CN111367664A - 信息处理方法和相关装置 - Google Patents
信息处理方法和相关装置 Download PDFInfo
- Publication number
- CN111367664A CN111367664A CN202010125700.9A CN202010125700A CN111367664A CN 111367664 A CN111367664 A CN 111367664A CN 202010125700 A CN202010125700 A CN 202010125700A CN 111367664 A CN111367664 A CN 111367664A
- Authority
- CN
- China
- Prior art keywords
- information
- agent
- processed
- agents
- subset
- 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.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 35
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 74
- 238000012545 processing Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims description 46
- 238000001914 filtration Methods 0.000 claims description 5
- 230000009467 reduction Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000005265 energy consumption Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 abstract description 2
- 239000003795 chemical substances by application Substances 0.000 description 330
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 241000282414 Homo sapiens Species 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- -1 if so Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 201000004569 Blindness Diseases 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Images
Classifications
-
- 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
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/211—Selection of the most significant subset of features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Software Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种信息处理方法和相关装置。应用于人工智能技术领域，用于解决相关技术中如何合理的选择智能体进行信息处理的问题。该方法包括：确定待处理信息的信息种类的总集合；以降低智能体整体资源消耗成本为约束条件确定至少一个智能体，其中，每个智能体能够处理的信息种类包括所述总集合中的至少一类，且所述至少一个智能体能够处理的信息种类之和包括所述总集合中的每一种信息种类；然后采用所述至少一个智能体对所述待处理信息进行处理。本申请实施例，通过结合资源消耗成本选择智能体进行信息处理能够更合理的选择出智能体，降低智能体的能源消耗。
Description
技术领域
本申请涉及人工智能技术领域，特别涉及一种信息处理方法和相关装置。
背景技术
智能体是能够对信息进行处理的装置，例如对信息进行采集和/或进行信息分析。近些年来多智能体系统是逐步发展起来的一门新兴的复杂系统科学，同时它也是一门涉及生物、数学、物理、控制、计算机、通信以及人工智能的综合性交叉学科。
目前多智能体系统的协调控制问题己经得到来自这些领域的科研工作者的广泛关注。对多智能体系统的分布式协同控制进行研究，不仅仅可以揭示自然界中许多物理现象的内在规律，更重要的是可以利用所获得的对其内在规律的认识更好地指导人类的活动，更好地服务于人类社会。如今，多智能体系统的分布式协同控制己经应用到许多领域，如智能体蜂拥、智能体编队控制、信息融合、分布式传感器网络、通信网络的拥塞控制、无人驾驶航空器的协同控制及姿态协调等等。
随着多智能体系统的规模的不断扩大以及业务的日益复杂，随之而来的工作量也相应地增长。由此在智能体的协同控制中，选择哪些智能体处理哪些信息是一直备受关注的问题。
发明内容
本申请实施例提供了一种信息处理方法和相关装置，用于在选择合适的智能体进行相应的信息处理时降低智能体的资源消耗成本。
第一方面，本申请实施例提供了一种信息处理方法，所述方法包括：
确定待处理信息的信息种类的总集合；
以降低智能体整体资源消耗成本为约束条件确定至少一个智能体，其中，每个智能体能够处理的信息种类包括所述总集合中的至少一类，且所述至少一个智能体能够处理的信息种类之和包括所述总集合中的每一种信息种类；
采用所述至少一个智能体对所述待处理信息进行处理。
其中，在一个实施例中，以降低智能体整体资源消耗成本为约束条件确定至少一个智能体之前，所述方法还包括：确定所述总集合为可供选择的智能体资源池的能够处理的信息种类集合的子集。
