CN117649069A - 基于遗传算法的多片区运维资源统筹调度方法 - Google Patents
基于遗传算法的多片区运维资源统筹调度方法 Download PDFInfo
- Publication number
- CN117649069A CN117649069A CN202311468152.XA CN202311468152A CN117649069A CN 117649069 A CN117649069 A CN 117649069A CN 202311468152 A CN202311468152 A CN 202311468152A CN 117649069 A CN117649069 A CN 117649069A
- Authority
- CN
- China
- Prior art keywords
- patch
- information
- slices
- abnormal
- area
- 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 45
- 230000002068 genetic effect Effects 0.000 title claims abstract description 20
- 238000012423 maintenance Methods 0.000 title claims abstract description 18
- 230000002159 abnormal effect Effects 0.000 claims abstract description 46
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 8
- 239000012634 fragment Substances 0.000 claims description 24
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 230000007547 defect Effects 0.000 abstract 1
- 238000013461 design Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Artificial Intelligence (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Genetics & Genomics (AREA)
- Computing Systems (AREA)
- Physiology (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种基于遗传算法的多片区运维资源统筹调度方法,通过根据任务量和资源量来将片区进行完成分类处理,针对不能完成的片区结合能够完成片区的数量来进行分析,同时根据资源量与任务量之间的差值来对不能够完成片区进行调度,从而避免统筹调度不合理的情况,其次针对调度后的片区进行监测,并通过对其任务进度进行分析,针对任务进度异常的片区判断是否能够完成任务,接着针对不能够完成任务的片区进行二次调度;由此,本发明能克服现有技术的缺陷,有效保证整体片区资源的合理调度和利用。
Description
技术领域
本发明涉及多片区资源统筹调度的技术领域,尤其涉及一种基于遗传算法的多片区运维资源统筹调度方法。
背景技术
遗传算法是一种基于生物进化过程的优化算法,通过模拟自然选择、交叉和变异等过程来搜索最优解,遗传算法同样适用于优化多片区运维资源调度的问题。
根据申请号为CN202310854336.3的专利显示,该专利包括创建班级及会议管理***,班级及会议管理***包括会议软件、第三方业务交互***、音视频云服务、学***台的直播业务和录播视频业务,可以降低成本。
部分现有的片区在进行统筹调度的时候,基本上都是通过对其数据进行分析来进行一次性的调整,针对一次性的调节虽然方便,但是针对后续片区出现异常的时候不能及时地对其进行合理的调整,会造成资源的不合理利用,进一步地会导致整体统筹出现问题。
为此,本发明的设计者有鉴于上述缺陷,通过潜心研究和设计,综合长期多年从事相关产业的经验和成果,研究设计出一种基于遗传算法的多片区运维资源统筹调度方法,以克服上述缺陷。
发明内容
本发明的目的在于提供一种基于遗传算法的多片区运维资源统筹调度方法,解决了一次性的调整不能及时地对出现异常的情况进行调整,会造成资源的不合理利用的问题。
为实现上述目的,本发明公开了一种基于遗传算法的多片区运维资源统筹调度方法,其特征在于包括以下步骤:
