CN104811491A - 一种基于遗传算法的云计算资源调度方法 - Google Patents
一种基于遗传算法的云计算资源调度方法 Download PDFInfo
- Publication number
- CN104811491A CN104811491A CN201510185184.8A CN201510185184A CN104811491A CN 104811491 A CN104811491 A CN 104811491A CN 201510185184 A CN201510185184 A CN 201510185184A CN 104811491 A CN104811491 A CN 104811491A
- Authority
- CN
- China
- Prior art keywords
- host
- population
- chromosome
- cloud computing
- represent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000002068 genetic effect Effects 0.000 title claims abstract description 20
- 210000000349 chromosome Anatomy 0.000 claims abstract description 62
- 230000035772 mutation Effects 0.000 claims abstract description 18
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 4
- 230000002759 chromosomal effect Effects 0.000 claims description 22
- 238000005265 energy consumption Methods 0.000 claims description 22
- 230000010076 replication Effects 0.000 claims description 3
- 230000000284 resting effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 5
- 238000010276 construction Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 208000026686 chromosomal inheritance Diseases 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000005059 dormancy Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L65/00—Network arrangements, protocols or services for supporting real-time applications in data packet communication
- H04L65/40—Support for services or applications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/10—Protocols in which an application is distributed across nodes in the network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于遗传算法的云计算资源调度方法,利用遗传算法获取到云计算中资源的调度方案,遗传算法中染色体中的每个基因为该云任务中的子任务,染色体的位序号表示每个子任务代表分配到虚拟机的号码;本发明方法中根据云任务设置预期的Qos,在种群迭代更新过程中将满足预期的Qos的染色体留下,将不满足预期的Qos的染色体进行丢弃,并且根据选择概率将当前种群适应度值高的染色体直接复制到下一代种群中,然后针对当前种群剩下染色体进行交叉和变异操作,保证了种群中染色体的质量,实现了云计算的资源按需使用、弹性扩展,实时做出云计算资源调度安排,决策出最佳的资源构建和调整策略,在保障云计算网络服务质量的前提下,提高了云计算的效用比。
Description
技术领域
本发明属于云计算领域,特别涉及一种基于遗传算法的云计算资源调度方法。
背景技术
近年来,云计算作为一种新型的信息处理方式,已深入到我们生活工作的各个领域中。云计算是以虚拟化技术为技术支撑,最基本的理念就是按需使用,而在此过程中,由于云数据中心的能耗及其资源提供效率成为影响云计算性能的关键性问题,如何有效合理的使用云计算的资源也成了一个关键点。
随着互联网时代信息与数据的快速增长,科学、工程和商业计算领域需要处理大规模、海量的数据,对计算能力的需求远远超出自身IT架构的计算能力,这时就需要不断加大***硬件投入来实现***的可扩展性。另外,由于传统并行编程模型应用的局限性,客观上要求一种容易学***台服务、软件服务、存储服务的***。通常云***由第三方拥有的机制提供服务,用户只关心云所提供的服务。目前关于云计算***没有统一的定义,云计算供应商根据自己企业业务推出相关的云计算战略。美国国家标准技术研究院(NIST)给出了目前权威的云计算定义:(1)云计算是一种能够通过网络以便利的、按需的方式访问一个可配置的计算资源共享池(包括网络、服务器、存储、应用和服务等)的模式,这个资源共享池能以最少的管理开销及最少的与供应商的交互,迅速配置、提供或释放资源;(2)云计算模式具有5个基本特征:按需自助服务、广泛的网络访问、共享的资源池、快速弹性能力、可度量的服务,还包括3种服务模式:软件即服务(SaaS)、平台即服务(PaaS)、基础设施即服务(IaaS),以及4种部署方式:私有云、社区云、公有云、混合云。
云计算所提供的服务面向的用户群是庞大的,因此“云”中任务数量是巨大的,***每时每刻都出来海量的人物,所以资源管理是云计算的一个关键性问题,它的调度策略与算法直接影响着云***的性能及成本。随着用户对云计算需求的不断增长,云数据中心规模日益庞大,其能耗问题也越来越严重。据文献报告,全球数据中心在2005年~2010年增加了约56%,美国数据中心的能耗增加了36%。一个5万个节点的数据中心每年消耗的电能超过1亿千瓦,能耗占了一个数据中心运维成本中的40%。在国内,通信运营商的数据中心是耗电大户,中国电信数据中心年耗电11.2亿千瓦时,***数据中心为9.9亿千瓦时到2020年,全球主要云计算运营商的能耗将接近2万亿千瓦时。因此,研究云计算环境下的如何有效的利用资源有迫切的需求。
发明内容
本发明的目的在于克服现有技术的缺点与不足,提供一种基于遗传算法的云计算资源调度方法。该方法能够实时做出云计算资源的调度安排,决策出最佳的资源构建和调整策略,在保障云计算网络服务质量的前提下,提高了云计算的效用比。
本发明的目的通过下述技术方案实现:一种基于遗传算法的云计算资源调度方法,步骤如下:
S1、将用户提交的云任务切分成若干个子任务,并且根据云任务设置一个预期的Qos(Quality of Service,服务质量);预期的Qos是指用户获取云计算资源时,所花费时间和费用的一个要求;
S2、初始化:初始化种群规模,并且设置种群最大迭代次数;
S3、生成初始种群:按照编码规则随机生成染色体,将云任务抽象为染色体的编码输入,染色体中的每个基因为该云任务中的子任务,染色体的位序号表示每个子任务代表分配到虚拟机的号码;然后判断染色体是否满足预期的Qos,若满足,则将该染色体加入到初始种群中,若不满足,则丢弃该染色体,直到达到初始种群的规模;
S4、根据适应度函数计算当前种群中每条染色体的适应度值;
S5、选择、交叉和变异操作:根据选择概率选择适应度值高的染色体,将这些染色体复制到下一代新种群;并且针对当前种群中剩下的染色体进行交叉和变异操作;
S6、判断步骤S5中交叉和变异操作后的染色体是否满足预期的Qos,若满足,则加入到下一代新种群中,若不满足,则丢弃,直到新种群达到种群规模,并并且种群迭代次数加1;
S7、判断种群迭代次数是否达到最大迭代次数,若否,则返回步骤S4,若是,则进入步骤S8;
S8、将最终得到的新种群中适应度值最高的染色体作为最优解,并且针对该染色体进行解码操作得到虚拟机的号码,将该染色体作为资源调度的最优解。
优选的,所述步骤S3中采用基于路径的编码方式进行染色体编码。
优选的,所述步骤S4中通过以下自适应函数计算出种群中各染色体的适应度:
f(Xk)=1/(lg(ECtotal+1));
其中ECtotal为染色体Xk中的资源调度方案的总能耗,f(Xk)为染色体Xk的适应度。
更进一步的,所述染色体Xk中的资源调度方案的总能耗ECtotal为:
其中WECj为宿主机j在一个周期内的工作能耗,mj为宿主机j上运行的子任务数;DECj为宿主机j在一个周期内休眠状态时的能耗;IECj为宿主机j空闲时的能耗;N为宿主机的个数;
其中CECij为:
CECij=CTij×PCj=CIi/CSj×PCj;
CTij表示宿主机j上子任务i的功耗,CIi表示表示宿主机j上子任务i的执行命令数,CSj表示宿主机j的CPU处理速度,PCj表示宿主机j工作时的功耗;
其中SECij为:
SECij=SDi/SSj×PSj;
SECij表示宿主机j上子任务i的存储能耗,SDi表示宿主机j上子任务i所需要读写的数据量,SSj表示宿主机j磁盘读取速率,PSj表示宿主机j存储功耗。
更进一步的,所述步骤S5中的选择操作中选择概率采用轮盘算子,种群中各染色体的选择概率为:
其中popSize为种群的规模。
优选的,所述步骤S5中的变异操作,采用替换变异方式,先从父代染色体中选择一个子位串,然后再随机在剩下的位串中选择一个位置,并***该子位串。
优选的,所述步骤S5中的变异操作采用部分匹配方法,随机选择两个交叉点,在两个点之间的位置将进行交叉,其他位置进行复制。
优选的,所述步骤S1中设置的预期的Qos中,各宿主机中各子任务的执行时间满足以下条件:
TEij=CTij+STij;
TEij表示宿主机j上子任务i的运行总时间,CTij表示宿主机j上子任务i的任务执行时间,STij表示宿主机j上读写数据的时间;
宿主机j中所有子任务的执行时间Tj满足以下条件:
mj为宿主机j中子任务的数量;
云任务执行的时间Ttotal满足以下条件:
N为宿主机的个数;
所述步骤S1中设置的预期的Qos中费用满足以下条件:
其中costij表示宿主机j中执行子任务i所需费用,s Reqi表示的是宿主机j子任务i对应的资源,s Pricej表示的是宿主机j中子任务i对应的资源所需费用。
优选的,所述步骤S1中采用云计算中的MapReduce编程模型,将用户提交的云任务切分成若干个子任务。
本发明相对于现有技术具有如下的优点及效果:
(1)本发明方法利用遗传算法获取到云计算中最优的资源调度方案,本发明方法中根据云任务设置预期的Qos,其中该预期的Qos为用户获取云计算资源时,所花费时间和费用的一个要求;在种群迭代更新过程中将满足预期的Qos的染色体留下,将不满足预期的Qos的染色体进行丢弃,并且根据选择概率将适应度值高的染色体遗传到下一代种群中,保证了种群中染色体的质量,实现了云计算的资源按需使用、弹性扩展的特点,能够实时做出云计算资源的调度安排,决策出最佳的资源构建和调整策略,在保障云计算网络服务质量的前提下,提高了云计算的效用比。
(2)本发明方法中通过与染色体中的资源调度方案总能耗相关的自适应函数计算染色体的适应度,该适应度函数能够评价染色体的优劣状态,其适应度值越大,表示染色体的适应度越好,反之越差,通过该适应度函数能够更加准确的选择出符合实际最优资源调度要求的染色体,进一步保证了遗传算法最终得到的资源调度方案为最优解。
附图说明
图1是本发明方法流程图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。
实施例
如图1所示,本实施例公开了一种基于遗传算法的云计算资源调度方法,步骤如下:
S1、采用云计算的MapReduce编程模型,将用户提交的云任务切分成若干个子任务,并且根据云任务设置一个预期的Qos;预期的Qos是指用户获取云计算资源时,所花费时间和费用的一个要求。
S2、初始化:初始化种群规模popSize,并且设置种群最大迭代次数Tmax。
S3、生成初始种群:按照编码规则随机生成染色体,将云任务抽象为染色体的编码输入,染色体中的每个基因为该云任务中的子任务,染色体的位序号表示每个子任务分配到虚拟机的号码;然后判断染色体是否满足预期的Qos,若满足,则将该染色体加入到初始种群中,若不满足,则丢弃该染色体,直到达到初始种群的规模。在本实施例中采用了基于路径的编码方式进行染色体的编码,当然也可以采用基于二进制、基于矩阵、基于邻接、基于索引等的编码方式。
S4、根据适应度函数计算当前种群中每条染色体的适应度;其中本步骤中通过以下自适应函数计算出种群中各染色体的适应度f(Xk):
f(Xk)=1/(lg(ECtotal+1));
其中ECtotal为染色体Xk中的资源调度方案的总能耗;适应度函数评价了染色体的优劣,其适应度值越大,表示染色体的适应度越好,反之越差。在本步骤中ECtotal越小,适应度值越大。
染色体Xk中的资源调度方案的总能耗ECtotal为:
其中WECj为宿主机j在一个周期内的工作能耗,mj为宿主机j上运行的子任务数;DECj为宿主机j在一个周期内休眠状态时的能耗;IECj为宿主机j空闲时的能耗;N为宿主机的个数;
其中CECij为:
CECij=CTij×PCj=CIi/CSj×PCj;
CTij表示宿主机j上子任务i的功耗,CIi表示表示宿主机j上子任务i的执行命令数,CSj表示宿主机j的CPU处理速度,PCj表示宿主机j工作时的功耗;
其中SECij为:
SECij=SDi/SSj×PSj;
SECij表示宿主机j上子任务i的存储能耗,SDi表示宿主机j上子任务i所需要读写的数据量,SSj表示宿主机j磁盘读取速率,PSj表示宿主机j存储功耗。
S5、选择、交叉和变异操作:根据选择概率选择适应度值高的染色体,将这些适应度高的染色体复制到下一代新种群;并且针对当前种群中剩下的染色体进行交叉和变异操作。
在本步骤中选择操作中选择概率采用轮盘算子,种群中染色体被选中的概率与其适应度成正比;种群中各染色体的选择概率为:
其中popSize为种群的规模,f(Xk)为染色体Xk的适应度。
本步骤中变异操作,采用替换变异方式,先从父代染色体中选择一个子位串,然后再随机在剩下的位串中选择一个位置,并***该子位串。当然本实施例中变异操作也可以采用交换变异(EM)、***变异(IM)、简单倒位变异(SIM),倒位变异(IVM)、争夺变异(SM)等变异方式。
本步骤中变异操作采用部分匹配方法,随机选择两个交叉点,在两个点之间的位置将进行交叉,其他位置进行复制。当然本实施例中交叉操作也可以采用部分匹配方法(PMX)、循环交叉法(CX)、次序交叉法(OX)、基于位置的交叉法(POS)等。
S6、判断步骤S5中交叉和变异操作后的染色体是否满足预期的Qos,若满足,则加入到下一代新种群中,若不满足,则丢弃,直到新种群达到种群规模popSize,并且种群迭代次数T加1。
S7、判断种群迭代次数是否达到最大迭代次数Tmax,若否,则返回步骤S4,若是,则进入步骤S8。
S8、将最终得到的新种群中适应度值最高的染色体作为最优解,并且针对该染色体进行解码操作得到虚拟机的号码,将该染色体作为资源调度的最优解。
云计算的Qos是指,消费者获取云计算资源时,希望时间,成本等指标能够满足消费者的预期目标。当消费者依靠资源提供者来满足其计算需求时,为了匹配他们的要求,用户任务多维Qos需求(时间,成本)必须得到保证。
物力资源的能耗等于功耗与时间的乘积。资源在不同情况下的功耗也是不同的,物理主机通常分为休眠,空闲和工作三个状态。本实施例上述步骤S1中设置的预期的Qos中,各宿主机中各子任务的执行时间满足以下条件:
TEij=CTij+STij;
TEij表示宿主机j上子任务i的运行总时间,CTij表示宿主机j上子任务i的任务执行时间,STij表示宿主机j上读写数据的时间;
宿主机j中所有子任务的执行时间Tj满足以下条件:
mj为宿主机j中子任务的数量;
云任务执行的时间Ttotal满足以下条件:
N为宿主机的个数;
所述步骤S1中设置的预期的Qos中费用满足以下条件:
其中costij表示宿主机j中执行子任务i所需费用,s Reqi表示的是宿主机j子任务i对应的资源,s Pricej表示的是宿主机j中子任务i对应的资源所需费用。
资源调度方案就是时间和费用的一个权衡,本实施例根据用户在使用资源过程中上述需要满足的云任务执行时间和费用得出一个预期的时间和费用作为云任务的Qos。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (9)
1.一种基于遗传算法的云计算资源调度方法,其特征在于,步骤如下:
S1、将用户提交的云任务切分成若干个子任务,并且根据云任务设置一个预期的Qos;预期的Qos是指用户获取云计算资源时,所花费时间和费用的一个要求;
S2、初始化:初始化种群规模,并且设置种群最大迭代次数;
S3、生成初始种群:按照编码规则随机生成染色体,将云任务抽象为染色体的编码输入,染色体中的每个基因为该云任务中的子任务,染色体的位序号表示每个子任务代表分配到虚拟机的号码;然后判断染色体是否满足预期的Qos,若满足,则将该染色体加入到初始种群中,若不满足,则丢弃该染色体,直到达到初始种群的规模;
S4、根据适应度函数计算当前种群中每条染色体的适应度值;
S5、选择、交叉和变异操作:根据选择概率选择适应度值高的染色体,将这些染色体复制到下一代新种群;并且针对当前种群中剩下的染色体进行交叉和变异操作;
S6、判断步骤S5中交叉和变异操作后的染色体是否满足预期的Qos,若满足,则加入到下一代新种群中,若不满足,则丢弃,直到新种群达到种群规模,并并且种群迭代次数加1;
S7、判断种群迭代次数是否达到最大迭代次数,若否,则返回步骤S4,若是,则进入步骤S8;
S8、将最终得到的新种群中适应度值最高的染色体作为最优解,并且针对该染色体进行解码操作得到虚拟机的号码,将该染色体作为资源调度的最优解。
2.根据权利要求1所述的基于遗传算法的云计算资源调度方法,其特征在于,所述步骤S3中采用基于路径的编码方式进行染色体编码。
3.根据权利要求1所述的基于遗传算法的云计算资源调度方法,其特征在于,所述步骤S4中通过以下自适应函数计算出种群中各染色体的适应度:
其中ECtotal为染色体Xk中的资源调度方案的总能耗,f(Xk)为染色体Xk的适应度。
4.根据权利要求3所述的基于遗传算法的云计算资源调度方法,其特征在于,所述染色体Xk中的资源调度方案的总能耗ECtotal为:
其中WECj为宿主机j在一个周期内的工作能耗,mj为宿主机j上运行的子任务数;DECj为宿主机j在一个周期内休眠状态时的能耗;IECj为宿主机j空闲时的能耗;N为宿主机的个数;
其中CECij为:
CECij=CTij×PCj=CIi/CSj×PCj;
CTij表示宿主机j上子任务i的功耗,CIi表示表示宿主机j上子任务i的执行命令数,CSj表示宿主机j的CPU处理速度,PCj表示宿主机j工作时的功耗;
其中SECij为:
SECij=SDi/SSj×PSj;
SECij表示宿主机j上子任务i的存储能耗,SDi表示宿主机j上子任务i所需要读写的数据量,SSj表示宿主机j磁盘读取速率,PSj表示宿主机j存储功耗。
5.根据权利要求3所述的基于遗传算法的云计算资源调度方法,其特征在于,所述步骤S5中的选择操作中选择概率采用轮盘算子,种群中各染色体的选择概率为:
其中popSize为种群的规模。
6.根据权利要求1所述的基于遗传算法的云计算资源调度方法,其特征在于,所述步骤S5中的变异操作,采用替换变异方式,先从父代染色体中选择一个子位串,然后再随机在剩下的位串中选择一个位置,并***该子位串。
7.根据权利要求1所述的基于遗传算法的云计算资源调度方法,其特征在于,所述步骤S5中的变异操作采用部分匹配方法,随机选择两个交叉点,在两个点之间的位置将进行交叉,其他位置进行复制。
8.根据权利要求1所述的基于遗传算法的云计算资源调度方法,其特征在于,所述步骤S1中设置的预期的Qos中,各宿主机中各子任务的执行时间满足以下条件:
TEij=CTij+STij;
TEij表示宿主机j上子任务i的运行总时间,CTij表示宿主机j上子任务i的任务执行时间,STij表示宿主机j上读写数据的时间;
宿主机j中所有子任务的执行时间Tj满足以下条件:
mj为宿主机j中子任务的数量;
云任务执行的时间Ttotal满足以下条件:
N为宿主机的个数;
所述步骤S1中设置的预期的Qos中费用满足以下条件:
其中costij表示宿主机j中执行子任务i所需费用,sReqi表示的是宿主机j子任务i对应的资源,sPricej表示的是宿主机j中子任务i对应的资源所需费用。
9.根据权利要求1所述的基于遗传算法的云计算资源调度方法,其特征在于,所述步骤S1中采用云计算中的MapReduce编程模型,将用户提交的云任务切分成若干个子任务。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510185184.8A CN104811491A (zh) | 2015-04-17 | 2015-04-17 | 一种基于遗传算法的云计算资源调度方法 |
PCT/CN2015/098620 WO2016165392A1 (zh) | 2015-04-17 | 2015-12-24 | 一种基于遗传算法的云计算资源调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510185184.8A CN104811491A (zh) | 2015-04-17 | 2015-04-17 | 一种基于遗传算法的云计算资源调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104811491A true CN104811491A (zh) | 2015-07-29 |
Family
ID=53695979
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510185184.8A Pending CN104811491A (zh) | 2015-04-17 | 2015-04-17 | 一种基于遗传算法的云计算资源调度方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN104811491A (zh) |
WO (1) | WO2016165392A1 (zh) |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105740051A (zh) * | 2016-01-27 | 2016-07-06 | 北京工业大学 | 基于改进的遗传算法的云计算资源调度实现方法 |
WO2016165392A1 (zh) * | 2015-04-17 | 2016-10-20 | 华南理工大学 | 一种基于遗传算法的云计算资源调度方法 |
CN106502908A (zh) * | 2016-11-07 | 2017-03-15 | 牡丹江师范学院 | 基于统计分析的可执行基础路径进化生成方法 |
CN107093002A (zh) * | 2017-03-02 | 2017-08-25 | 平顶山天安煤业股份有限公司 | 一种基于云计算的钻孔封闭质量分类及危险性评价*** |
CN107528799A (zh) * | 2017-08-23 | 2017-12-29 | 湖北工业大学 | 一种云计算资源分配方法及*** |
CN108881432A (zh) * | 2018-06-15 | 2018-11-23 | 广东省城乡规划设计研究院 | 基于ga算法的云计算集群负载调度方法 |
CN108897600A (zh) * | 2018-06-14 | 2018-11-27 | 郑州云海信息技术有限公司 | 一种云计算环境下的虚拟机放置方法 |
CN109343933A (zh) * | 2018-09-17 | 2019-02-15 | 浙江工业大学 | 基于改进遗传算法的虚拟机初始放置策略方法 |
CN109615074A (zh) * | 2018-12-14 | 2019-04-12 | 北京深极智能科技有限公司 | 游戏的怪物配置生成方法及装置 |
CN110321208A (zh) * | 2019-06-27 | 2019-10-11 | 大连理工大学 | 一种求解云任务调度的进化计算方法 |
CN110413231A (zh) * | 2019-07-16 | 2019-11-05 | 东华大学 | 一种多云环境下低成本高可用性的数据优化存储方法 |
CN111324422A (zh) * | 2020-02-24 | 2020-06-23 | 武汉轻工大学 | 多目标虚拟机部署方法、装置、设备及存储介质 |
CN111381936A (zh) * | 2020-03-23 | 2020-07-07 | 中山大学 | 一种分布式云***-云簇架构下的服务容器资源的分配方法与*** |
CN111800310A (zh) * | 2020-06-17 | 2020-10-20 | 北京智网信测科技有限公司 | 物联网测试云平台任务管理模块排期算法 |
CN111832725A (zh) * | 2019-04-15 | 2020-10-27 | 电子科技大学 | 一种基于改进遗传算法的多机器人多任务分配方法及装置 |
CN111984403A (zh) * | 2020-08-05 | 2020-11-24 | 华东计算技术研究所(中国电子科技集团公司第三十二研究所) | 一种分布式***下软件构件的分配部署方法及*** |
CN112256422A (zh) * | 2020-11-17 | 2021-01-22 | 中国人民解放军战略支援部队信息工程大学 | 基于q学***台任务调度方法及*** |
CN112256402A (zh) * | 2020-10-30 | 2021-01-22 | 深圳供电局有限公司 | 一种云平台数据中心资源预测与调度方法及*** |
CN112990515A (zh) * | 2019-12-02 | 2021-06-18 | 中船重工信息科技有限公司 | 一种基于启发式优化算法的车间资源调度方法 |
CN113515351A (zh) * | 2021-09-07 | 2021-10-19 | 华南理工大学 | 一种基于能耗与QoS协同优化的资源调度实现方法 |
CN114214869A (zh) * | 2021-12-17 | 2022-03-22 | 浙江华章科技有限公司 | 一种膜转移施胶机施胶优化方法及*** |
CN114518937A (zh) * | 2022-01-27 | 2022-05-20 | 广州鼎甲计算机科技有限公司 | 一种虚拟机备份调度方法、***、装置及存储介质 |
CN114745310A (zh) * | 2022-03-31 | 2022-07-12 | 工银科技有限公司 | 基于遗传算法的流量阈值的确定方法及装置 |
CN114840326A (zh) * | 2022-06-01 | 2022-08-02 | 中国电信股份有限公司 | 资源调度方法、装置、电子设备及存储介质 |
WO2022247863A1 (zh) * | 2021-05-26 | 2022-12-01 | 维沃移动通信有限公司 | 策略生成方法、装置、终端、设备及会话管理单元 |
CN115421885A (zh) * | 2022-08-29 | 2022-12-02 | 山东财经大学 | 一种分布式多目标云任务的调度方法、装置及云服务*** |
CN117130790A (zh) * | 2023-10-23 | 2023-11-28 | 云南蓝队云计算有限公司 | 一种云计算资源池动态调度方法 |
CN117290077A (zh) * | 2023-11-24 | 2023-12-26 | 深圳市飞梵实业有限公司 | 基于遗传算法的医疗平台云计算任务调度方法和*** |
Families Citing this family (63)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107995039B (zh) * | 2017-12-07 | 2020-11-03 | 福州大学 | 面向云软件服务的资源自学习与自适应分配方法 |
CN108762927B (zh) * | 2018-05-29 | 2022-01-14 | 上海艾涛信息科技发展有限公司 | 移动云计算的多目标任务调度方法 |
CN108958919B (zh) * | 2018-07-13 | 2023-07-25 | 湘潭大学 | 一种云计算中有期限约束的多dag任务调度费用公平性评估方法 |
CN109344953B (zh) * | 2018-08-23 | 2022-03-01 | 东华理工大学 | 云服务组合方法 |
CN109376396B (zh) * | 2018-09-27 | 2022-10-28 | 中国科学技术大学 | 路网普查设施选址布点方法 |
CN109343966B (zh) * | 2018-11-01 | 2023-04-07 | 西北工业大学 | 一种无人节点的集群组织方法及装置 |
CN109542623B (zh) * | 2018-11-22 | 2023-07-07 | 中国人民解放军陆军工程大学 | 虚拟***在服务器中的优化部署方法 |
CN109901932B (zh) * | 2019-03-12 | 2023-04-07 | 东北大学 | 一种基于虚拟机的服务器整合方法 |
CN110321217B (zh) * | 2019-03-25 | 2023-04-07 | 深圳大学 | 一种多目标的云资源调度方法、装置、设备及存储介质 |
CN110008023B (zh) * | 2019-03-26 | 2022-11-15 | 湖南农业大学 | 基于遗传算法的云计算***预算约束随机任务调度方法 |
CN110363298B (zh) * | 2019-07-19 | 2023-05-16 | 中建安装集团有限公司 | 基于进化算法的智能调线调坡方法 |
CN110569589B (zh) * | 2019-08-30 | 2021-05-11 | 西南交通大学 | 过道布置方法 |
CN112578436B (zh) * | 2019-09-27 | 2024-06-18 | 中国石油化工股份有限公司 | 一种子波提取方法及*** |
CN112651538A (zh) * | 2019-10-11 | 2021-04-13 | 阿里巴巴集团控股有限公司 | 一种配置机架的方法及其装置 |
CN111651434B (zh) * | 2019-10-22 | 2023-10-24 | 摩登汽车有限公司 | 基于遗传算法的毫米波雷达数据的处理方法、装置及设备 |
CN112787833B (zh) * | 2019-11-07 | 2022-08-12 | 中国电信股份有限公司 | 内容分发网络cdn服务器的部署方法和装置 |
CN110851257A (zh) * | 2019-11-07 | 2020-02-28 | 中国石油大学(华东) | 一种基于前期灾变策略的遗传与差分混合进化云计算任务调度算法 |
CN110851277A (zh) * | 2019-11-08 | 2020-02-28 | 中国石油大学(华东) | 一种增强现实场景下基于边云协同的任务调度策略 |
CN111079987A (zh) * | 2019-11-28 | 2020-04-28 | 电子科技大学 | 基于遗传算法的半导体车间生产调度方法 |
CN110942811B (zh) * | 2019-12-14 | 2023-05-02 | 华东理工大学 | 一种基于基因算法的表面催化反应中催化剂的设计方法 |
CN111126707B (zh) * | 2019-12-26 | 2023-10-27 | 华自科技股份有限公司 | 能耗方程构建、能耗预测方法与装置 |
CN113132445B (zh) * | 2020-01-10 | 2023-04-28 | 阿里巴巴集团控股有限公司 | 资源调度方法、设备、网络***及存储介质 |
CN111291888A (zh) * | 2020-01-21 | 2020-06-16 | 西安科技大学 | 一种机场特种车辆调度优化方法 |
CN111325648B (zh) * | 2020-02-20 | 2023-05-05 | 杭州电子科技大学 | 一种基于犹豫模糊的养老服务组合优化方法及*** |
CN111325481B (zh) * | 2020-03-16 | 2023-02-24 | 郑州大学 | 一种智能的自动化集装箱码头节能综合调度方法 |
CN111679907B (zh) * | 2020-05-14 | 2023-04-18 | 西安交通大学 | 一种云计算任务调度方法 |
CN111611748B (zh) * | 2020-05-25 | 2023-05-26 | 上海大学 | 一种数据驱动的材料逆向设计方法及*** |
CN111652373B (zh) * | 2020-05-29 | 2023-10-31 | 山东浪潮科学研究院有限公司 | 一种云机器人的任务调度方法、装置、设备及存储介质 |
CN111724044A (zh) * | 2020-05-29 | 2020-09-29 | 浙江汉脑数码科技有限公司 | 基于遗传算法的智能排产*** |
CN111626516B (zh) * | 2020-05-30 | 2023-04-28 | 湖南科技大学 | 考虑倒货策略的双深位四向穿梭车***订单排序优化方法 |
CN111737120B (zh) * | 2020-06-15 | 2022-09-23 | 河南工业大学 | 一种软件缺陷修复方法及装置 |
CN111985647A (zh) * | 2020-07-21 | 2020-11-24 | 西安理工大学 | 基于遗传算法的印刷装订作业调度优化方法 |
CN112148443B (zh) * | 2020-09-02 | 2024-06-04 | 安徽中科龙安科技股份有限公司 | 龙芯大数据一体机的任务优化调度方法及*** |
CN112272102B (zh) * | 2020-09-11 | 2023-07-14 | 北京工业大学 | 边缘网络业务卸载和调度方法及装置 |
CN112181655A (zh) * | 2020-09-30 | 2021-01-05 | 杭州电子科技大学 | 一种移动边缘计算中基于混合遗传算法的计算卸载方法 |
CN112214320A (zh) * | 2020-10-10 | 2021-01-12 | 福州大学 | 面向负载时间窗口的基于pso-ga的云服务资源自适应分配方法 |
CN112231117B (zh) * | 2020-10-13 | 2023-05-09 | 山东大学 | 基于动态向量混合遗传算法的云机器人服务选择方法及*** |
CN112163788B (zh) * | 2020-10-21 | 2024-05-31 | 深圳市规划国土发展研究中心 | 一种基于实时数据的互联网无桩单车的调度方法 |
CN112272381B (zh) * | 2020-10-22 | 2022-08-30 | 大连大学 | 一种卫星网络任务部署方法和*** |
CN114443258B (zh) * | 2020-10-30 | 2023-02-28 | ***通信集团浙江有限公司 | 用于虚拟机的资源调度方法、装置、设备及存储介质 |
CN112486651A (zh) * | 2020-11-30 | 2021-03-12 | 中国电子科技集团公司第十五研究所 | 一种基于改进遗传算法的云测试平台任务调度方法 |
CN112731378B (zh) * | 2020-12-15 | 2024-03-26 | 郑州大学 | 蚁群遗传联合获取介电常数方法、雷达检测方法和*** |
CN112749776B (zh) * | 2021-01-12 | 2023-08-15 | 南京信息工程大学 | 一种基于改进混合遗传算法的作业车间调度方法 |
CN112949195A (zh) * | 2021-03-10 | 2021-06-11 | 国网吉林省电力有限公司信息通信公司 | 电力云数据中心多目标任务调度方法 |
CN112884368B (zh) * | 2021-03-23 | 2022-11-01 | 合肥工业大学 | 高端装备交货时间与延迟最小的多目标调度方法及*** |
CN113487142A (zh) * | 2021-06-15 | 2021-10-08 | 昆山翦统智能科技有限公司 | 一种电子政务绩效考核管理的进化优化方法及*** |
CN113641471B (zh) * | 2021-07-30 | 2024-02-02 | 平安科技(深圳)有限公司 | 基于遗传算法模型的软负载调度方法、装置、设备及介质 |
CN114021895B (zh) * | 2021-10-09 | 2024-07-05 | 华中科技大学 | 基于邻域结构的最小化总成本it运维人员调度方法和*** |
CN114281397A (zh) * | 2021-10-25 | 2022-04-05 | 中国矿业大学 | 基于分解多目标遗传算法的软件生态***社区检测方法 |
CN114189914B (zh) * | 2021-11-04 | 2023-12-19 | 国网江苏省电力有限公司南京供电分公司 | 一种基于业务优先级的WiFi6优化切换决策方法及*** |
CN114285880B (zh) * | 2021-12-27 | 2023-06-23 | 电子科技大学长三角研究院(衢州) | 一种基于增强孪生的物联网轻量型设备智能化方法 |
CN114330887A (zh) * | 2021-12-29 | 2022-04-12 | 苏州汇川控制技术有限公司 | 任务编排方法、设备及计算机可读存储介质 |
CN114528088B (zh) * | 2022-04-25 | 2022-07-12 | 北京航天驭星科技有限公司 | 卫星检测任务的处理方法、装置、电子设备及存储介质 |
CN114968531A (zh) * | 2022-06-02 | 2022-08-30 | 中国人民解放军国防科技大学 | 基于多适应度遗传优化的量子云混合任务调度方法及装置 |
CN115185655B (zh) * | 2022-06-23 | 2023-05-12 | 郑州轻工业大学 | 基于基因频次改进的云计算平台任务调度方法 |
CN115733839B (zh) * | 2022-11-14 | 2023-09-12 | 中国电子科技集团公司第五十四研究所 | 一种带宽自适应的数据链智能分发策略优化方法 |
CN116307296B (zh) * | 2023-05-22 | 2023-09-29 | 南京航空航天大学 | 云上资源优化配置方法 |
CN116922402A (zh) * | 2023-09-19 | 2023-10-24 | 杭州芯控智能科技有限公司 | 基于遗传算法的多机械臂多任务分配方法、***和介质 |
CN116968037B (zh) * | 2023-09-21 | 2024-01-23 | 杭州芯控智能科技有限公司 | 一种多机械臂协同任务调度方法 |
CN117880857B (zh) * | 2024-03-11 | 2024-05-14 | 北京蓝耘科技股份有限公司 | 基于移动网络资源管理的云计算方法、***及存储介质 |
CN118042494B (zh) * | 2024-04-12 | 2024-06-21 | 华东交通大学 | 超密集多接入移动边缘计算网中安全型计算效率优化方法 |
CN118068168B (zh) * | 2024-04-25 | 2024-06-28 | 上海华岭集成电路技术股份有限公司 | 基于遗传算法的测试稳定性提升方法及*** |
CN118211815A (zh) * | 2024-05-21 | 2024-06-18 | 中国电子科技集团公司第十研究所 | 一种电磁环境检测设备资源调度的智能控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024048A (zh) * | 2012-12-17 | 2013-04-03 | 南京邮电大学 | 一种云环境下的资源调度方法 |
CN103902375A (zh) * | 2014-04-11 | 2014-07-02 | 北京工业大学 | 一种基于改进遗传算法的云任务调度方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104811491A (zh) * | 2015-04-17 | 2015-07-29 | 华南理工大学 | 一种基于遗传算法的云计算资源调度方法 |
-
2015
- 2015-04-17 CN CN201510185184.8A patent/CN104811491A/zh active Pending
- 2015-12-24 WO PCT/CN2015/098620 patent/WO2016165392A1/zh active Application Filing
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103024048A (zh) * | 2012-12-17 | 2013-04-03 | 南京邮电大学 | 一种云环境下的资源调度方法 |
CN103902375A (zh) * | 2014-04-11 | 2014-07-02 | 北京工业大学 | 一种基于改进遗传算法的云任务调度方法 |
Non-Patent Citations (2)
Title |
---|
JOANNA KOLODZIEJ等: "Genetic Algorithms for Energy-Aware Scheduling in Computational Grids", 《IEEE》 * |
程春玲等: "云环境下一种节能的资源调度算法", 《***工程与电子技术》 * |
Cited By (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016165392A1 (zh) * | 2015-04-17 | 2016-10-20 | 华南理工大学 | 一种基于遗传算法的云计算资源调度方法 |
CN105740051B (zh) * | 2016-01-27 | 2019-03-22 | 北京工业大学 | 基于改进的遗传算法的云计算资源调度实现方法 |
CN105740051A (zh) * | 2016-01-27 | 2016-07-06 | 北京工业大学 | 基于改进的遗传算法的云计算资源调度实现方法 |
CN106502908A (zh) * | 2016-11-07 | 2017-03-15 | 牡丹江师范学院 | 基于统计分析的可执行基础路径进化生成方法 |
CN107093002A (zh) * | 2017-03-02 | 2017-08-25 | 平顶山天安煤业股份有限公司 | 一种基于云计算的钻孔封闭质量分类及危险性评价*** |
CN107528799A (zh) * | 2017-08-23 | 2017-12-29 | 湖北工业大学 | 一种云计算资源分配方法及*** |
CN108897600A (zh) * | 2018-06-14 | 2018-11-27 | 郑州云海信息技术有限公司 | 一种云计算环境下的虚拟机放置方法 |
CN108881432A (zh) * | 2018-06-15 | 2018-11-23 | 广东省城乡规划设计研究院 | 基于ga算法的云计算集群负载调度方法 |
CN109343933B (zh) * | 2018-09-17 | 2021-11-23 | 浙江工业大学 | 基于改进遗传算法的虚拟机初始放置策略方法 |
CN109343933A (zh) * | 2018-09-17 | 2019-02-15 | 浙江工业大学 | 基于改进遗传算法的虚拟机初始放置策略方法 |
CN109615074A (zh) * | 2018-12-14 | 2019-04-12 | 北京深极智能科技有限公司 | 游戏的怪物配置生成方法及装置 |
CN109615074B (zh) * | 2018-12-14 | 2023-02-17 | 北京字节跳动网络技术有限公司 | 游戏的怪物配置生成方法及装置 |
CN111832725A (zh) * | 2019-04-15 | 2020-10-27 | 电子科技大学 | 一种基于改进遗传算法的多机器人多任务分配方法及装置 |
CN111832725B (zh) * | 2019-04-15 | 2023-05-26 | 电子科技大学 | 一种基于改进遗传算法的多机器人多任务分配方法及装置 |
CN110321208A (zh) * | 2019-06-27 | 2019-10-11 | 大连理工大学 | 一种求解云任务调度的进化计算方法 |
CN110321208B (zh) * | 2019-06-27 | 2022-10-14 | 大连理工大学 | 一种求解云任务调度的进化计算方法 |
CN110413231A (zh) * | 2019-07-16 | 2019-11-05 | 东华大学 | 一种多云环境下低成本高可用性的数据优化存储方法 |
CN112990515A (zh) * | 2019-12-02 | 2021-06-18 | 中船重工信息科技有限公司 | 一种基于启发式优化算法的车间资源调度方法 |
CN111324422B (zh) * | 2020-02-24 | 2024-04-16 | 武汉轻工大学 | 多目标虚拟机部署方法、装置、设备及存储介质 |
CN111324422A (zh) * | 2020-02-24 | 2020-06-23 | 武汉轻工大学 | 多目标虚拟机部署方法、装置、设备及存储介质 |
CN111381936B (zh) * | 2020-03-23 | 2023-03-31 | 中山大学 | 一种分布式云***-云簇架构下的服务容器资源的分配方法与*** |
CN111381936A (zh) * | 2020-03-23 | 2020-07-07 | 中山大学 | 一种分布式云***-云簇架构下的服务容器资源的分配方法与*** |
CN111800310A (zh) * | 2020-06-17 | 2020-10-20 | 北京智网信测科技有限公司 | 物联网测试云平台任务管理模块排期算法 |
CN111984403A (zh) * | 2020-08-05 | 2020-11-24 | 华东计算技术研究所(中国电子科技集团公司第三十二研究所) | 一种分布式***下软件构件的分配部署方法及*** |
CN112256402A (zh) * | 2020-10-30 | 2021-01-22 | 深圳供电局有限公司 | 一种云平台数据中心资源预测与调度方法及*** |
CN112256402B (zh) * | 2020-10-30 | 2024-03-29 | 深圳供电局有限公司 | 一种云平台数据中心资源预测与调度方法及*** |
CN112256422A (zh) * | 2020-11-17 | 2021-01-22 | 中国人民解放军战略支援部队信息工程大学 | 基于q学***台任务调度方法及*** |
WO2022247863A1 (zh) * | 2021-05-26 | 2022-12-01 | 维沃移动通信有限公司 | 策略生成方法、装置、终端、设备及会话管理单元 |
CN113515351A (zh) * | 2021-09-07 | 2021-10-19 | 华南理工大学 | 一种基于能耗与QoS协同优化的资源调度实现方法 |
CN114214869B (zh) * | 2021-12-17 | 2023-08-15 | 浙江华章科技有限公司 | 一种膜转移施胶机施胶优化方法 |
CN114214869A (zh) * | 2021-12-17 | 2022-03-22 | 浙江华章科技有限公司 | 一种膜转移施胶机施胶优化方法及*** |
CN114518937A (zh) * | 2022-01-27 | 2022-05-20 | 广州鼎甲计算机科技有限公司 | 一种虚拟机备份调度方法、***、装置及存储介质 |
CN114745310A (zh) * | 2022-03-31 | 2022-07-12 | 工银科技有限公司 | 基于遗传算法的流量阈值的确定方法及装置 |
CN114745310B (zh) * | 2022-03-31 | 2024-01-12 | 工银科技有限公司 | 基于遗传算法的流量阈值的确定方法及装置 |
CN114840326A (zh) * | 2022-06-01 | 2022-08-02 | 中国电信股份有限公司 | 资源调度方法、装置、电子设备及存储介质 |
CN114840326B (zh) * | 2022-06-01 | 2024-05-17 | 中国电信股份有限公司 | 资源调度方法、装置、电子设备及存储介质 |
CN115421885A (zh) * | 2022-08-29 | 2022-12-02 | 山东财经大学 | 一种分布式多目标云任务的调度方法、装置及云服务*** |
CN117130790A (zh) * | 2023-10-23 | 2023-11-28 | 云南蓝队云计算有限公司 | 一种云计算资源池动态调度方法 |
CN117130790B (zh) * | 2023-10-23 | 2023-12-29 | 云南蓝队云计算有限公司 | 一种云计算资源池动态调度方法 |
CN117290077B (zh) * | 2023-11-24 | 2024-02-23 | 深圳市飞梵实业有限公司 | 基于遗传算法的医疗平台云计算任务调度方法和*** |
CN117290077A (zh) * | 2023-11-24 | 2023-12-26 | 深圳市飞梵实业有限公司 | 基于遗传算法的医疗平台云计算任务调度方法和*** |
Also Published As
Publication number | Publication date |
---|---|
WO2016165392A1 (zh) | 2016-10-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104811491A (zh) | 一种基于遗传算法的云计算资源调度方法 | |
Xu et al. | Intelligent resource management in blockchain-based cloud datacenters | |
Daki et al. | Big Data management in smart grid: concepts, requirements and implementation | |
Zhang et al. | Demand–response games for peer-to-peer energy trading with the hyperledger blockchain | |
Liu et al. | An energy efficient ant colony system for virtual machine placement in cloud computing | |
Chen et al. | A cooperative co-evolutionary approach to large-scale multisource water distribution network optimization | |
Wang et al. | Estimation of distribution and differential evolution cooperation for large scale economic load dispatch optimization of power systems | |
Okoye et al. | A blockchain-enhanced transaction model for microgrid energy trading | |
CN102063339B (zh) | 基于云计算***的资源负载均衡的方法和设备 | |
Wen et al. | Running industrial workflow applications in a software-defined multicloud environment using green energy aware scheduling algorithm | |
Tang et al. | Online and offline based load balance algorithm in cloud computing | |
Wu et al. | Monte Carlo simulation-based robust workflow scheduling for spot instances in cloud environments | |
Tang et al. | Aggregating correlated wind power with full surplus extraction | |
Al-Ayyoub et al. | Resilient service provisioning in cloud based data centers | |
Sajid et al. | Blockchain-based decentralized workload and energy management of geo-distributed data centers | |
Jeong et al. | Energy trading system in microgrids with future forecasting and forecasting errors | |
Tan et al. | Posted-price retailing of transactive energy: An optimal online mechanism without prediction | |
Peng et al. | Sequential coalition formation for wind-thermal combined bidding | |
Wang et al. | Generating synthetic systems of interdependent critical infrastructure networks | |
Diamantopoulos et al. | Digital twins for dynamic management of blockchain systems | |
Wei et al. | Resource allocation decision model for dependable and cost-effective grid applications based on Grid Bank | |
Liang et al. | Business value-aware task scheduling for hybrid IaaS cloud | |
Tsang et al. | On-Chain and Off-Chain Data Management for Blockchain-Internet of Things: A Multi-Agent Deep Reinforcement Learning Approach | |
Jiang et al. | A Task Offloading Method with Edge for 5G‐Envisioned Cyber‐Physical‐Social Systems | |
Singhal et al. | Hybrid biogeography algorithm for reducing power consumption in cloud computing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20150729 |
|
WD01 | Invention patent application deemed withdrawn after publication |