-
公开(公告)号：CN115686788A
公开(公告)日：2023-02-03
申请号：CN202211344068.2
申请日：2022-10-31
Applicant: 北京工业大学
Abstract: 本发明涉及面向绿色云数据中心的任务调度和能耗优化方法，特别是涉及一种基于模拟退火和DQN(DeepQ‑Learning)的面向绿色云数据中心能源优化方法。首先基于谷歌集群负载数据构建用户工作负载模型，用户工作负载模型将用户需求分类并管理到任务队列中。然后，任务处理器模拟服务器的资源信息，基于用户工作负载模型构建深度强化学习决策模型，该模型中智能体将基于模拟退火和DQN的方法生成决策。最后构建混合能源模型，将风能、太阳能代替部分传统电力。该方法最终目标是通过训练将能源成本降至最低，同时降低任务拒绝率。
-
公开(公告)号：CN115660180A
公开(公告)日：2023-01-31
申请号：CN202211344060.6
申请日：2022-10-31
Applicant: 北京工业大学
IPC: G06Q10/04 , G06Q50/20 , G06F18/23213 , G06N3/006 , G06N3/0455 , G06N3/086 , G06N3/126
Abstract: 本发明涉及一种在调度问题中处理高维问题的优化方法。首先，提出了一种自适应的教学优化算法(STLBO)，该算法可以根据不同问题自适应的调整算法参数以平衡其在不同阶段的探索和搜索能力。为了加快算法的寻优速度，稀疏自编码器(SAE)将部分高维空间压缩到低维使STLBO可以更快的搜索到有希望的区域。此外提出了一种改进的径向基神经网络(IRBF)作为代理模型，该代理模型替代部分真实模型进行个体的适应度评价以节省计算资源。最后，种群动态分配策略更好的融合了SAE和IRBF。
-
公开(公告)号：CN112468326B
公开(公告)日：2022-11-04
申请号：CN202011258625.X
申请日：2020-11-11
Applicant: 北京工业大学
IPC: H04L41/147 , H04L41/142 , H04L43/0876 , G06N3/04 , G06N3/08
Abstract: 本发明涉及基于时间卷积神经网络的访问流量预测方法，属于面向访问流量预测的方法。首先，将获取到的访问流量历史数据依照时间顺序进行排序，并对该历史流量数据取对数，然后采用SG滤波平滑预处理。然后，再进行流量数据的归一化处理，将流量时序数据按照预设的滑动窗口大小划分为多个子序列作为特征序列，也就是转为有监督的数据后，输入时间卷积神经网络模型TCN中，预测未来一小时的访问流量值，最终获取精准度较高的访问流量预测结果。
-
公开(公告)号：CN114444645A
公开(公告)日：2022-05-06
申请号：CN202210036297.1
申请日：2022-01-11
Applicant: 北京工业大学
IPC: G06N3/00
Abstract: 本发明提供一种改进的多元宇宙智能优化算法，即多策略多元宇宙群的智能优化算法。本方法对多元宇宙智能优化算法更新策略单一、全局探索范围不足等缺点进行改进创新，在优化过程中借鉴遗传算法中交叉、变异、选择的机制来扩大全局探索范围；创新宇宙群更新策略，丰富优化过程中的更新机制，加强局部探测的能力。具体操作为：首先，初始化待优化问题、待优化种群U及适应度函数；在此基础上，根据初始化信息使用不同策略更新用于待优化的宇宙种群E；再次，对已更新的E宇宙种群反向来使用不同策略更新待优化的U宇宙种群；最后，通过不断迭代上述正反向优化过程，从而得出最终的优化结果。
-
公开(公告)号：CN108170530B
公开(公告)日：2021-08-17
申请号：CN201711433347.5
申请日：2017-12-26
Applicant: 北京工业大学
IPC: G06F9/50
Abstract: 本发明涉及一种基于混合元启发式算法的Hadoop负载均衡任务调度方法，建立资源槽压力模型，该模型以使集群中所有的Slave节点处理任务的计算压力处于同一水平线为目标，采用基于模拟退火和粒子群优化的混合元启发式算法进行最优任务调度方案的求解，实现Hadoop集群环境下的负载均衡任务调度。进一步通过高性能和广泛可移植性的消息传递接口MPICH(MPI over CHameleon)实现算法的并行编程，将启发式优化算法的计算过程转移至额外的计算节点，并通过多种群同时求解，减轻Master节点的计算压力，提升单位时间内最优任务调度方案的求解能力。本发明能够对Hadoop集群的计算资源进行整体分配，使集群的节点负载均衡，避免节点计算资源浪费，最大化数据中心的设备投入的利润。
-
Patent Agency Ranking
公开(公告)号：CN111563611A
公开(公告)日：2020-08-21
申请号：CN202010282888.8
申请日：2020-04-13