其中，在一个实施例中，可基于信息种类的更新指示更新所述总集合，并重新确定所述至少一个智能体。
其中，在一个实施例中，当所述更新指示中包括新增信息种类时，重新确定所述至少一个智能体，包括：将新增信息种类构成的种类集合作为新的总集合，并从可供选择的智能体资源池中优先选择能够处理所述总集合中的信息种类的数量最多的智能体。
第二方面，本申请实施例提供了一种本申请实施例还提供一种信息处理装置，所述装置包括：
总集合确定模块，用于确定待处理信息的信息种类的总集合；
智能体确定模块，用于以降低智能体整体资源消耗成本为约束条件确定至少一个智能体，其中，每个智能体能够处理的信息种类包括所述总集合中的至少一类，且所述至少一个智能体能够处理的信息种类之和包括所述总集合中的每一种信息种类；
信息处理模块，用于采用所述至少一个智能体对所述待处理信息进行处理。
在一个实施例中，当各智能体的资源消耗成本为固定值时，所述智能体确定模块具体用于：从可供选择的智能体资源池中优先选择能够处理所述总集合中的信息种类的数量最多的智能体。
在一个实施例中，所述智能体确定模块，用于执行从可供选择的智能体资源池中优先选择能够处理所述总集合中的信息种类的数量最多的智能体时，执行为：
将所述总集合划分为第一子集和第二子集，其中第一子集和第二子集的交集为空集；
从可供选择的智能体资源池中未被选择的智能体中选择出第一子集的最优智能体以及第二子集的最优智能体，其中第一子集的最优智能体为能够处理的信息种类集合与所述第一子集的交集最多的智能体；第二子集的最优智能体为能够处理的信息种类集合与所述第二子集的交集最多的智能体；
从第一子集和第二子集的最优智能体中，选择出能够处理的信息种类集合与所述总集合交集最多的智能体作为全局最优智能体；
当所述总集合不为所述全局最优智能体的能力集的子集时，由所述最优智能体的不能处理的所述待处理信息的信息种类构成新的总集合；并返回执行将所述总集合划分为第一子集和第二子集的步骤，直至所述新的总集合为对应选择出的全局最优智能体的能够处理的信息种类集合的子集为止；
其中，所述至少一个智能体包括选择出的各全局最优智能体。
在一个实施例中，所述装置还包括：
信息完备确认模块，用于在所述智能体确定模块以降低智能体整体资源消耗成本为约束条件确定至少一个智能体之前，确定所述总集合为可供选择的智能体资源池的能够处理的信息种类集合的子集。
在一个实施例中，所述装置还包括：
资源池确定模块，用于根据以下方法确定所述可供选择的智能体资源池：
获取各种类的待处理信息的位置要求；
对各种类的待处理信息的位置要求范围内的智能体进行定位，将定位到的智能体作为所述可供选择的智能体资源池中的智能体。
在一个实施例中，所述智能体确定模块还用于：
基于信息种类的更新指示更新所述总集合，并重新确定所述至少一个智能体。
在一个实施例中，当所述更新指示中包括新增信息种类时，所述智能体确定模块重新确定所述至少一个智能体时，将新增信息种类构成的种类集合作为新的总集合，并从可供选择的智能体资源池中优先选择能够处理所述总集合中的信息种类的数量最多的智能体。
在一个实施例中，所述更新指示中包括需删除的信息种类时，所述智能体确定模块更新所述至少一个智能体时，从所述至少一个智能体中确定出符合预期条件的智能体，所述符合预期条件的智能体为能够处理的信息种类集合包含所述需删除的信息种类的集合，且能够处理的信息种类集合中元素数量最少的智能体；
将所述符合预期条件的智能体从所述至少一个智能体中过滤掉之后，确定剩余的智能体的能够处理的信息种类集合之和是否包含所有的待处理信息的信息种类；
若所述剩余的智能体的能够处理的信息种类集合之和不包含所有的待处理信息的信息种类，则由不包含的信息种类构成新的总集合，并从可供选择的智能体资源池中优先选择能够处理所述总集合中的信息种类的数量最多的智能体。
第三方面，本申请实施例还提供一种车路协调系统，所述系统包括车辆、服务器，其中：
所述车辆用于上报位置信息给所述服务器；
所述服务器用于获取指定地理范围内的车辆的能够处理的信息种类；并，确定待处理信息的信息种类的总集合之后，以降低车辆整体资源消耗成本为约束条件确定至少一辆车辆，并指示确定的所述至少一辆车辆对所述待处理信息进行处理；其中，确定的每辆车辆能够处理的信息种类包括所述总集合中的至少一类，且确定的所述至少一辆车辆能够处理的信息种类之和包括所述总集合中的每一种信息种类。
第四方面，本申请另一实施例还提供了一种计算设备，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例提供的任一应用于本申请实施例提供的信息处理方法。
第五方面，本申请另一实施例还提供了一种计算机存储介质，其中，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行本申请实施例中的任一信息处理方法。
由此，本申请实施例，通过结合资源消耗成本选择智能体进行信息处理能够更合理的选择出智能体，降低智能体的能源消耗。
本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，显而易见地，下面所介绍的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为根据本申请一个实施例的应用环境的示意图；
图2-图5为根据本申请一个实施例的信息处理方法流程示意图；
图6为根据本申请一个实施例的车路协调系统的结构示例；
图7-图8为根据本申请一个实施例的场景示意图；
图9为根据本申请一个实施例的信息处理装置的示意图；
图10为根据本申请一个实施例的计算设备的示意图。
具体实施方式
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
本申请涉及的智能体是具有人工智能能力的设备，如车联网中的车辆，物联网中的传感器。
如前文所介绍，如何选择智能体完成相应的信息处理一直备受关注。由于不同智能体的能力不同，即能够处理的信息种类不同。所以，一种简单的方法可实现为针对任一种类的信息，从众多智能体中随机选择一个能够处理该类信息的智能体即可。由于该种方式并没有考虑智能体的整体资源消耗成本，故此，在选择智能体时具有一定的盲目性，导致选择的智能体的整体资源消耗成本可能并不理想。有鉴于此，本申请实施例提供了一种信息处理方法，用于提供合理的智能体选择方案，以便于保证所有需要处理的信息种类得以被智能体处理的同时，还能够兼顾所选择的智能体的资源消耗成本。
