CN109144746A - 一种gft训练系统的消息异步分发系统及方法 - Google Patents

一种gft训练系统的消息异步分发系统及方法 Download PDF

Info

Publication number
CN109144746A
CN109144746A CN201810797695.9A CN201810797695A CN109144746A CN 109144746 A CN109144746 A CN 109144746A CN 201810797695 A CN201810797695 A CN 201810797695A CN 109144746 A CN109144746 A CN 109144746A
Authority
CN
China
Prior art keywords
fuzzy reasoning
queue
service module
gene order
unit
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
Application number
CN201810797695.9A
Other languages
English (en)
Other versions
CN109144746B (zh
Inventor
杨芳
费思邈
姚宗信
管聪
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenyang Aircraft Design and Research Institute Aviation Industry of China AVIC
Original Assignee
Shenyang Aircraft Design and Research Institute Aviation Industry of China AVIC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenyang Aircraft Design and Research Institute Aviation Industry of China AVIC filed Critical Shenyang Aircraft Design and Research Institute Aviation Industry of China AVIC
Priority to CN201810797695.9A priority Critical patent/CN109144746B/zh
Publication of CN109144746A publication Critical patent/CN109144746A/zh
Application granted granted Critical
Publication of CN109144746B publication Critical patent/CN109144746B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/46—Multiprogramming arrangements
    • G06F9/54—Interprogram communication
    • G06F9/546—Message passing systems or structures, e.g. queues
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/048—Fuzzy inferencing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种GFT训练系统的消息异步分发系统及方法，属于航空信息技术处理领域。所述GFT训练系统包括：遗传服务模块，计算得到多个基因序列；模糊推理服务模块，计算得到相应的空战适应度值；以及包括RabbitMQ服务器来对遗传服务模块与模糊推理服务模块通过TCP连接，并通过置于所述TCP连接内的虚拟通道进行数据交互，所述RabbitMQ服务器通过第一队列传输多个基因序列，通过第二队列传输多个空战适应度值。本发明解决了频繁建立关闭TCP连接对于系统性能的影响，提高了通讯的时间效率。