Applicant: 北京工业大学
Abstract: 本发明公开一种面向图卷积网络的云数据中心可再生能源时空预测方法，基于绿色云数据中心的目标太阳能站及其邻近站的空间特征构建图的拓扑结构。在此基础上，构建绿色云数据中心太阳能的时空预测模型。该时空预测模型集成图卷积网络和长短时记忆网络，并结合图注意力机制对云数据中心可再生太阳能进行学习并预测。通过对可再生能源的迭代训练，优化模型参数，最终得到预测模型。进一步利用训练完成的预测模型对其云数据中心的太阳能进行不同时间粒度的预测。最后，将预测结果与测试数据集进行对比，对时空预测模型进行误差分析与性能评估。本发明综合考虑绿色云数据中心可再生能源的时间和空间特性，有效地提高不同时间粒度的太阳能预测精度。
-
公开(公告)号：CN109816008A
公开(公告)日：2019-05-28
申请号：CN201910050810.0
申请日：2019-01-20
Applicant: 北京工业大学
Abstract: 本发明公开一种基于长短期记忆网络(LSTM)的天文大数据光变曲线异常检测方法，该方法旨在解决天文数据中光变曲线的异常由于其瞬时性导致不好检测问题。该方法以地面广角相机阵列(GWAC)通过观测获得的大量光变曲线数据为基础作为训练样本和测试样本，同时构建由LSTM单元链接而成的神经网络，通过不断的训练网络模型从而得到以该网络特有的方式得到的输出值。本发明通过迭代训练不断更新各单元的权重，使得全局达到最优；训练完毕后，只需将测试样本输入网络就能得到该样本序列的下一个预测值。
-
公开(公告)号：CN106850726A
公开(公告)日：2017-06-13
申请号：CN201610443332.6
申请日：2016-06-20
IPC: H04L29/08 , H04L12/803
Abstract: 本发明涉及一种基于SDN的云数据中心负载可感知的请求路由方法，该方法综合考虑了网络拥塞信息和虚拟机负载信息，得到处理某一应用请求最佳的虚拟机和到达该虚拟机路径组合，从而使得响应时间最小化。在这一过程中，提出负载可感知控制器的响应时间计算模型，另外还基于遗传算法获得每一个应用可以将请求送达虚拟机的链路集合，提供了计算每个虚拟机处理当前应用请求所需时间的计算模型，并给出了请求在链路中延迟时间的计算模型，通过计算虚拟机处理该请求的时间与链路的延迟时间，最终得到最小化的总响应时间。本发明缩小了数据中心中应用的延迟时间，提升了用户体验，并且为云数据中心提供商降低了利润的损失。
-
公开(公告)号：CN106060145A
公开(公告)日：2016-10-26
申请号：CN201610456726.5
申请日：2016-06-22
CPC classification number: H04L67/1004 , H04L63/101 , H04L67/1012 , H04L67/1023
Abstract: 本发明涉及一种分布式多云数据中心中基于收益的请求访问控制方法。该方法能够从而有选择性地接受请求，通过综合考虑请求的优先级、收益和期望响应时间等因素，倾向于接受高优先级的请求，并且保证所有接受请求的总带宽需求不超过所有可用的网络服务提供商的总带宽。根据用户请求以及网络和服务器资源，基于排队论建立了一种针对分布式的多云数据中心的M/M/m的排队系统模型。基于此设计了一种可将每个应用请求的响应时间转化为对应的收益的效应函数。建立了分布式的多云数据中心中请求访问控制的约束非线性规划模型。并采用罚函数方法和混合的启发式优化算法，给出了基于收益的请求访问控制策略。本发明能够有选择性地接受各类应用的请求，从而最大化分布式的多云数据中心提供商的收益。
-
公开(公告)号：CN119474077B
公开(公告)日：2025-05-02
申请号：CN202510052583.0
申请日：2025-01-14
Applicant: 北京工业大学
IPC: G06F16/215 , G06F16/22 , G06F16/2455 , G06F16/2458 , G06F16/27 , G06F18/2411 , G06F18/2431 , G06Q50/26
Abstract: 本发明公开了一种基于智慧物联的多源水环境数据处理方法与系统，涉及数据处理技术领域，包括：将获取的多源异构水环境监测数据进行标准化处理，获得标准化处理后的数据，进行多尺度分解，获得低维数据；对低维数据采用分布式存储架构，将数据分散存储在若干节点上，建立数据索引和元数据管理机制，进行数据检索与访问；针对所述低维数据，采用流数据处理方法进行清洗、聚合和分析，提取关键指标和事件，通过设定水质参数阈值和变化率阈值，结合决策树方法构建水质异常预警规则，判断是否存在水质异常；通过支持向量机和随机森林机器学习方法，构建水质预测模型，预测水质趋势。本发明为水环境监测和管理提供了有力的技术支持。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.029 seconds)