本申请实施例中涉及的智能体例如可以是物联网终端例如能够采集不同种类信息的传感器，车辆等。
下面结合附图对本申请实施例提供的技术方案进行说明。
如图1所示，为本申请实施例提供的一种应用场景示意图。该应用场景中可包括至少一个服务器20用于管理多个智能体10。不同的智能体10能够处理的信息种类不完全相同。智能体10可以经由网络40实现与服务器20的信息收发。服务器20可以通过访问数据库30来获取智能体10的信息例如位置信息能够支持的信息种信息等。智能体之间(例如，10_1与10_2或10_N之间)也可以经由网络40彼此通信。网络40可以是广义上的用于信息传递的网络，可以包括一个或多个通信网络，诸如无线通信网络、因特网、私域网、局域网、城域网、广域网或是蜂窝数据网络等。
应当注意，虽然为了方便说明而在图中示出了从数据库30到服务器20的双向箭头，但本领域技术人员可以理解的是，上述数据的收发也是可以通过网络40实现的。
在图1所示的应用场景中，智能体10是可用来进行网络访问的任何合适的电子设备，包括但不限于计算机、智能电话、平板电脑、智能体或是其它类型的终端或客户端。服务器20则是能够通过网络访问的提供交互服务所需信息的任何服务器。本领域技术人员应该理解的是，上述1…N个智能体旨在表示真实网络中存在的大量终端，示出的单个服务器20和数据库30旨在表示本申请的技术方案可以涉及服务器及数据库的操作。对特定编号的终端以及单个服务器和数据库加以详述至少为了说明方便，而非暗示对终端和服务器的类型或是位置或是其它等具有限制。
本申请实施例中，在确定哪些信息需要被处理时(即确定待处理信息)之后，可以根据各个智能体能够处理的信息种类并结合选择的智能体的整体资源消耗成本来确定选择哪些智能体进行信息处理。例如，可以设计用于计算资源消耗的指标，例如电量消耗、燃油量消耗、网络资源量消耗等中的任一消耗或组合。来计算智能体的整体资源消耗。
如图2所示，为本申请实施例中提供的一种信息处理方法的流程示意图，当在具体的应用场景下确定出待处理信息时，那么待处理信息的种类也相应的被确定下来。例如，监控蔬菜种植大棚的环境需要的信息为棚内不同位置的传感器的温度和/或湿度信息。相应的，在确定出待处理信息之后，在步骤201中，可执行为确定待处理信息的信息种类的总集合；然后，在步骤202中，以降低智能体整体资源消耗成本为约束条件确定至少一个智能体。当然，为了保证所有待处理信息能够得以处理，每个智能体能够处理的信息种类包括总集合中的至少一类，且至少一个智能体能够处理的信息种类之和包括总集合中的每一种信息种类。伺候，在确定出选择哪些智能体进行信息处理之后，则在步骤203中采用选择的至少一个智能体对待处理信息进行处理。
实施时，可以设计多个智能体选择方案，不同选择方案中包括的智能体不完全相同或者完全不同。那么针对每个选择方案可以根据预设的用于计算资源消耗的指标来计算每个方案的整体资源消耗成本，然后选择一个资源消耗成本最低的方案中包括的智能体用于处理待处理信息。
由此，本申请实施例提供的信息处理方法，不仅使得所有种类的待处理信息能够得以处理，还能够兼顾整体资源消耗成本，故此，本申请实施例提供的信息处理方法中能够选用合适的智能体进行信息处理。所以本申请实施例中，在满足“能处理所有目标信息”的要求的同时能最小化智能体的整体资源消耗成本(如包括电能、通信资源等所有与智能体处理信息有关的资源总消耗，再例如传感器的环境参数的采集所消耗的电能)。
在另一个实施例中，当各个智能体的资源消耗成功是固定值时，智能体的数量将直接反应资源消耗成本。故此，限制用于处理待处理信息的智能体的数量等同于尽可能降低整体资源消耗成本。可以实施为从可供选择的智能体资源池中优先选择能够处理所述总集合中的信息种类的数量最多的智能体。例如，当总集合确定下来后，可以采用遍历比对的方式，来确定可供选择的智能体资源池中哪个智能体能够处理尽可能多的信息种类，并选择能够处理的信息种类最多的信息。当然，如果一个智能体不能处理总集合中所有信息种类时，可以将剩余不能处理的信息种类重选确定为总集合，继续优先选择能够处理总集合中尽可能多的信息种类的智能体。
需要说明的是，本申请实施例中的固定值可理解为智能体的资源消耗不随着处理的信息种类增加而增加消耗成本，且这些成本是可以明确的计算得到的。例如传感器的耗电量可以作为资源消耗成本中的一个方面，每次采集信息后发生的信息量大小可以作为资源消耗成本的另一方面。
本申请实施例中以尽可能选择最小数量的智能体为约束条件进行智能体的选择。也即，本申请实施例中因为无需引入过多的冗余的智能体，所以能节约资源。故此，在一个实施例中，可采用逐一选择智能体的方式来尽可能最小化智能体的数量。如，在确定由待处理信息的信息种类构成的总集合后，选择一个智能体使得选择的智能体能够尽可能处理多的信息种类，如果选择的智能体不能处理所有信息种类时，对于剩余的不能处理的信息种类，然后再选择一个智能体使之能够处理尽可能多的剩余的不能处理的信息种类。以此类推进行多次迭代选择，直至选择的所有智能体能够处理所有的总集合中所有的信息种类为止。如图3所示，选择智能体的执行流程还可执行为：
步骤301：将待处理信息的信息种类的总集合划分为第一子集和第二子集，其中第一子集和第二子集的交集为空集；
步骤302：从可供选择的智能体资源池中未被选择的智能体中选择出第一子集的最优智能体以及第二子集的最优智能体；
其中，第一次选择时，可供选择的智能体资源池中任意智能体均可以选择。其中，第一子集的最优智能体为能够处理的信息种类集合与第一子集的交集最多的智能体；第二子集的最优智能体为能够处理的信息种类集合与第二子集的交集最多的智能体；
第一子集的最优智能体和第二子集的最优智能体可以相同也可以不同。当允许两个子集的最优智能体相同时，针对两个子集从相同的智能体集合中选择智能体。当不允许两个子集的最优智能体相同时，可以将可供选择的智能体资源池划分为不存在交集的两个资源池子集，然后一个资源池子集对应第一子集，另一个资源池子集对应第二子集，第一子集和第二子集的最优智能体可以分别从各自对应的资源池子集中选择。
