-
公开(公告)号：CN112256415A
公开(公告)日：2021-01-22
申请号：CN202011118823.6
申请日：2020-10-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于PSO‑GA的微云负载均衡任务调度方法，包括以下步骤：步骤S1:初始化微云集合参数；步骤S2:计算所有微云的本地任务响应时间；步骤S3:根据微云的本地任务响应时间对微云进行排序，并将微云集合划分成过载集合和欠载集合；步骤S4:基于约束条件，采用改进的PSOGA算法，获取最优的微云任务调度方案。本发明可以有效减少迁移任务的响应时间，提高微云负载任务调度效率。
-
Patent Agency Ranking
公开(公告)号：CN112256415B
公开(公告)日：2023-08-04
申请号：CN202011118823.6
申请日：2020-10-19
Applicant: 福州大学
Abstract: 本发明涉及一种基于PSO‑GA的微云负载均衡任务调度方法，包括以下步骤：步骤S1:初始化微云集合参数；步骤S2:计算所有微云的本地任务响应时间；步骤S3:根据微云的本地任务响应时间对微云进行排序，并将微云集合划分成过载集合和欠载集合；步骤S4:基于约束条件，采用改进的PSOGA算法，获取最优的微云任务调度方案。本发明可以有效减少迁移任务的响应时间，提高微云负载任务调度效率。
-
公开(公告)号：CN115220818A
公开(公告)日：2022-10-21
申请号：CN202210937248.5
申请日：2022-08-05
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度强化学习的实时依赖型任务卸载方法，包括以下步骤：步骤S1:基于任务卸载的系统模型，在运行时环境中使用DQN算法训练卸载操作Q值预测模型；步骤S2:卸载操作Q值预测模型，根据计算节点的计算能力、计算节点之间的传输速率以及应用的卸载方案，预测不同卸载操作的Q值，然后，通过比较它们对应的Q值来选择合适的卸载操作；步骤S3:重复步骤S2，通过反馈迭代逐步为每个任务决定执行位置。本发明能够很好地适应不同的云边缘环境，并高效地生成卸载方案。
-
公开(公告)号：CN114925935B
公开(公告)日：2024-07-23
申请号：CN202210702160.5
申请日：2022-06-21
Applicant: 福州大学
IPC: G06Q10/04 , G06Q10/0633 , G06N3/006
Abstract: 本发明提出一种云边环境下时延约束的多工作流调度方法，在满足多工作流截止时间约束的前提下，利用差分进化算法最小化多工作流的执行成本；为了提高了种群进化过程的合理性和多样性，引入二维离散粒子对个体进行编码，并使用基于整体种群的选择算子对所述差分进化算法进行优化，在避免过早收敛的前提下，以更快地提高种群整体的适应度值，加快算法搜索解空间的速度。
-
公开(公告)号：CN114925935A
公开(公告)日：2022-08-19
申请号：CN202210702160.5
申请日：2022-06-21
Applicant: 福州大学
Abstract: 本发明提出一种云边环境下时延约束的多工作流调度方法，在满足多工作流截止时间约束的前提下，利用差分进化算法最小化多工作流的执行成本；为了提高了种群进化过程的合理性和多样性，引入二维离散粒子对个体进行编码，并使用基于整体种群的选择算子对所述差分进化算法进行优化，在避免过早收敛的前提下，以更快地提高种群整体的适应度值，加快算法搜索解空间的速度。
-
公开(公告)号：CN115168011A
公开(公告)日：2022-10-11
申请号：CN202210886097.5
申请日：2022-07-26
Applicant: 福州大学
Abstract: 本发明涉及一种模糊边云协同环境下的多工作流应用调度方法，包括：构建多工作流应用调度模型，包括带截止时间约束的多工作流应用模型、边云协同环境以及代价驱动调度器；针对建立的多工作流应用调度模型，采用基于遗传算子的粒子群优化调度策略来最小化多工作流应用在模糊边云协同环境中的模糊执行代价，并在其中引入二次惩罚方法，以使调度策略更快地搜索到可行解。该方法有利于降低截止时间约束下多工作流应用的模糊执行代价。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
