计算每个士兵的聚集指数，并与预先设定的阈值进行比较，判断士兵是否聚集在一起，以便及时采取措施避免搜索陷入局部最优解；对于聚集指数达到阈值的士兵，依据概率对其位置中某维度的元素值进行变异，通过变异引入随机性，既可以在聚集个体附近搜索更好的解，又可以在多次迭代的累积变异后，使某些个体逃离局部最优，增强搜索的多样性，有效提升了算法的寻优速度以及找到最优解的质量。
-
公开(公告)号：CN113220414A
公开(公告)日：2021-08-06
申请号：CN202110435961.5
申请日：2021-04-22
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于改进贫富优化算法的云工作流调度方法，通过在现有贫富优化(PRO)算法的基础上引入了中产种群，并在中产种群更新过程中应用了局部搜索策略，在增加搜索多样性的同时，避免了算法陷入局部最优的可能性；同时，在富有种群迭代更新机制中，分别采用最优富有个体和最优中产个体引导种群进化，通过更新每个个体并产生两个新个体，扩大了搜索空间，增加了种群的多样性。
-
公开(公告)号：CN112685165A
公开(公告)日：2021-04-20
申请号：CN202110024639.3
申请日：2021-01-08
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于联合强化学习策略的多目标云工作流调度方法，通过对工作流请求和云资源的属性和方法进行扩展建立了强化学习agent联合策略模型，使调度模型更加贴合实际的工作流应用场景，在行为选择时综合考虑调度进程、各决策子网络以及历史决策信息的影响，使得最终选择的行为更为合理，进一步提升了算法产生非支配解集的主导性和多样性，有效提高了方法的实用性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.018 seconds)
