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！

龙图腾网恭喜浙江工业大学申请的专利基于LSTM和遗传算法的分布式系统资源优化分配方法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：CN114528094B 。

龙图腾网通过国家知识产权局官网在2025-05-30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：202210041802.1，技术领域涉及：G06F9/50；该发明授权基于LSTM和遗传算法的分布式系统资源优化分配方法是由胡亚红;潘恩宇;毛家发设计研发完成，并于2022-01-14向国家知识产权局提交的专利申请。

本基于LSTM和遗传算法的分布式系统资源优化分配方法在说明书摘要公布了：一种基于LSTM时间预测模型和遗传算法的资源分配方法，包括：1进行基于LSTM网络的作业执行时间预测模型的训练；2使用遗传算法为批作业中每个作业分配合理的资源量；把遗传算法的适应度函数改为基于LSTM的时间预测模型，通过遗传算法的选择，交叉，变异，迭代出适合每个作业的资源量大小；3使用基于遗传算法的资源分配算法针对不同作业给予不同的资源量；当Spark分布式计算框架收到作业时，将根据不同的作业能使用的集群资源量进行计算，得到作业最短的处理时间。将需要处理的批作业信息提交后，本发明能够给出各作业的优化资源分配方案，从而达到批作业运行时间最短的优化目标。

本发明授权基于LSTM和遗传算法的分布式系统资源优化分配方法在权利要求书中公布了：1.基于LSTM和遗传算法的分布式系统资源优化分配方法，其特征在于，包括以下步骤：1进行基于LSTM网络的作业执行时间预测模型的训练；LSTM网络的输入为作业的信息，其中，作业的信息包括作业类型和数据量、需要的内存、CPU核数，以及节点数，输出信息为作业的运行时间；2使用遗传算法为批作业中每个作业分配合理的资源量；把遗传算法的适应度函数改为基于LSTM的时间预测模型，通过遗传算法的选择，交叉，变异，迭代出适合每个作业的资源量大小；3使用基于遗传算法的资源分配算法针对不同作业给予不同的资源量；当Spark分布式计算框架收到作业时，将根据不同的作业能使用的集群资源量进行计算，以得到作业最短的处理时间；步骤1具体包括：1.1在集群运行过程中，对用户作业的运行时间影响因素进行分析，最终确定了五个用户作业执行时间的影响因子：作业类型、作业的数据量、作业使用的CPU核数、作业使用的内存大小和作业使用的节点数；1.2在真实分布式集群中运行不同的作业，描述作业的参数为作业类型、数据量、作业使用的CPU核数、内存大小和节点数，收集作业运行时间，作为时间预测模型的训练和测试数据；1.3基于LSTM的时间预测模型的输入分别是作业类型、作业数据量、作业使用的CPU核数、内存大小和节点数，模型输出为作业的运行时间；模型所采用的损失函数为均方差MeanSquareError,MSE，计算方法如下： 其中，yi表示作业的真实运行时间，表示作业的预测执行时间，m是作业样本数量；1.4进行模型超参数的选择；对于学习率的取值，采用分步实验的方法；首先，针对经典的学习率取值进行实验，用迭代过程中对应的损失值来确定最佳学习率的量级；随后，调整此量级中学习率的数值，进一步进行试验，最终得到最佳的学习率；对于迭代次数，使用不同的迭代次数进行实验，取对应的损失值最小的数据作为最优迭代次数；选取不同的网络层数进行模型运行，取对应的损失值最小的数据作为最优网络层数；选取不同的Dropout率进行模型运行，取对应的损失值最小的数据作为最优Dropout率；隐藏层节点个数使用下面的经验公式和实验确定； 其中nh,ni,no分别代表是神经网络的隐含层节点数、输入层节点数和输出层的节点数；确定隐藏层节点个数的优化搜索算法包括下面几步：a确定隐含层节点数的初始取值区间；b取值区间缩小；c取值区间拓展；d确定最优隐藏层节点数。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。