或者，在另一种实施方式中，可以先选择第一子集的最优智能体，然后将选择的最优智能体标记为已选择的智能体，然后对第二子集的最优智能体进行选择，这样由于标记的原因第一子集的最优智能体将不能参与竞选第二子集的最优智能体。
步骤303：从第一子集和第二子集的最优智能体中，选择出能够处理的信息种类集合与总集合交集最多的智能体作为全局最优智能体用于作为对待处理信息进行处理的智能体；
例如第一子集的最优智能体能够处理m种信息，第二子集的最优智能体能够处理n中信息，若m>n，则说明第一子集的最优智能体能够处理尽可能多的信息。故此，选择第一子集的最优智能体作为本次迭代的全局最优智能体。不作为全局最优智能体的智能体可以参与下一轮迭代竞选全局最优智能体。
步骤304：判断总集合是否为全局最优智能体的能力集的子集，若是，则迭代结束，所有智能体选择完毕；若否，则继续执行步骤305；
步骤305：由最优智能体的不能处理的待处理信息的信息种类构造出新的总集合；并返回执行步骤301，直至新的总集合为对应选择出的全局最优智能体的能够处理的信息种类集合的子集为止。
例如，可按以下方式执行本申请实施例提供的方案：
(1)、根据实际需求确定待处理信息的信息种类的总集合X；
在具体应用场景中获取可用的多智能体(即可供选择的智能体资源池)为F＝{f1,f2,...,fn}；其中，n是可用智能体的个数，fi,i∈{1,2,...,n}表示智能体；
(2)记录每一个智能体能处理的信息种类(不同智能体能处理的目标信息种类可能并不完全相同，每一个智能体能处理的目标信息种类是预设的且已知的)。以传感器为例，有的传感器能同时感知温度、湿度信息，有的传感器只能感知光照信息，有的传感器能同时感知速度和角速度信息，有的传感器只能感知加速度信息)，用
表示智能体fi能处理的信息种类集合。如果
即所有智能体可以处理的目标信息种类无法覆盖需要处理的目标信息种类，那么可用的多智能体不满足本发明要求，停止；否则，继续执行；
(3)引入空集合V，循环执行如下步骤直到集合V中的所有的智能体可以第一次覆盖的总集合的所有信息时停止，如：从F中选出一个智能体，使它能处理尽可能多的未被覆盖(或剩余的)的信息种类(如果两个智能体能处理的未被覆盖的信息种类数相同，那么可以任意选择其中之一)，将其从F中取出并加入到集合V中。通过该循环迭代方式选择出智能体用于进行信息处理。
由此，通过迭代逐一选择出用于处理待处理信息的智能体，能够保证选择的智能体的数量最少以此达到尽可能降低选择的智能体的整体资源消耗成本。
在一个实施例中，可以从可供选择的智能体资源池中选择成本时，可以根据以下方法确定可供选择的智能体资源池：首先获取各种类的待处理信息的位置要求；然后对各种类的待处理信息的位置要求范围内的智能体进行定位，将定位到的智能体作为可供选择的智能体资源池中的智能体。
例如，各智能体可以主动上报自己的位置信息，并存储在数据库中，然后由服务器从数据库中读取各智能体的位置信息，然后选择出符合位置要求的智能体。
这样，将满足位置要求的智能体构成可供选择的智能体资源池，避免从海量的智能体中进行选择，缩小选择智能体的范围，此外，还能够保证可供选择的智能体资源池是满足位置要求的。
在一个实施例中，为确保能够选择出合适的智能体，本申请实施例中还可以在以降低智能体整体资源消耗成本为约束条件确定至少一个智能体之前，确定总集合为可供选择的智能体资源池的能够处理的信息种类集合的子集。也即，可供选择的智能体资源池的能力能够处理所有的待处理信息，这样，能够保证最终选择出合理的智能体。
在另一个实施例中，为了满足更多的业务需求，本申请实施例中待处理信息可以进行更新，然后可以基于信息种类的更新指示更新所述总集合，并重新确定至少一个智能体，由此实现灵活性的选择智能体对信息进行处理。
更新指示可用于增加和/或删除信息。本申请实施例中可分为增加信息和删除信息两方面进行介绍：
1、当更新指示中包括新增信息种类时，重新确定至少一个智能体，可执行为如图4所示的流程，包括：
步骤401：将新增信息种类构成的种类集合作为新的总集合。
步骤402：将总集合划分为第一子集和第二子集，其中第一子集和第二子集的交集为空集；
步骤403：从可供选择的智能体资源池中未被选择的智能体中选择出第一子集的最优智能体以及第二子集的最优智能体；
步骤404：从第一子集和第二子集的最优智能体中，选择出能够处理的信息种类集合与总集合交集最多的智能体作为全局最优智能体；
这里，选出的全局最优智能体为新增的智能体且用于处理新增的信息。
步骤405：判断总集合是否为全局最优智能体的能力集的子集，若是，则迭代结束，所有智能体选择完毕；若否，则继续执行步骤406；
步骤406：由最优智能体的不能处理的待处理信息的信息种类构造出新的总集合；并返回执行步骤402。
这样，通过增量更新已选择的智能体的方式确定出新增的全局最优智能体，新增的全局最优智能体联合之前选出的全局最优智能体构成处理所有待处理信息的智能体集合。
2、类似的，在减少信息时，更新指示中可包括需删除的信息种类，此时更新已选出的至少一个智能体可参照图5所示的流程图执行：
步骤501：从之前选出的至少一个智能体中确定出符合预期条件的智能体，本申请中，符合预期条件的智能体为能够处理的信息种类集合包含需删除的信息种类的集合，且能够处理的信息种类集合中元素数量最少的智能体。
步骤502：将符合预期条件的智能体从至少一个智能体中过滤掉之后，确定剩余的智能体的能够处理的信息种类集合之和是否包含所有的待处理信息的信息种类；若是，则结束操作，由剩余的智能体处理所有的待处理信息，否则，继续执行步骤503。
步骤503：由不包含的信息种类构成新的总集合；
步骤504：将总集合划分为第一子集和第二子集，其中第一子集和第二子集的交集为空集；
步骤505：从可供选择的智能体资源池中未被选择的智能体中选择出第一子集的最优智能体以及第二子集的最优智能体；
步骤506：从第一子集和第二子集的最优智能体中，选择出能够处理的信息种类集合与总集合交集最多的智能体作为全局最优智能体；
这里，选出的全局最优智能体用于处理未能被剩余的智能体处理的待处理信息。
