决策模型的训练方法及系统、调度方法及系统

    公开(公告)号:CN117933351A

    公开(公告)日:2024-04-26

    申请号:CN202410111731.7

    申请日:2024-01-26

    IPC分类号: G06N3/092 G06N3/047 G06F9/455

    摘要: 本发明公开一种决策模型的训练方法及系统、调度方法及系统,其中对待训练决策模型进行一次训练的步骤如下:获取当前各仿真串行网络所对应的状态参数;获取当前时间步中所对应的样本服务请求;将状态参数输入待训练决策模型,由待训练决策模型预测各仿真服务器处理各样本服务请求的概率,输出相应的行动决策;基于行动决策处理各样本服务请求,并计算各样本服务请求所对应的奖励值,基于奖励值获得总奖励,总奖励用于更新待决策模型的模型参数;本发明提供了一种在边缘计算环境下,基于强化学习的决策模型训练方法,所得决策模型在实际应用中输出能够有效降低边缘网络中的长尾延迟效应的最优行动决策,从而显著降低服务延迟,提高用户服务体验。

    一种面向边缘服务器的网络突发负载疏散方法

    公开(公告)号:CN112118312B

    公开(公告)日:2021-08-17

    申请号:CN202010982950.4

    申请日:2020-09-17

    IPC分类号: H04L29/08 G06N3/00

    摘要: 本发明公开了一种面向边缘服务器的网络突发负载疏散方法,以边缘系统执行的所有任务的时间和平均惩罚函数为最小优化目标,这种方式不仅兼顾了系统中所有用户的公平性,也同样保障了系统中所有用户的卸载任务能够在相对最短的时间内完成,对提升用户QoS响应提出了一种新的量化衡量指标。在本发明算法实施过程中,采用了粒子群算法进行对系统最优目标的求解,这种算法执行速度快、效率高,特别适合于边缘计算网络系统的场景,使得在突发负载发生的时候,边缘计算网络系统可以在极短的时间内响应,完成负载的疏散,大大提高了边缘网络环境的容错性和稳定性。

    一种基于网络的恒电位仪模糊控制方法

    公开(公告)号:CN115558934B

    公开(公告)日:2024-04-19

    申请号:CN202210820242.X

    申请日:2022-07-12

    IPC分类号: C23F13/04

    摘要: 本发明提出一种基于网络的恒电位仪模糊控制方法,包括建立检测变送器和执行器与模糊控制器信息连接网络;将测变送器和执行器与待保护的管道电连接;检测变送器上传电位采样于模糊控制器;模糊控制器确定各个检测变送器电位最高的监测点,将该点电位作为模糊控制器输入;模糊控制器判定选定监测点的输入样本需保护等级,模糊控制器输出指令于执行器;执行器根据模糊控制器输出的变化级数指令输出电流;执行器输出电流作用于管道,改变管道电位,由检测变送器检测管道电位进行反馈,模糊控制器改变控制输出,由此形成基于网络的恒电位仪模糊控制保护管道方法。本发明实现了管道阴极保护电位的控制精度更高的技术效果。

    一种基于网络的恒电位仪模糊控制方法

    公开(公告)号:CN115558934A

    公开(公告)日:2023-01-03

    申请号:CN202210820242.X

    申请日:2022-07-12

    IPC分类号: C23F13/04

    摘要: 本发明提出一种基于网络的恒电位仪模糊控制方法,包括建立检测变送器和执行器与模糊控制器信息连接网络;将测变送器和执行器与待保护的管道电连接;检测变送器上传电位采样于模糊控制器;模糊控制器确定各个检测变送器电位最高的监测点,将该点电位作为模糊控制器输入;模糊控制器判定选定监测点的输入样本需保护等级,模糊控制器输出指令于执行器;执行器根据模糊控制器输出的变化级数指令输出电流;执行器输出电流作用于管道,改变管道电位,由检测变送器检测管道电位进行反馈,模糊控制器改变控制输出,由此形成基于网络的恒电位仪模糊控制保护管道方法。本发明实现了管道阴极保护电位的控制精度更高的技术效果。

    一种面向边缘服务网络的突发任务卸载与调度方法

    公开(公告)号:CN113015216B

    公开(公告)日:2022-05-10

    申请号:CN202110174619.4

    申请日:2021-02-05

    摘要: 本发明公开了一种面向边缘服务网络的突发任务卸载与调度方法,针对某一台拥塞服务器的突发任务,通过负载任务疏散和负载任务调度的策略同时执行,以达到任务突发负载疏散的优化过程。本发明方法可以弥补现有通信协议的不足,在不改变网络架构的基础上,使得边缘网络环境具备疏散任务和调度任务计算的能力。而且,本发明结合了边缘计算经典的网络结构即边缘服务器和云服务器两者各自的作用,进行任务计算的高效调度,使得突发的用户任务能够在较短的时间内完成,从而也保障了整个系统的服务质量。

    一种面向边缘服务网络的负载公平卸载与迁移方法

    公开(公告)号:CN115361453B

    公开(公告)日:2023-09-29

    申请号:CN202210994286.4

    申请日:2022-08-17

    摘要: 本发明公开了一种面向边缘服务网络的负载公平卸载与迁移方法,以边缘系统执行的所有用户任务的效用函数帕累托最优为优化目标,这种方法不仅兼顾了边缘网络资源的约束,也同样保障了系统中所有用户任务的效用函数的最大化,对提升多用户竞争下的任务效用质量提出来一种新的量化衡量指标。此外,本发明采用了图神经网络与强化学习算法对最终优化目标求解,这种算法执行效率高,返回的近似结果较为准确,特别适合于多用户复杂任务的下的边缘网络系统的场景,使得在多用户任务竞争网络资源的时候,边缘计算网络系统可以高效的得出多用户效用函数帕累托最优的结果,大大提高了边缘网络环境的服务质量和用户体验。

    一种面向边缘服务器的网络突发负载疏散方法

    公开(公告)号:CN112118312A

    公开(公告)日:2020-12-22

    申请号:CN202010982950.4

    申请日:2020-09-17

    IPC分类号: H04L29/08 G06N3/00

    摘要: 本发明公开了一种面向边缘服务器的网络突发负载疏散方法,以边缘系统执行的所有任务的时间和平均惩罚函数为最小优化目标,这种方式不仅兼顾了系统中所有用户的公平性,也同样保障了系统中所有用户的卸载任务能够在相对最短的时间内完成,对提升用户QoS响应提出了一种新的量化衡量指标。在本发明算法实施过程中,采用了粒子群算法进行对系统最优目标的求解,这种算法执行速度快、效率高,特别适合于边缘计算网络系统的场景,使得在突发负载发生的时候,边缘计算网络系统可以在极短的时间内响应,完成负载的疏散,大大提高了边缘网络环境的容错性和稳定性。

    一种面向边缘服务网络的负载公平卸载与迁移方法

    公开(公告)号:CN115361453A

    公开(公告)日:2022-11-18

    申请号:CN202210994286.4

    申请日:2022-08-17

    摘要: 本发明公开了一种面向边缘服务网络的负载公平卸载与迁移方法,以边缘系统执行的所有用户任务的效用函数帕累托最优为优化目标,这种方法不仅兼顾了边缘网络资源的约束,也同样保障了系统中所有用户任务的效用函数的最大化,对提升多用户竞争下的任务效用质量提出来一种新的量化衡量指标。此外,本发明采用了图神经网络与强化学习算法对最终优化目标求解,这种算法执行效率高,返回的近似结果较为准确,特别适合于多用户复杂任务的下的边缘网络系统的场景,使得在多用户任务竞争网络资源的时候,边缘计算网络系统可以高效的得出多用户效用函数帕累托最优的结果,大大提高了边缘网络环境的服务质量和用户体验。

    一种面向边缘服务网络的突发任务卸载与调度方法

    公开(公告)号:CN113015216A

    公开(公告)日:2021-06-22

    申请号:CN202110174619.4

    申请日:2021-02-05

    摘要: 本发明公开了一种面向边缘服务网络的突发任务卸载与调度方法,针对某一台拥塞服务器的突发任务,通过负载任务疏散和负载任务调度的策略同时执行,以达到任务突发负载疏散的优化过程。本发明方法可以弥补现有通信协议的不足,在不改变网络架构的基础上,使得边缘网络环境具备疏散任务和调度任务计算的能力。而且,本发明结合了边缘计算经典的网络结构即边缘服务器和云服务器两者各自的作用,进行任务计算的高效调度,使得突发的用户任务能够在较短的时间内完成,从而也保障了整个系统的服务质量。