步骤一:首先获取片区信息,其中片区信息包括:片区数量、片区任务量和片区资源量,并对片区信息进行分析,同时对不同的片区进行分类得到对应的分类信息,其中分类信息包括:能完成片区和不能完成片区;
步骤二:接着对分类信息进行分析,并根据其数量来进行分析生成数量信息,其中数量信息包括:匹配成功信息和匹配失败信息,接着结合数量信息中匹配成功信息对不能完成片区调整并生成调整信息;
步骤三:然后对数量信息中的匹配失败信息进行分析,通过对不能够完成片区a的优先级进行排序分析,并根据优先级生成对应的调度信息;
步骤四:对生成的调度信息进行监测,通过分析不同片区的任务进度来对其进行分析并得到分析结果,其中分析结果包括:正常和异常;
步骤五:获取到正常结果对应的正常片区并对其进行监测,获取到异常结果对应的异常片区并根据其任务完成情况对其进行分类得到异常分类信息,并对异常分类信息中不合格片区进行二次调度处理,生成二次调度信息。
其中:所述步骤一中得到分类信息的具体方式为:
S1:对片区进行标号处理且记作为i,且i=1、2、…、n,接着获取到片区i的任务量和资源量并分别记作为Ri和Zi,接着根据片区的任务量和资源量来对片区进行判断;
S2:当任务量与资源量不匹配时,则表示对应的片区不能完成对应的任务量,并将对其的片区记作为不能完成片区记作为a,且a=1、2、…、m,反之则将其记作为能完成片区记作为b,且b=1、2、…、o,且m+o=n。
其中:所述步骤二中得到调整信息的具体方式为:
P1:获取到能完成片区b和不能完成片区a的数量并分别记作为Sb和Sa,同时将二者进行比较,当Sb≥Sa时,则表示二者能够互相调度并生成匹配成功信息,反之当Sb<Sa时,则表示二者不能够互相调度并生成匹配失败信息;
P2:接着对匹配成功信息进行分析,获取到能够完成片区b对应的多余量记作为Db,同时获取到不能够完成片区a的需求量记作为Xa,并将多余量Db和需求量Xa按照从小到大进行排序;
P3:获取到排序后的多余量Db和需求量Xa,并按照从小到大的顺序依次将多余量Db与需求量Xa进行差值计算,同时获取到多余量Db和需求量Xa差值最小对应的能够完成片区b和不能够完成片区a,并将二者进行匹配生成调度信息。
其中:所述步骤三中中得到调度信息的具体方式为:
A1:获取到所有不能够完成片区a的优先值记作为Ya,同时将其按照从大到小进行排序,接着依次按照优先值Ya从最大到最小进行分析;
A2:获取到优先值Ya最大对应的不能够完成片区a,同时判断其相邻片区是否存在能够完成片区b,若不能够完成片区a不存在能够完成片区b,则选取多余量差值最小,同时不能够完成片区a与能够完成b距离最小对应的能够完成片区,并生成对应的调度信息;
A3:若不能够完成片区a存在能够完成片区b,接着对其存在数量进行分析,当存在数量为单一时,则选取该单一片区生成调度信息,若存在数量不为单一时,则选取多余量差值最小对应的能够完成片区生成对应的调度信息。
其中:所述步骤四中得到分析结果的方式为:
B1:获取到所有的片区并将其记作为h,且h=1、2、…、n,接着获取到时间周期t内片区h的任务进度记作为Rh,同时获取到k个时间周期内片区h的任务进行Rhk,接着计算其平均值记作为Rhp;
B2:获取到片区h的当前任务进度记作为Rhs,并将其与对应的平均值Rhp进行比较,当Rhs≥Rhp时,则将对应片区标记为正常片区记作为z,且z=1、2、…、u,同时生成正常结果,反之当Rhs<Rhp时,则将对应片区标记为异常片区并记作为y,且y=1、2、…、g,同时生成异常结果,且u+g=n。
其中:所述步骤五中得到二次调度信息的方式为:
E1:获取到所有异常片区y并对其任务完成情况进行分析,当异常片区y能够完成时,则将其标记为合格片区y1,且y1=1、2、…、v,则不进行任何处理同时对其进行监测,反之则将其标记为不合格片区y2,且y2=1、2、…、j,且v+j=g;
E2:接着获取到所有不合格片区y2和合格片区y1,并筛选出能够提前完成的合格片区同时将其标记为待调度片区,并结合不合格片区y2生成对应的二次调度信息。
其中:生成二次调度信息的方式如下:
E21:获取到待调整片区并将其按照提前完成时间从大到小进行排序,接着判断不合格片区是否存在待调度片区,若存在则选取相邻待调度片区距离最近的生成二次调度信息;
E22:若不存在待调整片区,则按照待调整片区从大到小进行匹配生成二次调度信息。
通过上述内容可知,本发明的基于遗传算法的多片区运维资源统筹调度方法具有如下效果:
1、根据任务量和资源量来将片区进行完成分类处理,针对不能完成的片区结合能够完成片区的数量来进行分析,同时根据资源量与任务量之间的差值来对不能够完成片区进行调度,从而避免统筹调度不合理的情况.
2、其次针对调度后的片区进行监测,并通过对其任务进度进行分析,针对任务进度异常的片区判断是否能够完成任务,接着针对不能够完成任务的片区进行二次调度,保证整体片区资源的合理调度和利用。
本发明的详细内容可通过后述的说明及所附图而得到。
附图说明
图1显示了本发明的基于遗传算法的多片区运维资源统筹调度方法的示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,本申请提供了基于遗传算法的多片区运维资源统筹调度方法,该方法具体包括以下步骤:
步骤一:首先获取到片区信息,其中片区信息包括:片区数量、片区任务量和片区资源量,并对片区信息进行分析对不同的片区进行分类得到对应的分类信息,其中分类信息包括:能完成片区和不能完成片区,且分类信息的具体获取方式如下:
S1:对片区进行标号处理且记作为i,且i=1、2、…、n,接着获取到片区i的任务量和资源量并分别记作为Ri和Zi,接着根据片区的任务量和资源量来对片区进行判断;具体的,此处需要说明的是:任务量在本申请中将其进行量化处理并对其进行具体赋值,任务量具体可以包括:资源需求、优先级、工作量等信息,同理对资源量进行赋值,资源量具体可以包括:包括人力资源、设备资源、物资资源等。
S2:当任务量与资源量不匹配时,则表示对应的片区不能完成对应的任务量,并将对其的片区记作为不能完成片区记作为a,且a=1、2、…、m,反之则将其记作为能完成片区记作为b,且b=1、2、…、o,且m+o=n。具体地,此处需要说明的是:任务量与资源量匹配表示为该片区具有的资源量能够支持其任务量的完成,且匹配的标准为比较二者的数值大小。
步骤二:接着对能完成片区b和不能完成片区a进行分析,并根据能完成片区b和不能完成片区a二者的数量来进行分析生成数量信息,其中数量信息包括:匹配成功信息和匹配失败信息,接着结合数量信息中匹配成功信息对不能完成片区b调整并生成调整信息,且生成调整信息的方式如下:
P1:获取到能完成片区b和不能完成片区a的数量并分别记作为Sb和Sa,同时将二者进行比较,当Sb≥Sa时,则表示二者能够互相调度并生成匹配成功信息,反之当Sb<Sa时,则表示二者不能够互相调度并生成匹配失败信息。
P2:接着对匹配成功信息进行分析,获取到能够完成片区b对应的多余量记作为Db,同时获取到不能够完成片区a的需求量记作为Xa,并将多余量Db和需求量Xa按照从小到大进行排序;具体的,此处需要说明的是:多余量和需求量表示为资源量与任务量之间的差值,若资源量与任务量差值为正数则表示为多余量,反之若为负数则表示为需求量。
P3:获取到排序后的多余量Db和需求量Xa,并按照从小到大的顺序依次将多余量Db与需求量Xa进行差值计算,同时获取到多余量Db和需求量Xa差值最小对应的能够完成片区b和不能够完成片区a,并将二者进行匹配生成调度信息。具体的,此处需要说明的是:先将最小的多余量Db按照需求量Xa从小到大的顺序进行差值计算,然后依次对从小到大排序的多余量Db与需求量Xa依次进行差值计算,并选取二者差值最小对应的片区,最后生成调度信息。
步骤三:然后对数量信息中的匹配失败信息进行分析,通过对不能够完成片区a的优先级进行排序分析,并根据优先级生成对应的调度信息,且生成调度信息的方式如下:
A1:获取到所有不能够完成片区a的优先值记作为Ya,同时将其按照从大到小进行排序,接着依次按照优先值Ya从最大到最小进行分析;具体的,此处需要说明的是:优先级表示的为不同片区完成任务需要的总时间,且总时间越短表示的优先级越高,然后在根据时间和任务量来计算得到优先值,并从优先值最大对应的片区进行调度分析。
A2:获取到优先值Ya最大对应的不能够完成片区a,同时判断其相邻片区是否存在能够完成片区b,若不能够完成片区a不存在能够完成片区b,则选取多余量差值最小,同时不能够完成片区a与能够完成b距离最小对应的能够完成片区,并生成对应的调度信息;具体地,此处需要说明的是:在对不存在相邻能够完成片区时,选取的条件为同时满足差值最小和距离最小的片区。
A3:若不能够完成片区a存在能够完成片区b,接着对其存在数量进行分析,当存在数量为单一时,则选取该单一片区生成调度信息,若存在数量不为单一时,则选取多余量差值最小对应的能够完成片区生成对应的调度信息。具体地,此处需要说明的是:如果只存在一个片区,则直接将二者进行匹配生成调度信息,如果存在多个片区,则选取多余量差值最小对应的片区进行匹配生成调度信息。
步骤四:对生成的调度信息进行监测,通过分析不同片区的任务进度来对其进行分析并得到分析结果,其中分析结果包括:正常和异常,且生成分析结果的具体方式如下:
B1:获取到所有的片区并将其记作为h,且h=1、2、…、n,接着获取到时间周期t内片区h的任务进度记作为Rh,同时获取到k个时间周期内片区h的任务进行Rhk,接着计算其平均值记作为Rhp。
B2:获取到片区h的当前任务进度记作为Rhs,并将其与对应的平均值Rhp进行比较,当Rhs≥Rhp时,则将对应片区标记为正常片区记作为z,且z=1、2、…、u,同时生成正常结果,反之当Rhs<Rhp时,则将对应片区标记为异常片区并记作为y,且y=1、2、…、g,同时生成异常结果,且u+g=n。
步骤五:获取到正常结果对应的正常片区z并对其进行监测,获取到异常结果对应的异常片区y并根据其任务完成情况对其进行分类得到异常分类信息,其中分类信息包括:合格片区和不合格片区,并对异常分类信息中不合格片区进行二次调度处理,生成二次调度信息,且生成二次调度信息的方式如下:
E1:获取到所有异常片区y并对其任务完成情况进行分析,当异常片区y能够完成时,则将其标记为合格片区y1,且y1=1、2、…、v,则不进行任何处理同时对其进行监测,反之当异常片区y不能够完成时,则将其标记为不合格片区y2,且y2=1、2、…、j,且v+j=g;具体地,此处需要说明的是:任务完成情况是以当前出现异常任务进度对对应的片区进行计算,如果能够完成则记作为合格,反之则记作为不合格。
E2:接着获取到所有不合格片区y2和合格片区y1,并筛选出能够提前完成的合格片区同时将其标记为待调度片区,并结合不合格片区y2生成对应的二次调度信息,且生成二次调度信息的方式如下:
E21:获取到待调整片区并将其按照提前完成时间从大到小进行排序,接着判断不合格片区是否存在待调度片区,若存在则选取相邻待调度片区距离最近的生成二次调度信息;
E22:若不存在待调整片区,则按照待调整片区从大到小进行匹配生成二次调度信息。具体的,此处需要说明的是:针对不合格片区y2是根据优先值来进行排序的,在二次调度的时候按照优先值最大来与待调整片区从大到小进行调度。
由此,本发明通过对不同片区进行计算筛选处理,后续再通过不同资源来对片区进行调节,调节采用的方式同理遗传算法中的交叉形式,充分利用了遗传算法来进行片区调整。
上述公式中的部分数据均是去其纲量进行数值计算,同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。显而易见的是,以上的描述和记载仅仅是举例而不是为了限制本发明的公开内容、应用或使用。虽然已经在实施例中描述过并且在附图中描述了实施例,但本发明不限制由附图示例和在实施例中描述的作为目前认为的最佳模式以实施本发明的教导的特定例子,本发明的范围将包括落入前面的说明书和所附的权利要求的任何实施例。
Claims (7)
1.一种基于遗传算法的多片区运维资源统筹调度方法,其特征在于包括以下步骤:
步骤一:首先获取片区信息,其中片区信息包括:片区数量、片区任务量和片区资源量,并对片区信息进行分析,同时对不同的片区进行分类得到对应的分类信息,其中分类信息包括:能完成片区和不能完成片区;
步骤二:接着对分类信息进行分析,并根据其数量来进行分析生成数量信息,其中数量信息包括:匹配成功信息和匹配失败信息,接着结合数量信息中匹配成功信息对不能完成片区调整并生成调整信息;
步骤三:然后对数量信息中的匹配失败信息进行分析,通过对不能够完成片区a的优先级进行排序分析,并根据优先级生成对应的调度信息;
步骤四:对生成的调度信息进行监测,通过分析不同片区的任务进度来对其进行分析并得到分析结果,其中分析结果包括:正常和异常;
步骤五:获取到正常结果对应的正常片区并对其进行监测,获取到异常结果对应的异常片区并根据其任务完成情况对其进行分类得到异常分类信息,并对异常分类信息中不合格片区进行二次调度处理,生成二次调度信息。
2.根据权利要求1所述的基于遗传算法的多片区运维资源统筹调度方法,其特征在于:所述步骤一中得到分类信息的具体方式为:
S1:对片区进行标号处理且记作为i,且i=1、2、…、n,接着获取到片区i的任务量和资源量并分别记作为Ri和Zi,接着根据片区的任务量和资源量来对片区进行判断;
S2:当任务量与资源量不匹配时,则表示对应的片区不能完成对应的任务量,并将对其的片区记作为不能完成片区记作为a,且a=1、2、…、m,反之则将其记作为能完成片区记作为b,且b=1、2、…、o,且m+o=n。
3.根据权利要求1所述的基于遗传算法的多片区运维资源统筹调度方法,其特征在于:所述步骤二中得到调整信息的具体方式为:
P1:获取到能完成片区b和不能完成片区a的数量并分别记作为Sb和Sa,同时将二者进行比较,当Sb≥Sa时,则表示二者能够互相调度并生成匹配成功信息,反之当Sb<Sa时,则表示二者不能够互相调度并生成匹配失败信息;
P2:接着对匹配成功信息进行分析,获取到能够完成片区b对应的多余量记作为Db,同时获取到不能够完成片区a的需求量记作为Xa,并将多余量Db和需求量Xa按照从小到大进行排序;
P3:获取到排序后的多余量Db和需求量Xa,并按照从小到大的顺序依次将多余量Db与需求量Xa进行差值计算,同时获取到多余量Db和需求量Xa差值最小对应的能够完成片区b和不能够完成片区a,并将二者进行匹配生成调度信息。
4.根据权利要求1所述的基于遗传算法的多片区运维资源统筹调度方法,其特征在于:所述步骤三中中得到调度信息的具体方式为:
A1:获取到所有不能够完成片区a的优先值记作为Ya,同时将其按照从大到小进行排序,接着依次按照优先值Ya从最大到最小进行分析;
A2:获取到优先值Ya最大对应的不能够完成片区a,同时判断其相邻片区是否存在能够完成片区b,若不能够完成片区a不存在能够完成片区b,则选取多余量差值最小,同时不能够完成片区a与能够完成b距离最小对应的能够完成片区,并生成对应的调度信息;
A3:若不能够完成片区a存在能够完成片区b,接着对其存在数量进行分析,当存在数量为单一时,则选取该单一片区生成调度信息,若存在数量不为单一时,则选取多余量差值最小对应的能够完成片区生成对应的调度信息。
5.根据权利要求1所述的基于遗传算法的多片区运维资源统筹调度方法,其特征在于:所述步骤四中得到分析结果的方式为:
B1:获取到所有的片区并将其记作为h,且h=1、2、…、n,接着获取到时间周期t内片区h的任务进度记作为Rh,同时获取到k个时间周期内片区h的任务进行Rhk,接着计算其平均值记作为Rhp;
B2:获取到片区h的当前任务进度记作为Rhs,并将其与对应的平均值Rhp进行比较,当Rhs≥Rhp时,则将对应片区标记为正常片区记作为z,且z=1、2、…、u,同时生成正常结果,反之当Rhs<Rhp时,则将对应片区标记为异常片区并记作为y,且y=1、2、…、g,同时生成异常结果,且u+g=n。
6.根据权利要求1所述的基于遗传算法的多片区运维资源统筹调度方法,其特征在于:所述步骤五中得到二次调度信息的方式为:
E1:获取到所有异常片区y并对其任务完成情况进行分析,当异常片区y能够完成时,则将其标记为合格片区y1,且y1=1、2、…、v,则不进行任何处理同时对其进行监测,反之则将其标记为不合格片区y2,且y2=1、2、…、j,且v+j=g;
E2:接着获取到所有不合格片区y2和合格片区y1,并筛选出能够提前完成的合格片区同时将其标记为待调度片区,并结合不合格片区y2生成对应的二次调度信息。
7.根据权利要求6所述的基于遗传算法的多片区运维资源统筹调度方法,其特征在于:生成二次调度信息的方式如下:
E21:获取到待调整片区并将其按照提前完成时间从大到小进行排序,接着判断不合格片区是否存在待调度片区,若存在则选取相邻待调度片区距离最近的生成二次调度信息;
E22:若不存在待调整片区,则按照待调整片区从大到小进行匹配生成二次调度信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311468152.XA CN117649069A (zh) | 2023-11-07 | 2023-11-07 | 基于遗传算法的多片区运维资源统筹调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311468152.XA CN117649069A (zh) | 2023-11-07 | 2023-11-07 | 基于遗传算法的多片区运维资源统筹调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117649069A true CN117649069A (zh) | 2024-03-05 |
Family
ID=90048618
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311468152.XA Pending CN117649069A (zh) | 2023-11-07 | 2023-11-07 | 基于遗传算法的多片区运维资源统筹调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117649069A (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108880663A (zh) * | 2018-07-20 | 2018-11-23 | 大连大学 | 基于改进遗传算法的天地一体化网络资源分配方法 |
CN111340266A (zh) * | 2018-12-19 | 2020-06-26 | ***通信集团江西有限公司 | 选址的方法、装置、设备和介质 |
CN112559138A (zh) * | 2021-02-18 | 2021-03-26 | 北京城建设计发展集团股份有限公司 | 一种资源调度***及方法 |
WO2022002247A1 (zh) * | 2020-07-03 | 2022-01-06 | 中兴通讯股份有限公司 | 资源调度方法、电子设备及存储介质 |
WO2022067531A1 (zh) * | 2020-09-29 | 2022-04-07 | 深圳大学 | 一种计算资源感知的任务调度方法 |
CN115239223A (zh) * | 2022-06-09 | 2022-10-25 | 上海东普信息科技有限公司 | 分拨中心任务调度方法、装置、设备及存储介质 |
CN116050742A (zh) * | 2022-12-19 | 2023-05-02 | 永安行科技股份有限公司 | 一种共享车辆运维人员智能调度配置方法及*** |
CN116468258A (zh) * | 2023-06-20 | 2023-07-21 | 宁波小遛共享信息科技有限公司 | 共享车辆的调度方法和服务器 |
CN116483546A (zh) * | 2023-06-21 | 2023-07-25 | 苏州浪潮智能科技有限公司 | 分布式训练任务调度方法、装置、设备及存储介质 |
CN116560860A (zh) * | 2023-07-12 | 2023-08-08 | 太极计算机股份有限公司 | 一种基于机器学习的资源优先级的实时优化调整方法 |
CN116579586A (zh) * | 2023-07-11 | 2023-08-11 | 浙江菜鸟供应链管理有限公司 | 资源调度方法、装置以及*** |
CN116644931A (zh) * | 2023-06-12 | 2023-08-25 | 交通银行股份有限公司上海市分行 | 一种基于遗传算法的任务调度方法 |
CN116679651A (zh) * | 2023-07-04 | 2023-09-01 | 刘太云 | 一种工业生产设备智能控制*** |
CN116704770A (zh) * | 2023-06-20 | 2023-09-05 | 吕锋锋 | 基于大数据的区域交通智能管理*** |
CN116822885A (zh) * | 2023-07-03 | 2023-09-29 | 华中科技大学同济医学院附属协和医院 | 基于网格化的信息管理方法及管理*** |
CN116843163A (zh) * | 2023-08-29 | 2023-10-03 | 邹城市美安电子科技有限公司 | 一种用于建筑施工进度的管理*** |
CN116934043A (zh) * | 2023-07-29 | 2023-10-24 | 山西延创信息科技有限公司 | 一种动漫设计任务精细化管理*** |
-
2023
- 2023-11-07 CN CN202311468152.XA patent/CN117649069A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108880663A (zh) * | 2018-07-20 | 2018-11-23 | 大连大学 | 基于改进遗传算法的天地一体化网络资源分配方法 |
CN111340266A (zh) * | 2018-12-19 | 2020-06-26 | ***通信集团江西有限公司 | 选址的方法、装置、设备和介质 |
WO2022002247A1 (zh) * | 2020-07-03 | 2022-01-06 | 中兴通讯股份有限公司 | 资源调度方法、电子设备及存储介质 |
WO2022067531A1 (zh) * | 2020-09-29 | 2022-04-07 | 深圳大学 | 一种计算资源感知的任务调度方法 |
CN112559138A (zh) * | 2021-02-18 | 2021-03-26 | 北京城建设计发展集团股份有限公司 | 一种资源调度***及方法 |
CN115239223A (zh) * | 2022-06-09 | 2022-10-25 | 上海东普信息科技有限公司 | 分拨中心任务调度方法、装置、设备及存储介质 |
CN116050742A (zh) * | 2022-12-19 | 2023-05-02 | 永安行科技股份有限公司 | 一种共享车辆运维人员智能调度配置方法及*** |
CN116644931A (zh) * | 2023-06-12 | 2023-08-25 | 交通银行股份有限公司上海市分行 | 一种基于遗传算法的任务调度方法 |
CN116468258A (zh) * | 2023-06-20 | 2023-07-21 | 宁波小遛共享信息科技有限公司 | 共享车辆的调度方法和服务器 |
CN116704770A (zh) * | 2023-06-20 | 2023-09-05 | 吕锋锋 | 基于大数据的区域交通智能管理*** |
CN116483546A (zh) * | 2023-06-21 | 2023-07-25 | 苏州浪潮智能科技有限公司 | 分布式训练任务调度方法、装置、设备及存储介质 |
CN116822885A (zh) * | 2023-07-03 | 2023-09-29 | 华中科技大学同济医学院附属协和医院 | 基于网格化的信息管理方法及管理*** |
CN116679651A (zh) * | 2023-07-04 | 2023-09-01 | 刘太云 | 一种工业生产设备智能控制*** |
CN116579586A (zh) * | 2023-07-11 | 2023-08-11 | 浙江菜鸟供应链管理有限公司 | 资源调度方法、装置以及*** |
CN116560860A (zh) * | 2023-07-12 | 2023-08-08 | 太极计算机股份有限公司 | 一种基于机器学习的资源优先级的实时优化调整方法 |
CN116934043A (zh) * | 2023-07-29 | 2023-10-24 | 山西延创信息科技有限公司 | 一种动漫设计任务精细化管理*** |
CN116843163A (zh) * | 2023-08-29 | 2023-10-03 | 邹城市美安电子科技有限公司 | 一种用于建筑施工进度的管理*** |
Non-Patent Citations (2)
Title |
---|
吴雄奇;曾文华;: "基于改进遗传算法的网格资源调度算法", 微电子学与计算机, no. 09, 20 October 2006 (2006-10-20) * |
应瑛;寿涌毅;李敏;: "资源受限多项目调度的混合遗传算法", 浙江大学学报(工学版), no. 01, 15 January 2009 (2009-01-15) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hadavandi et al. | Tourist arrival forecasting by evolutionary fuzzy systems | |
CN112153426B (zh) | 一种内容账号管理方法、装置、计算机设备及存储介质 | |
KR20060045677A (ko) | 목표 변수를 위한 데이터 전망 자동 생성 시스템 및 방법 | |
CN113989768B (zh) | 一种自动驾驶测试场景分析方法及*** | |
CN113643757B (zh) | 一种微生物组学数据交互分析*** | |
CN109858631A (zh) | 用于概念迁移的流式数据分析的自动机器学习***及方法 | |
CN115471133A (zh) | 一种基于订单管理和滚动优化排产的车间综合调度*** | |
CN116091185A (zh) | 一种客户流失预警方法和装置 | |
CN114580517A (zh) | 一种图像识别模型的确定方法及装置 | |
CN117649069A (zh) | 基于遗传算法的多片区运维资源统筹调度方法 | |
Liu et al. | A new job shop scheduling method for remanufacturing systems using extended artificial bee colony algorithm | |
CN115660608B (zh) | 一种一站式的创新创业孵化方法 | |
TWI802064B (zh) | 為工作站篩選派工規則的電子裝置和方法 | |
Egilmez et al. | Cell loading and shipment optimisation in a cellular manufacturing system: an integrated genetic algorithms and neural network approach | |
Silva et al. | Selection of a business process management system: An analysis based on a multicriteria problem | |
CN110826829A (zh) | 一种基于大数据的智能计分排产的方法 | |
Ares et al. | Who continues to vote for the left? Social class of origin, intergenerational mobility and party choice in Western Europe | |
CN113411841B (zh) | 5g切片的割接合并方法、装置及计算设备 | |
CN107315395A (zh) | 一种生产自动纠错排程***及方法 | |
CN113987341A (zh) | 客群数据处理方法、装置、设备及计算机可读存储介质 | |
CN113807579A (zh) | 一种基于机器学习的航班抵港延误时间预测方法 | |
CN112257948A (zh) | 润叶加料出***水率预测方法、装置以及设备 | |
CN112100287B (zh) | 一种基于动态规划技术的集成式云端kyc方法 | |
CN114238608B (zh) | 智能面试***及方法 | |
CN110991656B (zh) | 一种以场景变量作为构成元素与交互单元的机器学习方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |