公开(公告)号：CN117648197B

公开(公告)日：2024-05-03

申请号：CN202410123314.4

申请日：2024-01-30

Applicant: 西安电子科技大学

Inventor： 徐悦甡 ,  何晓宇 ,  赵新奎 ,  王璐 ,  曾凡浩 ,  李瑞

IPC: G06F9/50 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/094

Abstract: 本发明公开了一种基于对抗学习与异构图学习的序列化微服务资源预测方法，属于时间序列预测领域，用以提升资源预测的准确性、泛化能力和计算效率。本发明使用微服务资源节点与运行在各节点上的容器构建异构图，利用图神经网络进行学习，获取异构图中的节点表示，在训练过程中利用对抗学习方法提高图神经网络的训练质量，增强图神经网络的鲁棒性和节点表示的质量，同时降低计算复杂度。最后将异构图中每个节点的节点表示与对应节点的时间序列数据相结合，采用LSTM和多头注意力机制进行CPU利用率的预测。本发明提升了预测模型的泛化能力和预测准确率，提高了模型训练速度和预测效率。

公开(公告)号：CN118101500A

公开(公告)日：2024-05-28

申请号：CN202410459145.1

申请日：2024-04-17

Applicant: 西安电子科技大学

Inventor： 徐悦甡 ,  颜浩 ,  向正哲 ,  王璐 ,  王东京 ,  李瑞 ,  曾凡浩

IPC: H04L41/16 ,  H04L41/14 ,  H04L67/10 ,  G06N3/126

Abstract: 本发明公开了一种基于改进遗传算法的边缘环境下服务部署方法和系统，涉及边缘计算资源分配领域，用以解决在线动态部署的不稳定问题以及提高服务部署方案的性能和成本表现。本发明利用服务部署矩阵表示各类服务在各个边缘服务器上进行服务实例部署的部署方案，并以此为编码方式构建初始化种群；以服务部署的性能指标和成本指标构建目标函数；根据约束条件从初始化种群中选择出可行解种群，根据适应度选择个体进行进化，在交叉运算和变异运算过程中对非法解进行修正；最终选择适应度最高的染色体进行服务部署。本发明通过离线方式即可得到最优解，并在成本和性能上得到平衡，保留了非法解的优良基因进行进化，提高了最优解的可靠性。

公开(公告)号：CN118101500B

公开(公告)日：2024-06-25

申请号：CN202410459145.1

申请日：2024-04-17

Applicant: 西安电子科技大学

Inventor： 徐悦甡 ,  颜浩 ,  向正哲 ,  王璐 ,  王东京 ,  李瑞 ,  曾凡浩

IPC: H04L41/16 ,  H04L41/14 ,  H04L67/10 ,  G06N3/126

Abstract: 本发明公开了一种基于改进遗传算法的边缘环境下服务部署方法和系统，涉及边缘计算资源分配领域，用以解决在线动态部署的不稳定问题以及提高服务部署方案的性能和成本表现。本发明利用服务部署矩阵表示各类服务在各个边缘服务器上进行服务实例部署的部署方案，并以此为编码方式构建初始化种群；以服务部署的性能指标和成本指标构建目标函数；根据约束条件从初始化种群中选择出可行解种群，根据适应度选择个体进行进化，在交叉运算和变异运算过程中对非法解进行修正；最终选择适应度最高的染色体进行服务部署。本发明通过离线方式即可得到最优解，并在成本和性能上得到平衡，保留了非法解的优良基因进行进化，提高了最优解的可靠性。

公开(公告)号：CN117648197A

公开(公告)日：2024-03-05

申请号：CN202410123314.4

申请日：2024-01-30

Applicant: 西安电子科技大学

Inventor： 徐悦甡 ,  何晓宇 ,  赵新奎 ,  王璐 ,  曾凡浩 ,  李瑞

IPC: G06F9/50 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/094

Abstract: 本发明公开了一种基于对抗学习与异构图学习的序列化微服务资源预测方法，属于时间序列预测领域，用以提升资源预测的准确性、泛化能力和计算效率。本发明使用微服务资源节点与运行在各节点上的容器构建异构图，利用图神经网络进行学习，获取异构图中的节点表示，在训练过程中利用对抗学习方法提高图神经网络的训练质量，增强图神经网络的鲁棒性和节点表示的质量，同时降低计算复杂度。最后将异构图中每个节点的节点表示与对应节点的时间序列数据相结合，采用LSTM和多头注意力机制进行CPU利用率的预测。本发明提升了预测模型的泛化能力和预测准确率，提高了模型训练速度和预测效率。

公开(公告)号：CN117573871A

公开(公告)日：2024-02-20

申请号：CN202311551011.4

申请日：2023-11-20

Applicant: 西安电子科技大学

Inventor： 徐悦甡 ,  王照宇 ,  何晓宇 ,  李瑞 ,  曾凡浩 ,  黑蕾

IPC: G06F16/35 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/00 ,  G06F18/241

Abstract: 本发明公开了一种编程问答社区内对于问题的回复时间预测的方法。本发明分别收集问题的文本信息和数字特征，将问题文本词嵌入后，利用双向BiLSTM提取问题文本特征，并经注意力层后得到文本特征，与数字特征相融合为多模态特征，利用多模态特征及对应的回复时间对分类器模型进行训练，在使用时，利用分类器模型对编程问答社区中的新问题进行回复时间的预测。本发明充分考虑了编程问答社区不同版块之间的特征差异，利用同一个预测模型即实现了对不同领域问题回复时间预测的适用，并且具有较高的准确度。