Description

一种GFT训练系统的消息异步分发系统及方法
技术领域
本发明属于航空信息技术处理领域，具体涉及一种GFT训练系统的消息异步分发系统及方法。
背景技术
当前，世界正处于智能革命的前夜，人类社会正从“互联网+”时代迈入“智能+”时代。近年来，在大数据、新型算法和超级计算的推动下，人工智能正在改变乃至颠覆所触及的每一个行业，空战亦不例外。人工智能正以前所未有的深度推动着新一轮的军事变革。
GFT(Genetic Fuzzy Tree遗传模糊树)训练系统是基于遗传模糊推理树的智能空战训练系统，以遗传模糊推理树为优化对象，以遗传算法为优化器，在大规模分布式计算平台上进行训练优化。系统划分为几个服务模块，各个模块需要交互通信才能完成整个系统中的特定功能，传统基于Socket的通讯虽然可以完成模块间的交互，但是频繁的建立关闭TCP连接会给系统性能带来很大的影响。
发明内容
为了解决上述问题，本发明提供了一种GFT训练系统的消息异步分发系统及方法，基于RabbitMQ服务器进行消息异步分发。
本发明首先提供了一种GFT训练系统的消息异步分发系统，所述GFT训练系统包括：
遗传服务模块，获取空战适应度值，用于进行遗传算法的计算，得到多个基因序列；
模糊推理服务模块，包含有多个模糊推理单元，每个所述模糊推理单元用于根据接收的基因序列计算得到相应的空战适应度值；
其特征在于，还包括RabbitMQ服务器，所述RabbitMQ服务器包括：
第一队列，与所述遗传服务模块及所述模糊推理服务模块通过TCP连接，并通过置于所述TCP连接内的虚拟通道进行数据交互，所述第一队列中存储有接收自所述遗传服务模块的多个基因序列，所述模糊推理服务模块的各模糊推理单元分别从所述第一队列中取所述基因序列；
第二队列，与所述遗传服务模块及所述模糊推理服务模块通过TCP连接，并通过置于所述TCP连接内的虚拟通道进行数据交互，所述第二队列中存储有接收自所述模糊推理服务模块的多个空战适应度值，并将所述空战适应度值发送给所述遗传服务模块。
优选的是，所述RabbitMQ服务器还包括：
加锁单元，用于对第一队列中每个被取走的基因序列加锁；
解锁单元，解除对应基因序列的锁；
检测模块，若接收到所述模糊推理单元的反馈信息，则启动所述解锁单元，对相应基因序列解锁；若未接收到所述反馈信息，且检测到RabbitMQ服务器与所述模糊推理单元之间的连接断开，则将加锁的基因序列发送给其它模糊推理单元；其中，所述反馈信息为模糊推理单元在处理完成相应的基因序列后发送的回执。
优选的是，所述模糊推理单元包括时钟模块，用于每隔一定时间向RabbitMQ服务器发送信息，以便所述RabbitMQ服务器判断其与所述模糊推理单元的连接通断。
优选的是，所述RabbitMQ服务器还包括数据分发单元，所述数据分发单元用于设定所述模糊推理单元每次从所述第一队列中取走的基因序列的条数。
本发明另一方面提供了一种GFT训练系统的消息异步分发方法，基于上述GFT训练系统的消息异步分发系统，主要包括以下步骤：
步骤一、由所述GFT训练系统的遗传服务模块进行遗传算法的计算，得到多个基因序列；
步骤二、将所述多个基因序列发送到RabbitMQ服务器的第一队列中；
步骤三、各模糊推理单元分别从所述第一队列中获取相应的基因序列并计算出对应的空战适应度值；
步骤四、将多个空战适应度值发送到所述RabbitMQ服务器的第二队列中；
步骤五、所述遗传服务模块从所述第二队列中获取所述空战适应度值，并返回至步骤一，重复执行上述步骤直至遗传运算结束；
其中，所述第一队列与所述遗传服务模块及所述模糊推理服务模块通过TCP连接，并通过置于所述TCP连接内的虚拟通道进行数据交互，同理，所述第二队列与所述遗传服务模块及所述模糊推理服务模块通过TCP连接，并通过置于所述TCP连接内的虚拟通道进行数据交互。
优选的是，所述步骤三至步骤四进一步包括：
步骤31、各模糊推理单元分别从所述第一队列中获取相应的基因序列；
步骤32、对被取走的基因序列加锁；
步骤33、判断被取走的基因序列所在的模糊推理单元与所述RabbitMQ服务器之间连接的通断，若连接断开，则将该加锁的基因序列发送给其它模糊推理单元，若连接未断开且收到所述模糊推理单元发送来的处理完成的信息，则解除对应基因序列的锁，并删除该基因序列。
优选的是，所述步骤33中，判断被取走的基因序列所在的模糊推理单元与所述RabbitMQ服务器之间连接的通断包括：
