本发明公开了一种基于状态驱动的影视编辑任务协同调度方法，按照如下步骤实施：步骤1，构建了可降低任务耦合性的影视制作任务模型；步骤2，根据建立的影视编辑任务模型，对影视编辑任务的状态及任务状态的迁移规则进行定义；步骤3，通过状态驱动的方法实现环节内任务协同调度和环节间任务协同调度；步骤4，针对前置任务停滞、状态无法变更，造成后置任务循坏等待，无法调度问题，设计了任务阻塞消除的方法，对阻塞任务进行优化调整，进而实现对任务协同调度的优化；本发明的方法，解决了现有影视编辑行业因镜头数量多、任务关联性强、参与制作人员多、制作周期长存在影视编辑任务协同调度困难的问题。
📄 2021107745180
📂 G06F9_48
👤 西安理工大学
📅 2021-07-08
本发明涉及任务调度技术领域，具体涉及一种基于超图的任务调度和数据传输方法，包括将多个任务、多个数据文件和多个数据中心分别建模为超图，得到多个原始超图；对多个原始超图进行分区，得到分区结果；基于分区结果对多个任务进行转移，得到当前可执行任务；从多个数据文件中选择目标数据文件添加至对应的数据中心的传输队列中，将当前可执行任务添加到任务队列中；迭代比较任务队列中任务的执行时间和传输队列中数据文件的传输时间，得到最优任务和最优传输数据文件，解决了现有的任务调度和数据传输方法的数据传输的效率较低的问题。
📄 2022109386257
📂 G06F9_48
👤 桂林理工大学
📅 2022-08-05
本发明公开了一种面向云边聚合计算的多决策计算任务优化卸载方法，包括：获取环境参数、任务参数以及本地服务器与云服务器之间的网络带宽信息；基于任务参数，为每个任务设置相应的层级；并将任务分配给应用程序，应用程序开始任务执行，判断应用程序的终止任务是否完成，并获取最优解。本发明将云服务器、边缘服务器与本地服务器中的资源整合，构建云边聚合计算框架模型，并针对细粒度式应用程序中各任务间存在的网络拓扑关系，对细粒度式应用程序的卸载过程建模，将任务划分层级，并对不同服务器上的计算任务合理分配计算资源，实现最小化应用程序的计算时间，提高系统吞吐量，使得系统的能量消耗与应用程序的计算时间达到平衡。
📄 2022105889810
📂 G06F9_48
👤 南京邮电大学
📅 2022-05-26
本发明公开了一种云环境下基于优先级的虚拟机分组资源调度方法，包括：建立任务列表和虚拟机列表；根据虚拟机执行速度将虚拟机列表中的虚拟机资源分为若干组；根据任务长度将任务列表中的任务分为若干组，将任务组分别对应到虚拟机组，根据任务的初始长度和初始价值计算任务的价值密度；判断每组任务的价值密度分布是否集中；若集中，使用优先级调度算法，直到该任务组中的任务列表为空；若不集中，使用Max‑Min算法，直到该任务组中的任务列表为空。本发明的有益效果在于不仅保证了特殊任务优先执行，而且能够在原有普通分组的算法基础上大幅度提升任务完成成功率，提高资源利用率，实现负载均衡。
📄 2021101741472
📂 G06F9_48
👤 南京邮电大学
📅 2021-02-09
本申请属于数据处理领域，尤其涉及运算器芯片功耗管理方法、计算子系统以及智能计算平台，该方法包括：获取目标运算器芯片的实时运行数据；所述实时运行数据用于表示目标运算器芯片的实时运行情况；采用芯片多模态功耗预测模型，对所述实时运行数据在不同工作模式下的芯片功耗进行预测，以获得适用于目标运算器芯片的目标工作模式；其中，目标工作模式为目标运算器芯片满足实时运行需求时芯片功耗最低的一种工作模式；动态配置目标运算器芯片的实时运行参数，以使目标运算器芯片达到目标工作模式。该方法能够降低运算器的功耗、优化能效，为运算器实现低能耗与高性能的平衡，提高设备的运行效率。
📄 2024102768531
📂 G06F9_48
👤 广东琴智科技研究院有限公司
📅 2024-03-12
一种基于BP‑Tabu搜索的云任务负载均衡调度方法，包括以下步骤：第一步：形式化描述云计算环境下的负载均衡任务调度问题，并给出对于云计算环境下各元素相关定义；第二步：基于贪心算法思想求得任务调度初始解，使用对时间贪心的算法，对任务调度初始解进行求解；第三步：针对不同任务分配方案，根据虚拟机处理能力MIPS、指令的执行成本以及延迟成本，定义虚拟机利用效益函数；定义任务调度方案P下的优值函数Bp；第四步、结合贪心算法获得的任务调度初始解，通过衡量包含效益值以及负载均衡度的优值函数，得出基于Tabu搜索算法优化后的任务调度分配策略。本发明任务分配均衡，适用于云环境下任务调度的负载均衡方面。
📄 2017104916078
📂 G06F9_48
👤 浙江工业大学
📅 2017-06-26
本发明涉及集群调度技术领域，尤其涉及一种基于用户作业类型及节点性能偏向性的集群资源调度方法，包括以下步骤：1)Master节点收集集群中各节点的静态指标值，计算各节点静态性能；2)Master节点计算作业队列中当前将运行的用户作业类型；3)Master节点采集集群中各节点的动态状态数据，计算各节点的动态性能；4)根据各节点的动态与静态性能，Master节点计算各节点的性能偏向性；5)Master节点根据用户作业类型和节点的性能偏向性，将合适的节点资源分配给用户作业，作业完成，Master节点返回作业的执行结果；6)若所有用户作业执行完成，系统运行结束；否则返回步骤2)。本发明的有益效果在于：有效提高集群的性能、缩短用户作业的执行时间。
📄 2021101009075
📂 G06F9_48
👤 浙江工业大学
📅 2021-01-26
本发明公开了一种云计算环境下基于多种群遗传算法的工作流执行优化方法,包括以下步骤:获取执行优化所需信息;计算任务的层次值;初始化当代种群;解码改进当代种群并计算适应度值;分若干个子种群进行独立进化,并适时进行子种群间的交流;直到满足终止条件输出执行优化结果。相对于传统方法本发明设计采用了基于层次和效率比的个体随机生成、基于拓扑排序的整数编码、基于插入模式的串行个体解码、向前向后个体解码改进、多种群协调进化等方法和策略,实现资源配置和任务调度的集成协同优化,提高了寻优能力,改进了算法整体效率。
📄 2019112599670
📂 G06F9_48
👤 浙江工业大学
📅 2019-12-10
本发明公开了一种高能效的边缘计算卸载决策及资源分配方法，包括步骤：建立边缘计算网络；基于二进制初始化N个无线节点的卸载决策，并获取对应的最大能效值和计算资源分配结果；根据卸载决策Ml产生N个候选卸载决策；获取各候选卸载决策的最大能效值和计算资源分配结果；获取最佳候选卸载决策Ml(j*)；判断Ml(j*)对应的最大能效值θl(j*)是否大于Ml对应的最大能效值θl，若是，将Ml(j*)和θl(j*)分别作为Ml+1及其对应最大能效值，返回执行下一次迭代，否则，将Ml及对应的计算资源分配结果作为最终决策分配结果。该方法保证计算任务不可拆分性并避免节点间通讯干扰，能可快速求解出最佳决策分配结果，从而提高了无线节点的能量效率。
📄 2022105059237
📂 G06F9_48
👤 浙江工业大学
📅 2022-05-10
本发明涉及一种基于用户作业流程的分布式集群资源调度方法。本发明首先分析作业所包含的各个子作业间的执行顺序约束关系，确定子作业的串并行执行顺序。再根据子作业的执行顺序为其进行资源的逻辑分配并预测在此资源配置下各子作业的执行时间，进而通过计算作业流程中的关键路径预测出作业的执行时间。通常用户提交的作业具有完成时间的约束，因此预测的作业完成时间可以作为集群能否及时为用户提供服务的依据。实验证明，相对于Spark默认的资源分配算法，本发明提出的算法能够缩短16.81％的作业执行时间。本发明提出的算法能够提高子作业运行的并行度、缩短作业执行时间，有助于提升云服务平台、超算中心和数据中心等机构的服务质量。
📄 2021104721381
📂 G06F9_48
👤 浙江工业大学
📅 2021-04-29
本发明公开了一种基于层次与负载均衡遗传算法的云工作流调度优化方法，包括以下步骤：获得调度优化所需信息；计算任务的层次值；初始化当代种群；进行进化：进行交叉操作形成新种群，对新种群进行变异操作，进行解码计算适应度值并用层次和负载均衡的方法进行改进，从当代和新种群中选出N个不同的个体形成新的当代种群，直到满足进化终止条件；输出调度优化方案。本发明在实现全域搜索的前提下采用基于插入模式的串行个体解码、基于层次和负载均衡的个体改进，基于偏好的参数化均匀交叉等方法提高了算法的寻优能力和搜索效率。
📄 2019112811240
📂 G06F9_48
👤 浙江工业大学
📅 2019-12-10
本发明涉及一种基于可变步长蝙蝠算法的边云协同计算节点调度优化方法,划分用户提交的加工任务后得到子任务长度的集合,匹配每个边缘服务器节点的边缘设备,定义运行时间评价函数后,利用可变步长蝙蝠算法,基于所述运行时间评价函数计算适应度的评价值,取最低值对应的调度方案为最优的调度方案。本发明在全局搜索产生随机解的过程中引入可变步长的策略来防止划分算子陷入早熟,并模拟自然环境对蝙蝠回声定位产生的影响,添加自然扰动因子、震荡新解来提高全局收敛能力,基于可变步长蝙蝠算法,通过引入可变步长策略和自然扰动因子从而改进原有算法,达到更好的效果;用户数越大,则算法的性能优势越高于其他算法。
📄 2020102047718
📂 G06F9_48
👤 浙江工业大学
📅 2020-03-22
柿子坊 · 知识产权运营
柿子坊知识产权运营平台