Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 恭喜云南蓝队云计算有限公司周朝坤获国家专利权

恭喜云南蓝队云计算有限公司周朝坤获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网恭喜云南蓝队云计算有限公司申请的专利私有云环境下的资源调度与负载均衡方法及系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119576579B

龙图腾网通过国家知识产权局官网在2025-05-06发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510105179.5,技术领域涉及:G06F9/50;该发明授权私有云环境下的资源调度与负载均衡方法及系统是由周朝坤;唐永;徐文涛;李欣沅设计研发完成,并于2025-01-23向国家知识产权局提交的专利申请。

私有云环境下的资源调度与负载均衡方法及系统在说明书摘要公布了:本发明涉及云计算领域,具体公开了一种私有云环境下的资源调度与负载均衡方法及系统,方法包括:定义资源分配矩阵和目标函数,以及资源和需求的约束条件;引入资源分配矩阵的副本变量,并添加新约束以保持原始变量和副本变量之间的一致性;构建增广拉格朗日函数,将资源和需求的约束转换为目标函数中的惩罚项;应用交替方向乘子法,交替优化原始变量和副本变量,同时更新对偶变量和惩罚参数;将原始的大规模优化问题分解为可以并行处理的多个小规模子问题;并行求解多个子问题;迭代更新增广拉格朗日函数中的对偶变量和惩罚参数,直至收敛;输出最优解,提取并输出最优的资源分配方案。本发明能够提高私有云环境下的资源分配速度和质量。

本发明授权私有云环境下的资源调度与负载均衡方法及系统在权利要求书中公布了:1.一种私有云环境下的资源调度与负载均衡方法,其特征在于,包括:S1:将私有云的资源分配及负载均衡问题表示为一个优化问题,定义资源分配矩阵和目标函数,以及资源和需求的约束条件;其中定义资源分配矩阵为x,x是一个n×m的矩阵,其中n是资源的数量,m是需求的数量,x中的元素xij表示资源i分配给需求j的量;S2:引入资源分配矩阵的副本变量以解耦资源和需求约束,并添加新约束以保持原始变量和副本变量之间的一致性,具体包括:引入资源分配矩阵x的副本变量z,z用于解耦资源和需求约束;并添加新约束x−z=0以保持x和z相等;S3:构建增广拉格朗日函数,将资源和需求的约束转换为目标函数中的惩罚项;S4:应用交替方向乘子法,交替优化原始变量和副本变量,同时更新对偶变量和惩罚参数;S5:将原始的大规模优化问题分解为可以并行处理的多个小规模子问题,每个子问题对应一个资源或需求的分配;S6:并行求解多个子问题;S7:根据交替方向乘子法迭代更新增广拉格朗日函数中的对偶变量和惩罚参数,直至收敛;S8:输出最优解,提取并输出最优的资源分配方案,并基于最优的资源分配方案进行资源调度和负载均衡;在步骤S1中:定义的目标函数为: ;定义的约束条件为: ; ;其中,是资源i的效用函数,是x的第i行,表示资源i的分配向量;是需求j的效用函数,是x的第j列,表示需求j的分配向量;X表示资源分配的可行域或可行解空间,为一个包含所有满足约束条件的资源分配矩阵或向量的集合,用于限制优化变量x的取值范围,确保所求解的分配方案是可行的;在目标函数中,x是优化的目标,通过调整x的值来最小化目标函数的值;Ri和Dj分别是资源i和需求j的约束矩阵,ri和dj分别是资源i的容量和需求j的需求量;在步骤S3中构建的增广拉格朗日函数为: ;其中,Lρ为增广拉格朗日函数,ρ是惩罚参数,α、β和λ分别是资源i、需求j和x=z约束的拉格朗日乘子,αi为与资源i的约束条件相关的对偶变量,βj为与需求j的约束条件相关的对偶变量,λ为与x=z约束相关的对偶变量;表示z矩阵的第j列,即需求j的分配向量,表示需求j的效用函数,用于评估需求j的分配方案的质量;表示向量的L2范数平方,表示矩阵的弗罗贝尼乌斯范数平方;步骤S4具体包括:应用交替方向乘子法,交替优化x和z,每次迭代中,先固定z优化x,然后固定x优化z,并更新对偶变量αi、βj和λ,更新公式为: ;其中,k为迭代次数;:=表示赋值;xk+1为第k+1次迭代的资源分配矩阵x;zk+1为第k+1次迭代的资源分配矩阵z;αik+1为第k+1次迭代的资源i的对偶变量的更新值;αik为第k次迭代的资源i的对偶变量;βjk为第k次迭代的需求j的对偶变量;βjk+1为第k+1次迭代的需求j的对偶变量的更新值;λk为第k次迭代的x=z约束的对偶变量;λk+1为第k+1次迭代的x=z约束的对偶变量的更新值;αk为第k次迭代中资源约束的对偶变量向量,βk为第k次迭代中需求约束的对偶变量向量;表示第k+1次迭代的资源i的分配向量;表示第k+1次迭代的需求j的分配向量;在步骤S5中,将优化问题分解为每个资源和每个需求的子问题,计算公式为: ;其中,表示第k+1次迭代的资源i的分配向量;表示第k+1次迭代的需求j的分配向量;表示的可行域;表示在第k次迭代中,资源i的分配向量的当前值;表示在第k次迭代中,与x=z约束相关的对偶变量的当前值,特指资源i的部分;表示在第k次迭代中,与x=z约束相关的对偶变量的当前值,特指需求j的部分。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人云南蓝队云计算有限公司,其通讯地址为:650000 云南省昆明市官渡区北京路136号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。