步骤507：判断总集合是否为全局最优智能体的能力集的子集，若是，则迭代结束，所有智能体选择完毕；若否，则继续执行步骤508；
步骤508：由最优智能体的不能处理的待处理信息的信息种类构造出新的总集合；并返回执行步骤504。
这样，新选择出的全局最优智能体能够处理由于过滤掉智能体不能被处理的信息。
3、当既包括新增信息又包含删除的信息时，本申请实施例中可以根据1中新增信息的处理方式选出新增的智能体，然后在此基础上按照方法2中的方式对需要删除的信息进行处理。
当然，在另一实施例中，也可以通过遍历比对的方式对智能体进行选择和更新。例如，可在初步选择智能体时，并不将总集合划分为第一子集和第二子集。而是遍历每个智能体能够处理的总集合中的信息种类，并选择出能够处理的信息种类最多的智能体，从而逐一选出各个智能体。
为便于理解本申请实施例提供的技术方案，下面以车辆作为智能体为例进行说明。
如图6所示，为基于相同的发明构思，提供的一种车辆协调系统，该系统中可报考服务器601和多个车辆602，其中：
车辆602用于上报位置信息给服务器；
服务器601用于获取指定地理范围内的车辆的能够处理的信息种类；并，确定待处理信息的信息种类的总集合之后，以降低车辆整体资源消耗成本为约束条件确定至少一辆车辆，并指示确定的至少一辆车辆对待处理信息进行处理；其中，确定的每辆车辆能够处理的信息种类包括总集合中的至少一类，且确定的至少一辆车辆能够处理的信息种类之和包括总集合中的每一种信息种类。
例如，图7示出了车联网的一种示例。在该示例中，需要感知的路况信息作为待处理信息可以为以下信息中的一种或组合：
温度、湿度、光照强度、能见度、路面粘度、弯度、坡度、车辆数、道路宽度、车道数量、车道性质(如同向车道或异向车道)、遮挡物等信息。
实例目标：采用本发明提出的方法提从图3中的车联网中能处理所有目标信息种类但智能体数量最少的多智能体，并统计所选出的车辆的总消耗(通信资源的消耗)。
在确定待处理信息后，可按如下步骤实施：
1)、搭建硬件开发平台，如图8所示。其中，车路协同系统的服务器将采用本申请提供的方案从车联网中选择出部分车辆用于采集路况信息。
由于不同车辆能采集的信息种类可能并不完全相同。车路协同系统的服务器可实时统计被选出车辆的网络流量总消耗；
2)、车路协同系统的服务器内可存储着根据实际需求确定的需要采集的路况信息种类、车联网中的每辆车的车牌号(用于区分不同的车辆)及该车辆所能采集的路况信息，最后通过本方案的如图3的迭代方式逐一选出用于采集路况信息的车辆；
3)车路协调系统的服务器可以指示被选出的车辆采集路况信息并上传至车路协同系统服务器；
通过测试，本申请实施例中统计10分钟内已经消耗的网络流量，如表1所示。相对于随机方案中随便选择一个智能体的来处理信息的方案，本申请实施例的性能更优。
表1随机选择方案及本申请方案的网络资源总消耗(10分钟的统计量)
| 资源类别 | 随机方案 | 本申请方案 | 节省率 |
| 网络流量消耗 | 1G | 650MB | 35％ |
应当理解的是，本申请实施例仅用于说明本申请的技术方案，本申请实施例的软硬件平台架构、开发环境、开发语言、信息获取源头等的选取都是可以变化的，在本申请技术方案的基础上，凡根据本申请原理对某个部分进行的改进和等同变换，均不应排除在本申请的保护范围之外。
基于相同的发明构思，本申请实施例还提供一种信息处理装置，如图9所示，装置900包括：
总集合确定模块901，用于确定待处理信息的信息种类的总集合；
智能体确定模块902，用于以降低智能体整体资源消耗成本为约束条件确定至少一个智能体，其中，每个智能体能够处理的信息种类包括总集合中的至少一类，且至少一个智能体能够处理的信息种类之和包括总集合中的每一种信息种类；
信息处理模块903，用于采用至少一个智能体对待处理信息进行处理。
在一个实施例中，当各智能体的资源消耗成本为固定值时，所述智能体确定模块具体用于：从可供选择的智能体资源池中优先选择能够处理所述总集合中的信息种类的数量最多的智能体。
在一个实施例中所述智能体确定模块，用于执行从可供选择的智能体资源池中优先选择能够处理所述总集合中的信息种类的数量最多的智能体时，执行为：
将总集合划分为第一子集和第二子集，其中第一子集和第二子集的交集为空集；
从可供选择的智能体资源池中未被选择的智能体中选择出第一子集的最优智能体以及第二子集的最优智能体，其中第一子集的最优智能体为能够处理的信息种类集合与第一子集的交集最多的智能体；第二子集的最优智能体为能够处理的信息种类集合与第二子集的交集最多的智能体；
从第一子集和第二子集的最优智能体中，选择出能够处理的信息种类集合与总集合交集最多的智能体作为全局最优智能体；
当总集合不为全局最优智能体的能力集的子集时，由最优智能体的不能处理的待处理信息的信息种类构成新的总集合；并返回执行将总集合划分为第一子集和第二子集的步骤，直至新的总集合为对应选择出的全局最优智能体的能够处理的信息种类集合的子集为止；
其中，至少一个智能体包括选择出的各全局最优智能体。
在一个实施例中，该装置还包括：
信息完备确认模块，用于在智能体确定模块以降低智能体整体资源消耗成本为约束条件确定至少一个智能体之前，确定总集合为可供选择的智能体资源池的能够处理的信息种类集合的子集。
在一个实施例中，装置还包括：
资源池确定模块，用于根据以下方法确定可供选择的智能体资源池：
获取各种类的待处理信息的位置要求；
对各种类的待处理信息的位置要求范围内的智能体进行定位，将定位到的智能体作为可供选择的智能体资源池中的智能体。
在一个实施例中，智能体确定模块还用于基于信息种类的更新指示更新所述总集合，并重新确定所述至少一个智能体。
在一个实施例中，当更新指示中包括新增信息种类时，智能体确定模块更新至少一个智能体时，将新增信息种类构成的种类集合作为新的总集合，并从可供选择的智能体资源池中优先选择能够处理所述总集合中的信息种类的数量最多的智能体。
在一个实施例中，更新指示中包括需删除的信息种类时，智能体确定模块更新至少一个智能体时，从至少一个智能体中确定出符合预期条件的智能体，符合预期条件的智能体为能够处理的信息种类集合包含需删除的信息种类的集合，且能够处理的信息种类集合中元素数量最少的智能体；
将符合预期条件的智能体从至少一个智能体中过滤掉之后，确定剩余的智能体的能够处理的信息种类集合之和是否包含所有的待处理信息的信息种类；
若剩余的智能体的能够处理的信息种类集合之和不包含所有的待处理信息的信息种类，则由不包含的信息种类构成新的总集合，并从可供选择的智能体资源池中优先选择能够处理所述总集合中的信息种类的数量最多的智能体。
关于信息处理装置的具体功能实现可参见上文结合图1-图8的相关描述，在此不再赘述。
在介绍了本申请示例性实施方式的一种信息处理方法和装置之后，接下来，介绍根据本申请的另一示例性实施方式的计算设备。
所属技术领域的技术人员能够理解，本申请的各个方面可以实现为系统、方法或程序产品。因此，本申请的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
在一些可能的实施方式中，根据本申请的计算设备可以至少包括至少一个处理器、以及至少一个存储器。其中，存储器存储有程序代码，当程序代码被处理器执行时，使得处理器执行本说明书上述描述的根据本申请各种示例性实施方式的信息处理方法中的步骤。例如，处理器可以执行如图2-图5所示的步骤。
下面参照图10来描述根据本申请的这种实施方式的计算设备130。图10显示的计算设备130仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。
如图10所示，计算设备130以通用计算设备的形式表现。计算设备130的组件可以包括但不限于：上述至少一个处理器131、上述至少一个存储器132、连接不同系统组件(包括存储器132和处理器131)的总线133。
总线133表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
存储器132可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)1321和/或高速缓存存储器1322，还可以进一步包括只读存储器(ROM)1323。
存储器132还可以包括具有一组(至少一个)程序模块1324的程序/实用工具1325，这样的程序模块1324包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
计算设备130也可以与一个或多个外部设备134(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与计算设备130交互的设备通信，和/或与使得该计算设备130能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口135进行。并且，计算设备130还可以通过网络适配器136与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器136通过总线133与用于计算设备130的其它模块通信。应当理解，尽管图中未示出，可以结合计算设备130使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。
在一些可能的实施方式中，本申请提供的一种信息处理方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代码用于使计算机设备执行本说明书上述描述的根据本申请各种示例性实施方式的一种应用于多智能体系统的测试方法中的步骤，例如，计算机设备可以执行如图2-图5所示的步骤。
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
本申请的实施方式的用于信息处理的程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在计算设备上运行。然而，本申请的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言的任意组合来编写用于执行本申请操作的程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
应当注意，尽管在上文详细描述中提及了装置的若干单元或子单元，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本申请的实施方式，上文描述的两个或更多单元的特征和功能可以在一个单元中具体化。反之，上文描述的一个单元的特征和功能可以进一步划分为由多个单元来具体化。
此外，尽管在附图中以特定顺序描述了本申请方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。
Claims (10)
1.一种信息处理方法，其特征在于，所述方法包括：
确定待处理信息的信息种类的总集合；
以降低智能体整体资源消耗成本为约束条件确定至少一个智能体，其中，每个智能体能够处理的信息种类包括所述总集合中的至少一类，且所述至少一个智能体能够处理的信息种类之和包括所述总集合中的每一种信息种类；
采用所述至少一个智能体对所述待处理信息进行处理。
2.根据权利要求1所述的方法，其特征在于，当各智能体的资源消耗成本为固定值时，所述以降低智能体整体资源消耗成本为约束条件确定至少一个智能体，具体包括：从可供选择的智能体资源池中优先选择能够处理所述总集合中的信息种类的数量最多的智能体。
3.根据权利要求2所述的方法，其特征在于，所述从可供选择的智能体资源池中优先选择能够处理所述总集合中的信息种类的数量最多的智能体，包括：
将所述总集合划分为第一子集和第二子集，其中第一子集和第二子集的交集为空集；
从可供选择的智能体资源池中未被选择的智能体中选择出第一子集的最优智能体以及第二子集的最优智能体，其中第一子集的最优智能体为能够处理的信息种类集合与所述第一子集的交集最多的智能体；第二子集的最优智能体为能够处理的信息种类集合与所述第二子集的交集最多的智能体；
从第一子集和第二子集的最优智能体中，选择出能够处理的信息种类集合与所述总集合交集最多的智能体作为全局最优智能体；
当所述总集合不为所述全局最优智能体的能力集的子集时，由所述最优智能体的不能处理的所述待处理信息的信息种类构成新的总集合；并返回执行将所述总集合划分为第一子集和第二子集的步骤，直至所述新的总集合为对应选择出的全局最优智能体的能够处理的信息种类集合的子集为止；
其中，所述至少一个智能体包括选择出的各全局最优智能体。
4.根据权利要求2或3所述的方法，其特征在于，根据以下方法确定所述可供选择的智能体资源池：
获取各种类的待处理信息的位置要求；
对各种类的待处理信息的位置要求范围内的智能体进行定位，将定位到的智能体作为所述可供选择的智能体资源池中的智能体。
5.根据权利要求2所述的方法，其特征在于，所述方法还包括：
基于信息种类的更新指示更新所述总集合，并重新确定所述至少一个智能体。
6.根据权利要求5所述的方法，其特征在于，所述更新指示中包括需删除的信息种类时，所述重新确定所述至少一个智能体，包括：
从所述至少一个智能体中确定出符合预期条件的智能体，所述符合预期条件的智能体为能够处理的信息种类集合包含所述需删除的信息种类的集合、且能够处理的信息种类集合中元素数量最少的智能体；
将所述符合预期条件的智能体从所述至少一个智能体中过滤掉之后，确定剩余的智能体的能够处理的信息种类集合之和是否包含所有的待处理信息的信息种类；
若所述剩余的智能体的能够处理的信息种类集合之和不包含所有的待处理信息的信息种类，则由不包含的信息种类构成新的总集合，并从可供选择的智能体资源池中优先选择能够处理所述总集合中的信息种类的数量最多的智能体。
7.一种车路协调系统，其特征在于，所述系统包括车辆、服务器，其中：
所述车辆用于上报位置信息给所述服务器；
所述服务器用于获取指定地理范围内的车辆的能够处理的信息种类；并，确定待处理信息的信息种类的总集合之后，以降低车辆整体资源消耗成本为约束条件确定至少一辆车辆，并指示确定的所述至少一辆车辆对所述待处理信息进行处理；其中，确定的每辆车辆能够处理的信息种类包括所述总集合中的至少一类，且确定的所述至少一辆车辆能够处理的信息种类之和包括所述总集合中的每一种信息种类。
8.一种信息处理装置，其特征在于，所述装置包括：
总集合确定模块，用于确定待处理信息的信息种类的总集合；
智能体确定模块，用于以降低智能体整体资源消耗成本为约束条件确定至少一个智能体，其中，每个智能体能够处理的信息种类包括所述总集合中的至少一类，且所述至少一个智能体能够处理的信息种类之和包括所述总集合中的每一种信息种类；
信息处理模块，用于采用所述至少一个智能体对所述待处理信息进行处理。
9.一种计算设备，其特征在于，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行根据权利要求1-6任一项所述的方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行根据权利要求1-6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010125700.9A CN111367664A (zh) | 2020-02-27 | 2020-02-27 | 信息处理方法和相关装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010125700.9A CN111367664A (zh) | 2020-02-27 | 2020-02-27 | 信息处理方法和相关装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111367664A true CN111367664A (zh) | 2020-07-03 |
Family
ID=71208116
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010125700.9A Pending CN111367664A (zh) | 2020-02-27 | 2020-02-27 | 信息处理方法和相关装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111367664A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486398A (zh) * | 2021-07-13 | 2021-10-08 | 华控清交信息科技(北京)有限公司 | 一种信息比对方法、装置及电子设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7813993B1 (en) * | 2002-08-30 | 2010-10-12 | Advanced Micro Devices, Inc. | Method and apparatus for scheduling a resource |
| US20120096165A1 (en) * | 2010-10-18 | 2012-04-19 | International Business Machines Corporation | Reallocating resource capacity among resource pools in a cloud computing environment |
| US20140185789A1 (en) * | 2012-12-31 | 2014-07-03 | Florida Power & Light Company | Call efficiency indicator |
| CN104765644A (zh) * | 2015-04-02 | 2015-07-08 | 西安电子科技大学 | 基于智能体Agent的资源协作演化系统及方法 |
| CN107122857A (zh) * | 2017-04-26 | 2017-09-01 | 南京航空航天大学 | 基于多智能体的车间多目标协同优化调度方法 |
| US10223131B1 (en) * | 2016-06-30 | 2019-03-05 | EMC IP Holding Company LLC | Implementing continues PaaS apps resource optimization using production workload replay with intelligent configuration permutations |
| CN110717337A (zh) * | 2019-09-29 | 2020-01-21 | 北京声智科技有限公司 | 信息处理方法、装置、计算设备和存储介质 |
-
2020
- 2020-02-27 CN CN202010125700.9A patent/CN111367664A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7813993B1 (en) * | 2002-08-30 | 2010-10-12 | Advanced Micro Devices, Inc. | Method and apparatus for scheduling a resource |
| US20120096165A1 (en) * | 2010-10-18 | 2012-04-19 | International Business Machines Corporation | Reallocating resource capacity among resource pools in a cloud computing environment |
| US20140185789A1 (en) * | 2012-12-31 | 2014-07-03 | Florida Power & Light Company | Call efficiency indicator |
| CN104765644A (zh) * | 2015-04-02 | 2015-07-08 | 西安电子科技大学 | 基于智能体Agent的资源协作演化系统及方法 |
| US10223131B1 (en) * | 2016-06-30 | 2019-03-05 | EMC IP Holding Company LLC | Implementing continues PaaS apps resource optimization using production workload replay with intelligent configuration permutations |
| CN107122857A (zh) * | 2017-04-26 | 2017-09-01 | 南京航空航天大学 | 基于多智能体的车间多目标协同优化调度方法 |
| CN110717337A (zh) * | 2019-09-29 | 2020-01-21 | 北京声智科技有限公司 | 信息处理方法、装置、计算设备和存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113486398A (zh) * | 2021-07-13 | 2021-10-08 | 华控清交信息科技(北京)有限公司 | 一种信息比对方法、装置及电子设备 |
| CN113486398B (zh) * | 2021-07-13 | 2024-03-29 | 华控清交信息科技(北京)有限公司 | 一种信息比对方法、装置及电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111708641B (zh) | 一种内存管理方法、装置、设备及计算机可读存储介质 | |
| CN107466469B (zh) | 地图绘制方法、其云端平台及服务器 | |
| CN105674994A (zh) | 获取行车路线的方法、装置及导航设备 | |
| CN113064449B (zh) | 一种无人机调度方法及系统 | |
| CN109885452A (zh) | 性能监控方法、装置及终端设备 | |
| CN111352711B (zh) | 多计算引擎调度方法、装置、设备及存储介质 | |
| CN109084783A (zh) | 带信号强度的地图构建方法、系统、车载终端及存储介质 | |
| CN105184326A (zh) | 基于图数据的主动学习多标签社交网络数据分析方法 | |
| CN114862209A (zh) | 运力调度方法、装置、电子设备及存储介质 | |
| CN115809777A (zh) | 用于农业机械的调度方法、系统、存储介质及处理器 | |
| US20220082397A1 (en) | Station recommendation | |
| CN111367664A (zh) | 信息处理方法和相关装置 | |
| CN106384292A (zh) | 社交网络用户关系采集系统及方法 | |
| CN109343831A (zh) | 一种html组件的管理方法及装置 | |
| CN112504291A (zh) | 一种车辆导航的方法及装置 | |
| CN117014389A (zh) | 算网资源配置方法及系统、电子设备、存储介质 | |
| CN112506216A (zh) | 一种无人机的飞行路径规划方法及装置 | |
| CN113793195B (zh) | 网约车订单处理方法、装置、计算机设备及可读存储介质 | |
| CN113799139A (zh) | 一种机器人的控制方法、装置、计算机介质和计算机设备 | |
| CN113624245B (zh) | 导航方法及装置、计算机存储介质、电子设备 | |
| CN111768065B (zh) | 一种分配拣货任务的方法和装置 | |
| CN110851508A (zh) | 一种城市大数据处理的方法及装置 | |
| CN117112587B (zh) | 地图数据处理方法、装置、介质及设备 | |
| CN117973820B (zh) | 基于人工智能的任务动态分配系统及方法 | |
| CN115130791B (zh) | 面向车载智能机场的无人机与车辆协同调度方法及装置 |
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 |