-
公开(公告)号：CN114860385B
公开(公告)日：2024-06-07
申请号：CN202210537383.0
申请日：2022-05-17
申请人： 北京理工大学
摘要： 本发明公开了一种基于进化强化学习策略的并行云工作流调度方法，通过采用两个种群分别优化工作流执行时间和成本，并将种群个体设计为强化学习智能体，通过智能体与环境的交互学习以及基于粒子群优化算法的网络参数更新，实现了智能体网络的两级优化；在强化学习模型训练过程中，通过种群中的多个智能体与环境的并行交互与迭代学习，生成了丰富多样的动作选择经验序列，提高了搜索的多样性；同时，设计了互补启发式机制，利用调度方案的外部目标优势信息对Agent的动作选择概率进行微调与修正，使其更好地平衡工作流执行时间和成本之间的优化，提高了全局搜索能力。
-
公开(公告)号：CN114357035A
公开(公告)日：2022-04-15
申请号：CN202210020076.5
申请日：2022-01-10
申请人： 北京理工大学
IPC分类号： G06F16/2458 , G06F16/2453
摘要： 本发明公开一种基于模糊综合评价和副本放置的标识解析查找方法，包括步骤一、基于新键值对格式建立分层Chord环，步骤二、基于改进小世界模型收集负载信息，步骤三、建立节点性能综合评价因素集和评价集，步骤四、建立节点性能的综合评价模型并进行评价，步骤五、基于节点性能评价确立热点信息节点和负载情况收集节点，步骤六、计算资源副本放置的节点集合并更新键值对的值，步骤七、基于副本放置节点集合和功能节点查找资源；本发明利用节点性能评价方案来选取合适的节点存储资源副本、存储负载状况和存储热点信息，并利用改进的小世界模型获取所有节点的负载状态存储在负载节点中，从而均衡负载并提高基于DHT技术的结构化P2P网络的安全性。
-
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
申请人： 北京理工大学
摘要： 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：CN114860385A
公开(公告)日：2022-08-05
申请号：CN202210537383.0
申请日：2022-05-17
申请人： 北京理工大学
摘要： 本发明公开了一种基于进化强化学习策略的并行云工作流调度方法，通过采用两个种群分别优化工作流执行时间和成本，并将种群个体设计为强化学习智能体，通过智能体与环境的交互学习以及基于粒子群优化算法的网络参数更新，实现了智能体网络的两级优化；在强化学习模型训练过程中，通过种群中的多个智能体与环境的并行交互与迭代学习，生成了丰富多样的动作选择经验序列，提高了搜索的多样性；同时，设计了互补启发式机制，利用调度方案的外部目标优势信息对Agent的动作选择概率进行微调与修正，使其更好地平衡工作流执行时间和成本之间的优化，提高了全局搜索能力。
-
-
-
搜索结果
4 条记录 (耗时 0.046 秒)
