CN104980330A - 一种实时多智能体系统的消息准入方法 - Google Patents
一种实时多智能体系统的消息准入方法 Download PDFInfo
- Publication number
- CN104980330A CN104980330A CN201410138679.0A CN201410138679A CN104980330A CN 104980330 A CN104980330 A CN 104980330A CN 201410138679 A CN201410138679 A CN 201410138679A CN 104980330 A CN104980330 A CN 104980330A
- Authority
- CN
- China
- Prior art keywords
- task
- message
- time
- intelligent body
- real
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Computer And Data Communications (AREA)
Abstract
本发明公开了一种实时多智能体系统的消息准入方法。本方法为:1)在系统中建立一就绪任务集τ(t)、一待处理消息集λ(t),以及一响应λ(t)中各消息的任务集τ′(t);2)当t0时刻一智能体收到一消息M时,如果系统对该消息M的响应时间小于或等于该消息M的截止期,则返回请求失败,否则进行步骤3);3)系统计算将该消息M加入λ(t0)时,如果λ(t0)中各消息的响应时间均小于或等于各消息对应的截止期,则进行步骤4),否则返回请求失败;4)系统计算将该消息M加入λ(t0)时,如果τ′(t0)中各任务的响应时间均小于或等于各任务对应的截止期,则将该消息M加入λ(t0);否则返回请求失败。本发明大大增加了多智能体系统的可靠性和可预测性。
Description
技术领域
本发明属于多智能体消息通信技术,具体涉及一种实时多智能体系统的消息准入方法。
背景技术
在人工智能中,智能体是指一个能够感知环境,并通过行为作用于环境,以实现其目标的自治实体。多智能体系统是多个相互交互的智能体组成的集合,它的目标是将大而复杂的系统建设成小的、彼此互相通信和协调的、易于管理的系统。由于多智能体不仅具备分布式和并行解决问题的能力,也在处理一些复杂模式与交互等方面有与生俱来的优势,它被广泛应用于生产规划、制造控制、后勤、仿真、协调专家系统、分布式智能决策、空间探测、教育培训、分布式故障诊断、供应链集成和虚拟企业等领域,并且随着多智能体技术的不断发展与完善,它将被应用于更加广泛的领域。分布式实时系统具有可靠性强、时间可预测性、人工干预少以及能够做到及时响应等特点,目前已经被广泛应用于工业控制、媒体通讯、军事信息等许多领域,因此实时多智能体系统也越来越得到重视。
智能体之间所有的交互都是通过消息的方式进行通信。因此,智能体间消息通信是多智能体系统的重要组成部分。每个智能体可以对外提供一些服务,同时,自己也可以执行一些任务。智能体可以请求其他智能体的服务,提供服务的智能体生成相应任务调度执行,并将执行结果反馈给服务请求方。智能体之间消息通信流程大概分为以下几个步骤:
服务请求:智能体在执行任务过程中,如果需要其他智能体提供服务,则向能够提供该服务的智能体发出服务请求消息,同时将正在执行中的此任务挂起,等待收到服务请求结果后再恢复任务继续执行,称该智能体为服务请求方。
服务请求响应:提供服务的智能体在收到服务请求消息时,首先检查自己是否可以提供此服务,如果可以提供,则将该实时消息加入消息队列,消息队列中的消息会依次被取出并生成对应的任务,加入待调度任务集准备执行,智能体轮流调度并执行待调度任务集中的任务,并将执行结果反馈给服务请求方。如果不能提供该服务,则反馈给服务请求方服务请求失败。多个智能体可能分布在同一台机器上,假设处理器是单核的,多个智能体采用时间片轮转平均分配处理器时间。
任务执行与结果反馈:任务执行结束后,需要将任务执行结果,即服务请求结果以消息的方式反馈给服务请求方。
多智能体消息通信中,其他智能体发来的请求消息可以产生实时任务(即响应请求任务),同时,智能体自身也可以产生实时任务(即功能任务),这两种实时任务需要智能体进行调度,同时都具有截止期,互相影响,因此下面分别对这两种情况进行说明。
实时系统根据任务的类型分为硬实时和软实时两种。硬实时系统是指那些在规定时限前作出响应是绝对强制性要求的系统——一旦任务没有在截止期之前完成,将可能产生严重的损失或灾难性的后果。软实时系统是那些响应时间虽然重要,但如果偶尔错过时限系统依然正常运行的系统。目前无论是针对多智能体系统的FIPA标准,还是基于FIPA标准的各个开源或商业多智能体平台,都不支持硬实时的消息通信。也就是说,针对发出方发出的带有截止期的服务请求,目前的各个平台都无法保证在截止期之前得到服务返回结果。
发明内容
针对现有技术的不足,本发明通过结合多智能体系统消息通信机制和实时通信原理,提出了一种实时多智能体系统的消息准入方法,即保证带有截止期的实时消息能够在截止期之前得到处理并返回结果。
实时多智能体系统消息准入方法的步骤如下:
1)设τ(t)表示t时刻多智能体系统的就绪任务集,即,t时刻各智能体上尚未完成的任务(包括响应请求任务与功能任务)的集合;τi(t)表示t时刻第i个智能体的就绪任务集;λ(t)表示t时刻待处理消息集,即,t时刻在消息队列中尚未被智能体处理的消息的集合;τ′(t)表示t时刻多智能体系统待就绪任务集,即,λ(t)中各消息所对应生成的所有响应请求任务的集合;τ′i(t)表示t时刻第i个智能体的就绪任务集。
设在t0时刻,以智能体B收到智能体A发送的实时消息M为例:
1.1)计算实时消息M的响应时间Response(M)。
1.2)计算若允许M进入消息队列,t0时刻待处理消息集λ(t0)中各消息的响应时间Response(M’),M′为当前消息队列中的任意实时消息,即M′∈λ(t0)。其中,消息队列中的消息按照消息优先级降序进行排列,优先级越高的消息越早被智能体处理,也就是说该消息所对应的响应请求任务会越早就绪。消息处理优先级与消息截止期成反比,即截止期越短的实时消息,优先级越高。当前待处理消息集为当前在消息队列中尚未被智能体处理的消息的集合。
1.3)计算若允许M进入消息队列,t0时刻就绪任务集中各任务(包括各响应请求任务与功能任务)的响应时间RT(T,t0),其中T表示就绪任务集中的任意任务,即T∈τ(t0)。
1.4)若(1.1)中计算的实时消息M的响应时间小于或等于其截止期,且(1.2)中计算的当前待处理消息集中各消息的响应时间均小于或等于其截止期,同时,(1.3)中计算的当前就绪任务集中各任务的响应时间均小于或等于其截止期时,则消息M被准入消息队列,并按照各消息优先级降序原则,被插入消息队列中的相应位置;否则,拒绝消息M,并通知发出消息的智能体请求失败。
1.5)多智能体系统从当前的消息队列(即当前的待处理消息集λ(t0))中依次取出消息,生成任务T并将其加入就绪任务集τ(t0)中,智能体调度执行任务T,然后将执行结果反馈给对应的智能体。
2)设在t0时刻,任意一个智能体中的任意一个功能任务T’生成时:
2.1)计算t0时刻任务T’的响应时间RT(T’,t0)。
2.2)计算若允许任务T’进入系统被加入就绪任务集,当前待处理消息集中各消息的响应时间Response(M’),M’为t0时刻消息队列中的任意实时消息,即M′∈λ(t0)。
2.3)计算若允许任务T’进入系统被加入就绪任务集,t0时刻就绪任务集中各任务(包括各响应请求任务与功能任务)的响应时间RT(T,t0),其中T表示就绪任务集中的任意任务,即T∈τ(t0)。
2.4)若(2.1)中计算的任务T’的响应时间小于等于其截止期,且(2.2)中计算的当前待处理消息集中各消息的响应时间小于等于其截止期,同时,(2.3)中计算的当前就绪任务集中各任务的响应时间均小于等于其截止期,则任务T’被准入。
2.5)多智能体系统将任务T’加入就绪任务集τ(t0)中,智能体调度执行任务T’,然后将执行结果反馈给对应的智能体。
实时消息M的响应时间Response(M)的计算公式为:Response(M)=Delay(M)+RT(T,Delay(M)),其中Delay(M)表示实时消息M在消息队列中的处理延迟时间(即从将该消息加入消息队列,到从消息队列取出生成实时任务的时间),RT(T,Delay(M))为实时消息M转化为实时任务T之后的任务响应时间,Delay(M)为实时消息转化为实时任务的时间。
实时消息M在消息队列中的处理延迟时间Delay(M)的计算公式为:Delay(Mi)=c*(i+1),其中c为消息队列处理程序取出每个消息进行处理的时间(每个消息处理时间相同),i为按照根据截止期越短优先级越高的顺序,实时消息M位于消息队列中优先级的位置。
t时刻,实时任务T的响应时间RT(T,t)的计算公式如下:设n为智能体的总个数,Ti,j表示第i个智能体任务集中第j个就绪任务,即Ti,j∈τi(t),si为第i个智能体任务集大小,ci,j表示第i个智能体的第j个任务执行时间,待计算的实时任务T即将被加入智能体m就绪任务集,即为操作系统采用的时间片长度为μ(虽然不同操作系统的时间片长度不同,但是对于固定的操作系统,时间片长度是已知的),当前智能体系统正在执行第k个智能体的任务,则有 其中ε是修正系数,若k≤m,则若k>m,则 其中 且如果θi<0,则取θi=0。其中τi(t)表示t时刻,第i个智能体的就绪任务集。
t时刻,多智能体系统的就绪任务集τ(t)为各个智能体就绪任务集之和,即τi(t)的计算方法如下所示:t0时刻的第i个智能体就绪任务集是已知的,即τi(t0)已知。则t时刻的智能体任务集τi(t)是在τi(t0)的基础上减去t-t0时间段已经执行结束的任务,加上t-t0时间段消息队列处理消息生成的任务。λ(t)的计算方法如下所示:t0时刻的智能体就绪任务集是已知的,即λ(t0)已知,则t时刻的智能体待就绪任务集λ(t)是在λ(t0)的基础上减去t-t0时间段已经被处理的实时消息。τ′i(t)的计算方法如下所示:t0时刻的智能体待处理任务集是已知的,即τ′i(t0)已知。则t时刻的智能体任务集τ′i(t)是在τ′i(t0)的基础上减去t-t0时间段已经执行结束的任务。
本发明的有益效果
首先,本发明结合多智能体系统的通信机制以及实时通信原理,实现了多智能体系统的实时消息通信方法,可以满足具有分布式实时要求的多智能体系统;同时,由于本发明利用实时通信原理,使得消息发送方在消息截止期之前一定可以收到反馈消息,将原来不可知的消息反馈时间变为了可知量,大大增加了多智能体系统的可靠性和可预测性。
附图说明
图1是本发明实时多智能体系统的消息准入方法流程图;
图2是本发明实时消息准入算法流程图;
图3是本发明自身产生的功能任务准入算法流程图;
具体实施方式:
下面通过具体实施例和附图,对本发明做进一步说明。
图1给出了实时多智能体系统的消息准入方法流程图。首先,在多智能体通信的基础上,增加了实时消息准入算法,可以保证收到的实时消息,肯定可以在截止期之前执行完成,同时不会导致其他实时任务错失截止期,具体实施方式请见如下1)所述。其次,对智能体自身产生的实时任务,增加了自身产生的功能任务准入算法,可以保证实时任务可以在截止期之前执行完成,同时不影响其他实时任务错失截止期,具体实施方式请见如下2)所述。
1)图2给出了实时消息准入算法的流程图,具体流程如下所示:
1.1智能体B收到智能体A发送的带有截止期的实时消息M,首先计算实时消息M在智能体B中消息处理延迟时间Delay(M),由于每个实时消息处理时间是一样的,设为c,消息队列中消息按照截止时间的优先级排列,即距离截止时间越近的,在消息队列中越排在前面,因此可以得到实时消息M在消息队列的位置,假设在第k处位置,则实时消息M在消息队列的处理时间Delay(M)=c*(k+1)。
1.2)经过Delay(M)时间后,实时消息M会被消息读取线程转为为实时任务,设为实时任务T,并将实时任务T放入对应的智能体的任务就绪列表等待被智能体任务调度器调度执行,此时需要RT(T,Delay(M))时间,实时任务T才能执行结束。RT(T,Delay(M))的计算公式请见发明内容实时消息的截止期保障算法4)。
1.3)结合1.1)和1.2),Delay(M)是实时消息M被处理并转化为相应实时任务T所需的时间,RT(T,Delay(M))是实时任务T从发布,到最终运行结束所需的时间,因此实时消息M执行结束所需的时间为Delay(M)+RT(T,Delay(M)),已知实时消息M的截止期为d(M),如果Delay(M)+RT(T,Delay(M))>d(M),则说明该实时消息无法在截止期之前被处理,则应该拒绝该实时请求。如果Delay(M)+RT(T,Delay(M))≤d(M),还需要进一步判断该实时消息M是否会导致其他已有实时消息或实时任务错失截止期。对于消息队列中任意已有实时消息M’,在加入实时消息Mi条件下,计算M’是否满足Delay(M′)+RT(T,Delay(M′))≤d(M′),若在加入实时消息Mi后,存在任意已有实时消息M’无法满足上述条件,说明待加入的实时消息Mi会影响到已有实时消息,则拒绝待加入的实时消息Mi。同样,新加入的实时消息Mi不能影响已有实时任务,即对于任意实时任务T′∈τ(t),RT(T′,t0)≤d(T′),其中t0为当前时刻。若有任意实时任务T′∈τ(t),RT(T′,t0)>d(T′),说明实时任务T的加入会导致T’错失截止期,则拒绝实时任务T并通知智能体。
2)自身产生的功能任务准入算法
如图3所示,设t0时刻,智能体自身产生的任务T,在加入调度任务集之前,首先计算该任务T的任务响应时间RT(T,t0),若RT(T,t0)>d(T),说明该任务无法在截止期之前完成,则拒绝该任务并通知智能体;反之,说明该任务可以在截止期之前完成。然后判断该任务是否会导致其他已有任务错失截止期,对于消息队列中的所有的实时消息M’,在加入实时任务T条件下,计算M’是否满足Delay(M′)+RT(T,Delay(M′))≤d(M′),若在加入实时任务T后,存在任意已有实时消息M’无法满足上述条件,说明待加入的实时任务T会导致已有实时消息M’错失截止期,则拒绝待加入的实时任务T并通知智能体。同样,新加入的实时任务T不能导致已有实时任务错失截止期,即对于任意实时任务T′∈τ(t),RT(T′,t0)≤d(T′),其中t0为当前时刻。若有任意实时任务T′∈τ(t),RT(T′,t0)>d(T′),说明实时任务T的加入会导致T’错失截止期,则拒绝实时任务T并通知智能体。
下面结合表2、表3给出的一组多智能体相关数据的例子,来对实时消息准入机制做进一步说明。
表2开始0时刻智能体消息队列
待处理消息 | 对应任务执行时间 | 截止期 | 对应智能体 |
M10 | 3 | 30 | Agent1 |
M11 | 2 | 31 | Agent1 |
M12 | 4 | 35 | Agent4 |
M13 | 1 | 37 | Agent2 |
M14 | 3 | 40 | Agent3 |
表3开始时间点0时智能体已有待调度任务集
表3时间点3时智能体已有待调度任务集,即τ(3)
(*表示该实时任务为待加入任务,计算其位于此位置能否在截止期之前完成)
假设此时新收到实时消息M15,对应任务执行时间为2,截止期为32,消息对应Agent1,由于消息队列采用截止期越短,优先级越高的方式,因此若M15被准入的话,其优先级位置位于M11和M12中间,设消息队列处理每条消息间隔时间为1,处理器时间片为1,当前正在执行Agent1上的任务,因此Delay(M15)=1*(2+1)=3,此时τ(3),即3时刻的待调度任务集如表3所示,则可以计算得到RT(M15,3)=(11+2+2+11+2+5)+2=35,Delay(M15)+RT(M15,3)=35+3=38>d(M15)=32,因此消息M15无法在截止期之前完成,则拒绝。对于同样的实时消息M16,如果消息M16执行时间和截止期与M15相同,消息所属智能体改为Agent5,则有Delay(M16)=1*(2+1)=3,RT(M16,3)=(4+4+4+4+4+4)+0=24,Delay(M16)+RT(M16,3)=27>d(M16)=32,说明在截止期之前该消息可以执行完,再计算该消息的加入是否会影响到其他实时消息,这里用M10来举例,对于M10,Delay(M10)=1*(0+1)=1,RT(M10,1)=(8+3+3+8+2+5)+0=29,Delay(M10)+RT(M10,1)=30≤d(M10)=30,因此M10不会被延误截止期,通过对所有已存在实时消息和实时任务的计算,可以发现M16不会导致其他已存在实时消息和实时任务延误截止期,因此准入实时消息M16。
上述实施例仅为例示性说明本发明的原理及其功效,而非用于限制本发明的范围。任何熟于此技术的本领域技术人员均可在不违背本发明的技术原理及精神下,对实施例作修改与变化。本发明的保护范围应以权利要求书所述为准。
Claims (7)
1.一种实时多智能体系统的消息准入方法,其步骤为:
1)在多智能体系统中建立一t时刻各智能体上未完成任务的就绪任务集τ(t)、一t时刻消息队列中未被智能体处理的待处理消息集λ(t),以及一响应待处理消息集λ(t)中各消息所生成的任务的任务集τ′(t);
2)当t0时刻多智能体系统中一智能体收到一消息M时,多智能体系统计算多智能体系统对该消息M的响应时间Response(M);如果响应时间Response(M)小于或等于该消息M的截止期,则向发出该消息M的智能体返回请求失败,否则进行步骤3);
3)多智能体系统计算将该消息M加入当前的待处理消息集λ(t0)时,如果λ(t0)中各消息的响应时间Response(M’)均小于或等于各消息对应的截止期,则进行步骤4),否则向发出该消息M的智能体返回请求失败;
4)多智能体系统计算将该消息M加入当前的待处理消息集λ(t0)时,如果当前的任务集τ′(t0)中各任务的响应时间RT(T,t0)均小于或等于各任务对应的截止期,则将该消息M加入当前的待处理消息集λ(t0);否则向发出该消息M的智能体返回请求失败;
其中,M′∈λ(t0);T∈τ(t0);消息集λ(t)中的消息按照消息优先级降序进行排列,消息优先级与消息截止期成反比,即截止期越短的消息,优先级越高。
2.如权利要求1所述的方法,其特征在于t0时刻,当一智能体自身生成一任务T’时;多智能体系统计算将该任务T’加入当前的任务集τ′(t0)时,如果当前的待处理消息集λ(t0)中各消息的响应时间Response(M’)大于各消息对应的截止期,则拒绝该任务T’;否则,计算将该任务T’加入当前的任务集τ′(t0)时,任务集τ′(t0)中各任务的响应时间RT(T,t0);如果各任务的响应时间RT(T,t0)均小于或等于各任务对应的截止期,则允许将该任务T’加入当前的任务集τ′(t0);否则拒绝该任务T’。
3.如权利要求1或2所述的方法,其特征在于所述响应时间Response(M)的计算公式为:Response(M)=Delay(M)+RT(T,Delay(M));其中,Delay(M)为该消息M转化为实时任务T的延迟时间,RT(T,Delay(M))为该消息M转化为实时任务T之后的任务响应时间。
4.如权利要求3所述的方法,其特征在于所述延迟时间Delay(M)的计算公式为:Delay(Mi)=c*(i+1);其中,c为将消息从消息队列中取出的时间,Mi为消息队列中第i个消息,i为消息在消息队列中的序号。
5.如权利要求4所述的方法,其特征在于t0时刻各任务Ti的响应时间RT(Ti,t0)的计算公式为: 其中,n为多智能体系统中智能体的总数,si为第i个智能体任务集的任务数,ci,j表示第i个智能体的第j个任务执行时间,cm,j表示第m个智能体的第j个任务执行时间,为实时任务T作为智能体m的任务集中第sm+1个待处理的任务,其中时间片长度为μ;ε是修正系数。
6.如权利要求5所述的方法,其特征在于所述修正系数ε的计算方法为:设多智能体系统正在执行第k个智能体的任务;当k≤m,则若k>m,则其中 如果θi<0,则取θi=0。
7.如权利要求5所述的方法,其特征在于t时刻第i个智能体就绪任务集τi(t)的计算方法为:在τi(t0)的基础上减去t-t0时间段已经执行结束的任务,加上t-t0时间段消息队列处理消息生成的任务,得到t时刻第i个智能任务集τi(t),τi(t0)为t0时刻智能体i的任务集。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410138679.0A CN104980330B (zh) | 2014-04-08 | 2014-04-08 | 一种实时多智能体系统的消息准入方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410138679.0A CN104980330B (zh) | 2014-04-08 | 2014-04-08 | 一种实时多智能体系统的消息准入方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104980330A true CN104980330A (zh) | 2015-10-14 |
CN104980330B CN104980330B (zh) | 2018-06-19 |
Family
ID=54276460
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410138679.0A Active CN104980330B (zh) | 2014-04-08 | 2014-04-08 | 一种实时多智能体系统的消息准入方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104980330B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107920120A (zh) * | 2017-11-22 | 2018-04-17 | 北京小米移动软件有限公司 | 业务处理方法、装置及计算机可读存储介质 |
CN113535356A (zh) * | 2021-07-01 | 2021-10-22 | 中国科学院软件研究所 | 一种能量感知的分层任务调度方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050060709A1 (en) * | 2003-07-22 | 2005-03-17 | Tatsunori Kanai | Method and system for performing real-time operation |
US20100257269A1 (en) * | 2009-04-01 | 2010-10-07 | Vmware, Inc. | Method and System for Migrating Processes Between Virtual Machines |
CN102270159A (zh) * | 2011-08-11 | 2011-12-07 | 浙江大学 | 一种虚拟化环境中的准入控制与负载均衡方法 |
CN102541646A (zh) * | 2010-12-09 | 2012-07-04 | 中国科学院沈阳计算技术研究所有限公司 | 一种适用于硬实时系统的任务调度方法 |
CN103164258A (zh) * | 2011-12-12 | 2013-06-19 | 中国科学院沈阳计算技术研究所有限公司 | 一种适用于数控系统的容错实时调度方法 |
-
2014
- 2014-04-08 CN CN201410138679.0A patent/CN104980330B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050060709A1 (en) * | 2003-07-22 | 2005-03-17 | Tatsunori Kanai | Method and system for performing real-time operation |
US20100257269A1 (en) * | 2009-04-01 | 2010-10-07 | Vmware, Inc. | Method and System for Migrating Processes Between Virtual Machines |
CN102541646A (zh) * | 2010-12-09 | 2012-07-04 | 中国科学院沈阳计算技术研究所有限公司 | 一种适用于硬实时系统的任务调度方法 |
CN102270159A (zh) * | 2011-08-11 | 2011-12-07 | 浙江大学 | 一种虚拟化环境中的准入控制与负载均衡方法 |
CN103164258A (zh) * | 2011-12-12 | 2013-06-19 | 中国科学院沈阳计算技术研究所有限公司 | 一种适用于数控系统的容错实时调度方法 |
Non-Patent Citations (2)
Title |
---|
李庆华等: "硬实时系统中基于软件容错的动态调度算法", 《软件学报》 * |
牛云等: "基于时间需求迭代和排队模型的开放式实时系统可调度性分析算法研究", 《计算机科学》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107920120A (zh) * | 2017-11-22 | 2018-04-17 | 北京小米移动软件有限公司 | 业务处理方法、装置及计算机可读存储介质 |
CN113535356A (zh) * | 2021-07-01 | 2021-10-22 | 中国科学院软件研究所 | 一种能量感知的分层任务调度方法和装置 |
CN113535356B (zh) * | 2021-07-01 | 2023-09-12 | 中国科学院软件研究所 | 一种能量感知的分层任务调度方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104980330B (zh) | 2018-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Near-optimal straggler mitigation for distributed gradient methods | |
EP3267310B1 (en) | Data processing method and device | |
Turchenko et al. | Improvement of parallelization efficiency of batch pattern BP training algorithm using Open MPI | |
CN104980330A (zh) | 一种实时多智能体系统的消息准入方法 | |
CN104407917A (zh) | 一种基于jms的交易处理方法及装置 | |
Sayoti et al. | Optimization of makespan in job shop scheduling problem by golden ball algorithm | |
US20140149346A1 (en) | System and method for maintaining distributed data transaction atomicity and isolation during a replication to a different target cluster | |
CN109407519B (zh) | 一种基于协议失效的卫星运载火箭牵制控制器控制方法 | |
CN104699799A (zh) | 基于跨系统数据传输方法 | |
EP3742292A1 (en) | Scheduling operations | |
Wang et al. | Gradient-based neural network for online solution of Lyapunov matrix equation with Li activation function | |
CN106095534A (zh) | 一种计算任务处理方法和系统 | |
Cheng et al. | Dynamic real-time scheduling for multi-processor tasks using genetic algorithm | |
CN109240817B (zh) | 一种用于分布式系统的双目标快速优化任务调度方法 | |
Mains et al. | Scheduling for offloading safety-critical applications within networked groups of vehicles | |
CN118113492A (zh) | 智能代理的信息共享方法、装置及设备 | |
Tomashuk | Distinctive features of the artificial central nervous system model | |
Nouiri et al. | An improved multi agent particle swarm optimization to solve flexible job shop scheduling problem | |
Zakary et al. | Applied Lyapunov Stability on Output Tracking Problem for a Class of Discrete-Time Linear Systems | |
Ren et al. | Improved stability analysis for neural networks with interval time-varying delays | |
Wang et al. | LMI based global asymptotic stability criterion for recurrent neural networks with infinite distributed delays | |
Götz et al. | 3.12 Model-driven Self-optimization for Energy-efficient Software | |
CN115237681A (zh) | 辐射环境下的机载云计算控制方法、系统、终端及介质 | |
CN104899092B (zh) | Job分配系统及方法 | |
Zhuang et al. | Research on task allocation for multi-type task of unmanned surface vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |