[发明专利]多重网络化产业链中面向任务动态性的自适应任务迁移方法在审

专利信息
申请号: 202310679849.5 申请日: 2023-06-07
公开(公告)号: CN116610432A 公开(公告)日: 2023-08-18
发明(设计)人: 蒋嶷川;牟玉宇;毛烨昊;陈福林;柳天祎;狄凯 申请(专利权)人: 东南大学
主分类号: G06F9/48 分类号: G06F9/48;G06F9/50
代理公司: 南京众联专利代理有限公司 32206 代理人: 张天哲
地址: 210096 *** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 多重 网络化 产业链 面向 任务 动态 自适应 迁移 方法
【权利要求书】:

1.一种多重网络化产业链中面向任务动态性的自适应任务迁移方法,具体步骤如下:首先将多重网络化产业链上的生产单元建模为智能体,并从每个网络层中选择关键智能体来相互合作;其次为了实现网络层之间的负载平衡,被选中的关键智能体会将该层负载较大的智能体中最重的任务向目标网络层进行迁移;最后为了实现每个网络层内的负载平衡,采用级联触发的方法决定智能体是否需要继续迁移任务。

2.根据权利要求1所述的一种多重网络化产业链中面向任务动态性的自适应任务迁移方法,其特征是:多重网络化产业链中任务集T中的每个任务tk都能用一个二元组size(tk),pos(tk)来表示;其中,size(tk)表示执行任务tk的负载大小,智能体执行不同负载的任务所需的成本不同;pos(tk)表示任务执行的智能体,在同一时刻,一个任务只能够由一个智能体来执行,并且多重网络化产业链中的智能体表示能够独立完成给定任务的生产单元;每个智能体ai用三元组表示,其中vi表示智能体ai在单位成本下能够执行任务的大小;Qi表示智能体ai上正在执行的任务队列,即Qi={t1,t2,…,tk};表示智能体ai所属的网络层集合,在实际的产业链系统中,每个智能体能属于不同的网络层。

3.根据权利要求2所述的一种多重网络化产业链中面向任务动态性的自适应任务迁移方法,其特征是:多重网络化产业链中的多重网络被表示为一个由M种链接组成的智能体集合每种链接表示产业链系统中存在的一个网络层,表示为l连通的智能体集合A[l]={a1,a2,…,aN};这种存在多个网络层的多重网络结构能用一个超拉普拉斯矩阵的形式表示;的每个元素表示为邻接矩阵其中,如果智能体ai与智能体aj之间存在着l类型的链接,那么的值为一个常数,表示智能体ai与智能体aj之间通过网络层l协作与任务迁移所需要的成本,如果智能体ai与智能体aj之间不存在l类型的链接,则

4.根据权利要求3所述的一种多重网络化产业链中面向任务动态性的自适应任务迁移方法,其特征是:在多重网络化产业链场景下,随着任务负载的增加,智能体和网络层均会受到相应的影响;本文用pi来表示智能体ai受到过载影响时处于正常工作状态的概率,pi的值为其中ri为智能体自身的过载影响,表示为ri=ψa(Si),Si为智能体上的负载和,ψa为一单调递增函数;r[l]为智能体相邻网络层的过载影响,表示为其中ψN为一单调递增函数;多重网络化产业链中,任务负载越大,智能体过载影响ri与网络层过载影响r[l]越大,智能体在过载影响下的正常工作概率越低,说明其越需要任务迁移。

5.根据权利要求4所述的一种多重网络化产业链中面向任务动态性的自适应任务迁移方法,其特征是:由于多重网络结构的存在,当智能体和网络层的负载发生变化时,智能体会通过多重网络中的链接进行自适应任务迁移,以此来降低任务的完成成本,保证智能体的正常运行;任务从智能体ai迁移到智能体aj所需要的成本表示为cij

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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东南大学,未经东南大学许可,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/202310679849.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top