[发明专利]一种云环境下的知识服务多任务调度优化方法及其构建的调度系统在审
申请号: | 201810323339.3 | 申请日: | 2018-04-12 |
公开(公告)号: | CN108769105A | 公开(公告)日: | 2018-11-06 |
发明(设计)人: | 阴艳超;牛红伟;徐凯;吴仁杰;张立童;陈富钊 | 申请(专利权)人: | 昆明理工大学 |
主分类号: | H04L29/08 | 分类号: | H04L29/08;H04L12/24 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 650093 云*** | 国省代码: | 云南;53 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 知识服务 多任务调度 云环境 调度系统 双向驱动 构建 算法 优化 二进制编码方式 优化目标函数 随机性 调度优化 过程动态 机制实现 离散数据 模拟平台 搜索算法 随机函数 随机特征 微粒位置 映射关系 优化目标 优化算法 优化问题 有效解决 约束条件 运行过程 知识资源 矢量 大数据 映射 搜索 调度 协同 响应 引入 分配 协作 服务 | ||
1.一种云环境下的知识服务多任务调度优化方法,其特征在于:通过确定云环境下的知识服务多任务调度的优化目标函数和约束条件,并使用基于大数据环境下的多群落双向驱动协作搜索算法对目标进行优化。
2.根据权利要求1所述的云环境下的知识服务多任务调度优化方法,其特征在于:所述优化目标函数具体为:
构建以知识服务时间KT最短、知识服务质量KQ最优、知识服务成本KC最低为目标的知识服务调度优化目标函数:
知识服务时间KT的函数为:式中,zab表示知识服务任务a的第b个子任务的决策变量;tab表示知识服务任务a的第b个子任务执行的服务时间;t'ab表示知识服务任务a的第b个子任务执行的通讯等待时间;αt1和αt2表示权重系数;Sa表示任务a的子任务总量;n表示任务总量,rand()在[0,1]范围内随机变化,y=0,1,2;
知识服务质量KQ的函数为:式中,dab表示用户对知识服务任务a的第b个子任务的知识资源服务的满意程度;μa表示满意程度修正系数;n表示任务总量;
知识服务成本KC的函数为:式中,cab表示知识服务任务a的第b个子任务所需的计算成本;cab'表示知识服务任务a的第b个子任务所需的通信成本;cab”表示知识服务任务a的第b个子任务所需的技术成本,αc1、αc2和αc3表示权重系数;n表示任务总量。
3.根据权利要求2所述的云环境下的知识服务多任务调度优化方法,其特征在于:所述约束条件具体为:
最大服务时间约束U1,表示每个知识服务任务的实际完成时间不能超过其最大的限定时间,即:式中,KTmaxa表示知识服务任务a的允许最大服务限定时间;
知识服务成本约束U2,表示每个知识服务任务的服务成本不能超过最高服务成本,即:式中,KCmaxa表示知识服务任务a所能支付的最高服务成本;
知识服务任务时序约束U3,表示有时序约束关系的前一服务任务的结束时间不能超过下一任务的开始时间,即:hst,a≤hend,a+1;式中,hst,a表示任务a完成后的结束时间;hend,a+1表示任务a+1的开始时间;
知识资源服务准确性约束U4,表示提供的知识资源及知识服务能力必须满足知识服务任务的能力需求,即:式中,Aca表示知识服务任务a需要实现的知识资源服务准确性;Tiab表示知识服务任务a的第b个子任务的知识资源服务的及时性指标评价值;Csab表示知识服务任务a的第b个子任务的知识资源服务的相符性指标评价值;αa1、αa2分别为权重系数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于昆明理工大学,未经昆明理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810323339.3/1.html,转载请声明来源钻瓜专利网。