-
公开(公告)号：CN116471633A
公开(公告)日：2023-07-21
申请号：CN202310402722.9
申请日：2023-04-16
Applicant: 桂林理工大学
IPC: H04W28/084 , G06N3/092 , H04W28/08 , H04L67/1008 , H04L67/61
Abstract: 本发明公开了一种基于QoE感知和多层引导强化学习的任务卸载方法，包括五个步骤：步骤S1.获取云边端场景中相关数据；步骤S2.离散化数据，对问题进行建模；步骤S3.结合QoE感知建立目标函数；步骤S4.构建多层引导强化学习模型(MAPPO‑MCTS)；步骤S5.执行模型，得到最优计算任务卸载决策。本发明通过多层引导强化学习，降低了问题的复杂度，能够降低在云边端计算场景中进行任务卸载所需的时延和能耗，从而最大化用户QoE感知，对于保障用户的体验质量以及提高云服务运营商的效益具有重要意义。
-
公开(公告)号：CN115934324A
公开(公告)日：2023-04-07
申请号：CN202211545035.4
申请日：2022-12-04
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于变分模态和ISSA‑LSSVM的云中心资源负载预测方法。首先获取原始云资源负载数据样本，并对数据进行预处理。然后，采用变分模态算法将原始云资源负载数据分解成多个相对平稳的模态分量。接着提出一种ISSA算法，利用ISSA对LSSVM模型中核函数宽度σ和惩罚因子c进行优化，建立ISSA‑LSSVM模型，且分别对各模态分量进行预测。最后叠加各模态分量的预测值，输出最终的云资源负载预测结果。本发明方法能够有效解决传统预测模型在面对非线性云资源负载数据时预测精度不高的问题，能更加精准地预测云资源负载的变化趋势，对于提高云资源的优化效率，保障云服务质量有着积极意义。
-
Patent Agency Ranking
公开(公告)号：CN117278243A
公开(公告)日：2023-12-22
申请号：CN202310785614.4
申请日：2023-06-29
Applicant: 桂林理工大学
IPC: H04L9/40 , G06F18/23213 , G06F18/2415
Abstract: 本发明提出了一种云计算安全入侵检测方法，包括4个步骤：步骤S1.数据采集，通过网络监控系统收集云计算系统中的网络流量数据；步骤S2.K‑Means聚类，将特征向量作为输入数据，并应用K‑Means算法对数据进行聚类分析；步骤S3.朴素贝叶斯分类，将其归为入侵或非入侵；步骤S4.入侵检测，对网络流量数据进行入侵检测，并确定是否存在安全漏洞。该方法能够准确有效地检测云计算系统中的网络流量数据的入侵行为，有助于防止潜在的安全威胁。通过采用该方法进行云计算系统的安全检测，可以大大提高系统的安全性和可靠性，保护云计算环境中的敏感信息和数据的安全。因此，这种云计算安全入侵检测方法具有重要的应用价值。
-
公开(公告)号：CN116579370A
公开(公告)日：2023-08-11
申请号：CN202310403657.1
申请日：2023-04-16
Applicant: 桂林理工大学
Abstract: 本发明提出了一种面向云计算任务调度的改进哈里斯鹰算法。包括4个步骤：步骤S1.初始化哈里斯鹰算法参数及随机生成整数解合集；步骤S2.建立云计算任务调度模型，计算适应度值并更新哈里斯鹰位置；步骤S3.利用Metropolis算法更新哈里斯鹰位置；步骤S4.输出当前猎物的位置作为目标的估计位置，得到任务与虚拟机的匹配方案。与标准哈里斯鹰算法相比，本发明所述算法在云计算任务调度求取最优解有着很好的全局搜索能力，解决哈里斯鹰优化算法陷入局部最优解问题。将改进的哈里斯鹰算法应用在云计算任务调度方面，可以很有效的降低任务完成时间与虚拟机能量消耗。
-
公开(公告)号：CN118245182A
公开(公告)日：2024-06-25
申请号：CN202410301951.6
申请日：2024-03-17
Applicant: 桂林理工大学
Abstract: 本发明提出了一种基于抢占的依赖任务调度算法。包括4个步骤：步骤S1.设计中间件，并对依赖任务分配进行初始化；步骤S2.利用虚拟机对初始化的依赖任务根据先来先服务策略进行执行；步骤S3.计算依赖任务的时刻‑关键路径，并求出依赖任务抢占动作的评估值；步骤S4.从虚拟机组中确定候选虚拟机，并确定抢占虚拟机；步骤S5.依赖任务进行抢占。与其它依赖任务调度算法相比，本发明所述算法在任务执行过程中可以及时响应任务的变化需求，动态地重新分配资源，从而减少依赖任务的等待时间和执行时间，进而降低整体应用程序的平均完成时间，从而提高系统的整体性能。
-
公开(公告)号：CN115934248A
公开(公告)日：2023-04-07
申请号：CN202211545055.1
申请日：2022-12-04
Applicant: 桂林理工大学
Abstract: 本发明公开了一种Kubernetes应用容器的预测混合自动伸缩方法。首先，获取监控数据，并对监控数据进行预处理。然后，使用三指数平滑模型和DTR监督机器学习算法对Pod进行工作负载预测，通过三指数平滑模型预测Pod的副本数，再通过DTR监督机器学习算法预测分配给Pod的资源数。最后根据预测的Pod副本数和Pod资源数，对Pod进行水平和垂直自动伸缩。本发明方法可应用在Kubernetes容器编排平台上，能够有效解决现有Kubernetes上使用自动伸缩器时响应时间长、容器利用率低和无法保证应用服务QoS的问题。
-
公开(公告)号：CN115862341A
公开(公告)日：2023-03-28
申请号：CN202211545034.X
申请日：2022-12-04
Applicant: 桂林理工大学
Abstract: 本发明公开了一种基于边缘计算的无人机交通事故处理系统。包括无人机子系统、5G传输子系统、交通事故管理云子系统。无人机子系统，拥有多种携带不同设备的无人机执行特定任务；5G传输子系统，利用5G边缘计算的计算和存储资源都比较小的优点，使用超融合服务器来部署具有精简功能的云平台；交通事故管理云子系统，利用无人机协同实现无人机调度，使用SFM方法实现三维重建，同时利用光电容积脉搏波描记原理与透皮光学成像技术，对事故人员进行生命体征检测；基于边缘计算的无人机交通事故处理系统利用无人机快速监测的优点结合计算机视觉技术，高效的辅助相关人员处理交通事故，并减少交通堵塞，同时节约时间，挽救生命。
-
-
-
-
-
-
Search Results
7
records
(took 0.022 seconds)