步骤331、所述模糊推理单元按设定频率向RabbitMQ服务器发送心跳信息；
步骤332、RabbitMQ服务器在设定时间内未收到所述模糊推理单元发送的心跳信息时，判断为所述模糊推理单元与所述RabbitMQ服务器之间连接断开；所述设定时间大于所述设定频率的倒数。
优选的是，步骤三中，各模糊推理单元按照约定的条数分别从所述第一队列中获取相应的基因序列。
本发明解决了频繁建立关闭TCP连接对于系统性能的影响，提高了通讯的时间效率。RabbitMQ有消息确认机制和持久化机制，可靠性高，具有良好的稳定性，能够实现跨平台通信，并且具有高可用高并发性，适合GFT训练系统分布式集群模式，作为中间件，在系统模块间成功实现了解耦，为后期系统业务的升级及维护奠定了坚实的基础。
附图说明
图1为按照本发明GFT训练系统的消息异步分发系统的一优选实施例的系统架构图。
具体实施方式
为使本发明实施的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行更加详细的描述。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面结合附图对本发明的实施例进行详细说明。
本发明GFT训练系统的消息异步分发系统，如图1所示，主要包括：
遗传服务模块(GA服务模块)，获取空战适应度值，用于进行遗传算法的计算，得到多个基因序列；
模糊推理服务模块(FIS服务模块)，包含有多个模糊推理单元，每个所述模糊推理单元用于根据接收的基因序列计算得到相应的空战适应度值。
在系统运行中，GA需要将经过遗传计算之后的基因代码传递给FIS模块，供其进行逻辑推理，逻辑推理之后得出的空战适应度值会反馈给GA模块，供其进行遗传操作。GA服务模块是用Python进行编码，FIS服务模块由Python编写的推理机嵌入了C++编写的空战模拟器组成。
本发明中，GA与FIS间的通讯通过RabbitMQ服务模块(RabbitMQ服务器)，它们将要发送的东西传递给RabbitMQ Server，需要的东西也直接到RabbitMQ Server中获取。本系统有两个GA服务模块，互为备份，有若干个FIS服务模块(例如具有500个FIS服务模块)，用来对GA每代产生的500个(或更多)基因序列进行分布式并行计算。RabbitMQ服务模块就负责这500个FIS和GA之间的通讯。其中，所述RabbitMQ服务器包括：
第一队列，与所述遗传服务模块及所述模糊推理服务模块通过TCP连接，并通过置于所述TCP连接内的虚拟通道进行数据交互，所述第一队列中存储有接收自所述遗传服务模块的多个基因序列，所述模糊推理服务模块的各模糊推理单元分别从所述第一队列中取所述基因序列；
第二队列，与所述遗传服务模块及所述模糊推理服务模块通过TCP连接，并通过置于所述TCP连接内的虚拟通道进行数据交互，所述第二队列中存储有接收自所述模糊推理服务模块的多个空战适应度值，并将所述空战适应度值发送给所述遗传服务模块。
本实施例中，参考图1，第一队列为ga_queue，第二队列为fitness_queue，这两个队列的具体创建过程为，在GFT训练系统中，首先建立一个类RabbitMQBase，作为一个基类，它有两个功能，建立一个Connection，本质上是一个TCP连接，消息的发送者和接收者都是通过TCP连接到RabbitMQ服务器。然后就要建立一个通道(channel)，因为通道是虚拟连接，它建立在上述的TCP连接中，数据流动都是在通道中进行。因为频繁的建立关闭TCP是有代价的，并且TCP的连接数也是有限制的，这也就限制了系统处理高并发的能力。但是在TCP中建立通道是没有代价的，可以并发的使用多个通道进行发送或是接收消息。建立通道之后就要创建队列，队列是消息的实际载体，本系统中建立两个独立的队列分别为ga_queue和fitness_queue。ga_queue负责传输基因序列，fitness_queue负责传输每个基因序列对应的适应度值。对于两种队列，有两种操作，一种是发送消息，本系统将此操作封装为类Sender，一种是接收消息，封装为类Receiver，这两种类都继承于基类RabbitMQBase,属于两个子类。在两个子类中都会建立一个通道，然后创建队列，因为如果队列不存在，接收端就不会收到任何的消息，发送者也会把消息发送丢。所以，为了不使数据有丢失，Senser和Receiver都要建立一个队列，在程序中，如果该队列已经存在，可以忽略此时的创建队列操作。
对于GA每代产生的500个基因都会放到ga_queue中，就绪的FIS模块会分别到ga_queue队列中取基因序列，如果有FIS模块在处理基因序列的过程中突然宕机，这种情况下就很有可能会丢失消息。为了避免该类事件发生，在ga_queue队列中，设定有以下单元：
加锁单元，用于对第一队列中每个被取走的基因序列加锁；
解锁单元，解除对应基因序列的锁；
检测模块，若接收到所述模糊推理单元的反馈信息，则启动所述解锁单元，对相应基因序列解锁；若未接收到所述反馈信息，且检测到RabbitMQ服务器与所述模糊推理单元之间的连接断开，则将加锁的基因序列发送给其它模糊推理单元；其中，所述反馈信息为模糊推理单元在处理完成相应的基因序列后发送的回执。
具体的，在ga_queue队列中，每个被取走的基因序列被加上一个锁，加锁之后的基因序列不会被队列删除，但是不影响其它FIS模块继续取别的基因序列。当加锁的基因序列被FIS模块处理完之后，FIS模块会发送一个回执(Message acknowl edgment)给RabbitMQ，RabbitMQ收到消息回执后才会将该基因序列从ga_queue中删除。如果RabbitMQ没有收到回执并检测到FIS模块与RabbitMQ服务器连接断开，则RabbitMQ服务器会将没有处理完的基因序列发送给其他就绪的FIS模块来处理。
如上所述，存在描述“如果RabbitMQ没有收到回执并检测到FIS模块与RabbitMQ服务器连接断开”，其具体操作例如可以是：
所述模糊推理单元包括时钟模块，用于每隔一定时间向RabbitMQ服务器发送信息，以便所述RabbitMQ服务器判断其与所述模糊推理单元的连接通断。通俗讲，接收者Receiver会时时给RabbitMQ服务器发送一个心跳，便于RabbitMQ时时检测接收者的存在，如果心跳不存在，说明接收者和RabbitMQ服务器连接断开，此时RabbitMQ服务器会将此接收者没有处理完的消息继续发送给其他准备就绪的接收者。
为保证即使在RabbitMQ服务重启的情况下，也不会丢失消息，本实施例通过将队列和要发送的消息都设置为可持久化的(durable),这样可以保证绝大部分情况下我们的RabbitMQ消息不会丢失。
本实施例中，所述RabbitMQ服务器还包括数据分发单元，所述数据分发单元用于设定所述模糊推理单元每次从所述第一队列中取走的基因序列的条数。例如，对上述500个FIS模块与500个基因序列，对于基因队列ga_queue中的基因序列会平摊给500个FIS模块，如果每个基因的处理时间不同，就有可能导致某些FIS模块一直在忙，而另外一些FIS模块很快处理完基因并一直处于空闲的状态。本实施例在发送操作Sender中设置prefetchCount来限制队列中每次发送给接收者的消息数，例如设置prefetchCount＝1，则队列中每次给接收者发送一条消息。接收者在处理完这条消息后队列会再给该接收者发送一条消息，这样保证每个接收模块都会不间断的有且仅有一个消息需要处理。
GA模块会将每代产生的基因序列存放在ga_queue中，因此ga_queue中一般会有500个基因序列，这500个基因会被FIS模块逐个取走，因此GA和FIS的连接始终存在。但是在FIS模块回传给GA服务器适应度值时，则是存在一个传一个，连接不必一直存在，因此在Sender中单独建立一个这样的过程SingleSender，保证每次发送建立连接，发送结束之后关闭连接。
可以看出，无论是GA服务器发送给FIS模块的基因序列，还是FIS模块反馈给GA服务器的适应度值都会通过队列进行传输，当GA服务器将每代产生的500个基因都放到ga_queue中时，FIS模块会分别进行取基因，任何FIS宕机都不会使基因信息丢失，并且当基因数值远大于FIS模块数时，完成计算的FIS模块可以继续取ga_queue中的基因，直到ga_queue队列为空。当任何FIS模块计算完适应度值时都可以将该值传递给GA服务器，便于GA服务器进行遗传操作。总之，使用RabbitMQ可以很好的保证GFT分布式训练系统能够实现消息的异步分发机制。
最后需要指出的是：以上实施例仅用以说明本发明的技术方案，而非对其限制。尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (8)

1.一种GFT训练系统的消息异步分发系统，所述GFT训练系统包括：
遗传服务模块，获取空战适应度值，用于进行遗传算法的计算，得到多个基因序列；
模糊推理服务模块，包含有多个模糊推理单元，每个所述模糊推理单元用于根据接收的基因序列计算得到相应的空战适应度值；
其特征在于，还包括RabbitMQ服务器，所述RabbitMQ服务器包括：
第一队列，与所述遗传服务模块及所述模糊推理服务模块通过TCP连接，并通过置于所述TCP连接内的虚拟通道进行数据交互，所述第一队列中存储有接收自所述遗传服务模块的多个基因序列，所述模糊推理服务模块的各模糊推理单元分别从所述第一队列中取所述基因序列；
第二队列，与所述遗传服务模块及所述模糊推理服务模块通过TCP连接，并通过置于所述TCP连接内的虚拟通道进行数据交互，所述第二队列中存储有接收自所述模糊推理服务模块的多个空战适应度值，并将所述空战适应度值发送给所述遗传服务模块。
2.如权利要求1所述的GFT训练系统的消息异步分发系统，其特征在于，所述RabbitMQ服务器还包括：
加锁单元，用于对第一队列中每个被取走的基因序列加锁；
解锁单元，解除对应基因序列的锁；
检测模块，若接收到所述模糊推理单元的反馈信息，则启动所述解锁单元，对相应基因序列解锁；若未接收到所述反馈信息，且检测到RabbitMQ服务器与所述模糊推理单元之间的连接断开，则将加锁的基因序列发送给其它模糊推理单元；其中，所述反馈信息为模糊推理单元在处理完成相应的基因序列后发送的回执。
3.如权利要求2所述的GFT训练系统的消息异步分发系统，其特征在于，所述模糊推理单元包括时钟模块，用于每隔一定时间向RabbitMQ服务器发送信息，以便所述RabbitMQ服务器判断其与所述模糊推理单元的连接通断。
4.如权利要求1所述的GFT训练系统的消息异步分发系统，其特征在于，所述RabbitMQ服务器还包括数据分发单元，所述数据分发单元用于设定所述模糊推理单元每次从所述第一队列中取走的基因序列的条数。
5.一种GFT训练系统的消息异步分发方法，其特征在于，包括：
步骤一、由所述GFT训练系统的遗传服务模块进行遗传算法的计算，得到多个基因序列；
步骤二、将所述多个基因序列发送到RabbitMQ服务器的第一队列中；
步骤三、各模糊推理单元分别从所述第一队列中获取相应的基因序列并计算出对应的空战适应度值；
步骤四、将多个空战适应度值发送到所述RabbitMQ服务器的第二队列中；
步骤五、所述遗传服务模块从所述第二队列中获取所述空战适应度值，并返回至步骤一，重复执行上述步骤直至遗传运算结束；
其中，所述第一队列与所述遗传服务模块及所述模糊推理服务模块通过TCP连接，并通过置于所述TCP连接内的虚拟通道进行数据交互，同理，所述第二队列与所述遗传服务模块及所述模糊推理服务模块通过TCP连接，并通过置于所述TCP连接内的虚拟通道进行数据交互。
6.如权利要求5所述的GFT训练系统的消息异步分发方法，其特征在于，所述步骤三至步骤四进一步包括：
步骤31、各模糊推理单元分别从所述第一队列中获取相应的基因序列；
步骤32、对被取走的基因序列加锁；
步骤33、判断被取走的基因序列所在的模糊推理单元与所述RabbitMQ服务器之间连接的通断，若连接断开，则将该加锁的基因序列发送给其它模糊推理单元，若连接未断开且收到所述模糊推理单元发送来的处理完成的信息，则解除对应基因序列的锁，并删除该基因序列。
7.如权利要求6所述的GFT训练系统的消息异步分发方法，其特征在于，所述步骤33中，判断被取走的基因序列所在的模糊推理单元与所述RabbitMQ服务器之间连接的通断包括：
步骤331、所述模糊推理单元按设定频率向RabbitMQ服务器发送心跳信息；
步骤332、RabbitMQ服务器在设定时间内未收到所述模糊推理单元发送的心跳信息时，判断为所述模糊推理单元与所述RabbitMQ服务器之间连接断开；所述设定时间大于所述设定频率的倒数。
8.如权利要求6所述的GFT训练系统的消息异步分发方法，其特征在于，步骤三中，各模糊推理单元按照约定的条数分别从所述第一队列中获取相应的基因序列。
CN201810797695.9A 2018-07-19 2018-07-19 一种gft训练系统的消息异步分发系统及方法 Active CN109144746B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810797695.9A CN109144746B (zh) 2018-07-19 2018-07-19 一种gft训练系统的消息异步分发系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810797695.9A CN109144746B (zh) 2018-07-19 2018-07-19 一种gft训练系统的消息异步分发系统及方法

Publications (2)

Publication Number Publication Date
CN109144746A true CN109144746A (zh) 2019-01-04
CN109144746B CN109144746B (zh) 2022-04-01

Family

ID=64801085

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810797695.9A Active CN109144746B (zh) 2018-07-19 2018-07-19 一种gft训练系统的消息异步分发系统及方法

Country Status (1)

Country Link
CN (1) CN109144746B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101694630A (zh) * 2009-09-30 2010-04-14 曙光信息产业(北京)有限公司 一种作业调度方法、系统及设备
US20150186515A1 (en) * 2013-12-26 2015-07-02 Iac Search & Media, Inc. Batch crawl and fast crawl clusters for question and answer search engine
CN105162878A (zh) * 2015-09-24 2015-12-16 网宿科技股份有限公司 基于分布式存储的文件分发系统及方法
CN105376304A (zh) * 2015-10-22 2016-03-02 中国科学院广州能源研究所 一种可用于微网多目标能量管理的改进分散式多代理系统
CN105745659A (zh) * 2013-09-16 2016-07-06 佰欧迪塞克斯公司 利用借助正则化组合多个微型分类器的分类器生成方法及其应用
US20160323143A1 (en) * 2015-05-02 2016-11-03 Hyeung-Yun Kim Method and apparatus for neuroplastic internet of things by cloud computing infrastructure as a service incorporating reconfigurable hardware
CN106095569A (zh) * 2016-06-01 2016-11-09 中山大学 一种基于sla的云工作流引擎资源调度与控制方法
CN106254273A (zh) * 2016-08-09 2016-12-21 清华大学深圳研究生院 一种数据中心网络流的调度方法和系统
CN106982207A (zh) * 2017-03-13 2017-07-25 中国人民解放军信息工程大学 一种动态调度网络操作系统的方法及系统
CN107040879A (zh) * 2017-04-14 2017-08-11 电子科技大学 一种基于遗传模糊树的无线传感网节点联合移动算法
CN107222530A (zh) * 2017-05-23 2017-09-29 努比亚技术有限公司 服务异步交互方法、设备、系统和可读介质
CN107273197A (zh) * 2017-06-14 2017-10-20 北京工业大学 基于正交实验改进的谱聚类遗传算法的Hadoop任务调度方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101694630A (zh) * 2009-09-30 2010-04-14 曙光信息产业(北京)有限公司 一种作业调度方法、系统及设备
CN105745659A (zh) * 2013-09-16 2016-07-06 佰欧迪塞克斯公司 利用借助正则化组合多个微型分类器的分类器生成方法及其应用
US20150186515A1 (en) * 2013-12-26 2015-07-02 Iac Search & Media, Inc. Batch crawl and fast crawl clusters for question and answer search engine
US20160323143A1 (en) * 2015-05-02 2016-11-03 Hyeung-Yun Kim Method and apparatus for neuroplastic internet of things by cloud computing infrastructure as a service incorporating reconfigurable hardware
CN105162878A (zh) * 2015-09-24 2015-12-16 网宿科技股份有限公司 基于分布式存储的文件分发系统及方法
CN105376304A (zh) * 2015-10-22 2016-03-02 中国科学院广州能源研究所 一种可用于微网多目标能量管理的改进分散式多代理系统
CN106095569A (zh) * 2016-06-01 2016-11-09 中山大学 一种基于sla的云工作流引擎资源调度与控制方法
CN106254273A (zh) * 2016-08-09 2016-12-21 清华大学深圳研究生院 一种数据中心网络流的调度方法和系统
CN106982207A (zh) * 2017-03-13 2017-07-25 中国人民解放军信息工程大学 一种动态调度网络操作系统的方法及系统
CN107040879A (zh) * 2017-04-14 2017-08-11 电子科技大学 一种基于遗传模糊树的无线传感网节点联合移动算法
CN107222530A (zh) * 2017-05-23 2017-09-29 努比亚技术有限公司 服务异步交互方法、设备、系统和可读介质
CN107273197A (zh) * 2017-06-14 2017-10-20 北京工业大学 基于正交实验改进的谱聚类遗传算法的Hadoop任务调度方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SHENG XU: ""AQM scheme design for TCP network via Takagi-Sugeno fuzzy method"", 《COMPLEXITY》 *
刘明: ""网络控制系统设计及预测控制算法研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *
追寻灯火阑珊: ""遗传算法最通俗的讲解案例"", 《HTTPS://BLOG.CSDN.NET/U014028070/ARTICLE/DETAILS/52447632》 *
霍琳: ""基于遗传算法的飞行管理系统余度配置优化方法"", 《北京航空航天大学学报》 *

Also Published As

Publication number Publication date
CN109144746B (zh) 2022-04-01

Similar Documents

Publication Publication Date Title
Angluin et al. The computational power of population protocols
CN109450908A (zh) 基于分布式消息的通信方法
CN110741573A (zh) 在区块链网络中选择性使用网络编码传播交易的方法和系统
CN101588618B (zh) 网络路径选择方法以及通信系统
CN106452973A (zh) 维持通信链路长连接的方法、装置及终端
CN113312177B (zh) 一种基于联邦学习的无线边缘计算系统、优化方法
CN109639499A (zh) 一种基于sdn的多厂家otn业务配置端到端互通系统及方法
CN102707696A (zh) 一种多串口数据传输方法及传输中心系统
CN115996197B (zh) 一种流量拥塞前置的分布式计算流量仿真系统与方法
CN105224550B (zh) 分布式流计算系统和方法
CN109348434A (zh) 一种场景信息的发送方法、发送装置及终端设备
CN103970613A (zh) 一种异构分布式系统多副本任务容错调度方法
CN109144746A (zh) 一种gft训练系统的消息异步分发系统及方法
CN103368838B (zh) 一种基于加权社交图的容迟网络转发方法
CN107426166A (zh) 一种信息的获取方法、装置及电子设备
CN105471654B (zh) 一种基于fc网络的配置数据自动加载方法
CN106027419B (zh) 一种数据结构的管理方法和装置
CN108495351A (zh) 一种数据传输方法及系统
CN109450941B (zh) 一种抗DDoS的SDN控制器消息调度方法
CN106571888A (zh) 一种仿真系统自动同步可靠通信方法
Al Enany et al. A new Back-off algorithm with priority scheduling for MQTT protocol and IoT protocols
CN109710435A (zh) 一种基于支撑多消息队列的消息传递方法
Kutten et al. Asynchronous resource discovery in peer to peer networks
CN110417897A (zh) 一种区块链分域触发方法、区块链节点设备和终端
CN106407001A (zh) 基于区域匹配算法的图形化编辑系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB03 Change of inventor or designer information

Inventor after: Yang Fang

Inventor after: Sun Zhixiao

Inventor after: Fei Simiao

Inventor after: Yao Zongxin

Inventor after: Guan Cong

Inventor before: Yang Fang

Inventor before: Fei Simiao

Inventor before: Yao Zongxin

Inventor before: Guan Cong

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant