CN111611070A - 一种动态互联资源的配置方法、系统、设备和存储介质 - Google Patents
一种动态互联资源的配置方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN111611070A CN111611070A CN202010277901.0A CN202010277901A CN111611070A CN 111611070 A CN111611070 A CN 111611070A CN 202010277901 A CN202010277901 A CN 202010277901A CN 111611070 A CN111611070 A CN 111611070A
- Authority
- CN
- China
- Prior art keywords
- resource
- resources
- configuration
- target
- sub
- 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
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]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种复杂条件下动态互联资源的智能化配置新方法、系统、设备和存储介质,其中,该方法的步骤包括:对目标区域的结构化模块进行分解,获得多个具有封闭拓扑几何结构的子区域及其对应的权重;根据对目标区域的结构化模块的分解结果,对动态互联资源进行分类处理,获得各层级资源与目标覆盖区域中不同权重子区域的配属关系;在有效的资源配置范围内,依次在重点子区域和全部子区域的资源配置中进行寻优,获得全目标区域的优化配置方案。本申请所述技术方案能够提高复杂条件下数据库的真实性,有效减少在线智能化配置资源时对复杂条件限定运算的计算时间。在能够增强资源与目标区域配置的针对性的同时,使资源的内在关系更加清晰。
Description
技术领域
本发明涉及系统工程技术领域。更具体地,涉及一种复杂条件下动态互联资源的智能化配置新方法、系统、设备和存储介质。
背景技术
动态互联资源是指资源之间通过有线或无线方式实现信息共享与互联互通,其中资源的互联信息随时间和空间的变化而改变的一套资源体系。通常而言,资源在空间范围内具备有限覆盖性,即资源只能有效覆盖某一个有限的空间区域,这也是动态互联资源配置过程中需要重点考虑的问题。例如,如图1所示,给出了某种矩形目标区域下,两种不同类型的圆形覆盖互联资源的初始配置示意图。该配置方式使得目标区域完全处于两类互联资源的控制范围内。实际上,对于动态互联资源而言,拟配置的资源之间由于存在时间、逻辑和功能上的关系,形成一定的动态互联关系,由此造成各动态互联资源紧密相关、环环相扣,某一资源的配置将会影响其它相关资源的配置情况,由此所需要的互联资源的配置方法将更加复杂,通过智能化的方式给出优化的配置方案也是一项具有挑战性的问题。
在实际的资源部署过程中,由于周围环境条件复杂,各个待配置资源由于受到地形地貌、地球曲率、天气条件、甚至光照条件等因素影响,资源有效覆盖范围会随外界条件的不同而产生变化。例如,探测监控基站布置在山顶和谷底时,其所能达到的探测覆盖范围具有明显差异。再如,雷达等探测设施在平原地区进行探测时,受到地球曲率的影响对于超低空探测目标的有效探测半径将极大地减小,等等。如图2所示,给出了单一定向扫描资源有效覆盖范围受地球曲率和地形地貌影响的情况示意,对于多个动态互联资源而言,每个资源面临的情况受到地形地貌和其它复杂因素的影响而具备个体化差异,在进行互联资源的智能化配置时需要通过有效的智能化配置方法进行统筹安排。
动态互联资源的另一个特点是资源之间可以根据任务需求进行分层次的互联互通,由此各个单体资源通过信息流的交互形成一套资源互联系统,在针对复杂条件下动态互联资源的配置时需要在整个资源互联系统的配置参数中进行智能化寻优,快速地获得整体最优解,而不是针对某些资源的配置获得局部最优解。此外,在某些特定需求情况下,动态互联资源的配置方案需要在较短时间内给出,这就需要相关智能化资源配置方法具备较强的快速求解能力。
发明内容
本发明的一个目的在于提供一种复杂条件下动态互联资源的智能化配置新方法、系统、设备和存储介质。
为达到上述目的,本方案采用下述技术方案:
第一方面,本发明提供一种动态互联资源的配置方法,该方法的步骤包括:
对目标区域的结构化模块进行分解,获得多个具有封闭拓扑几何结构的子区域及其对应的权重;
根据对目标区域的结构化模块的分解结果,对动态互联资源进行分类处理,获得各层级资源与目标覆盖区域中不同权重子区域的配属关系;
在有效的资源配置范围内,依次在重点子区域和全部子区域的资源配置中进行寻优,获得全目标区域的优化配置方案。
在一种优选的实施例中,所述对目标区域的结构化模块进行分解,获得多个具有封闭拓扑几何结构的子区域及其对应的权重的步骤的前一步包括:
根据预先构建的复杂条件修订函数对复杂数据信息进行修正,获得资源等效覆盖范围,并将其作为资源配置的范围依据。
在一种优选的实施例中,所述复杂条件修订函数的构建步骤包括:
采集复杂条件标准化信息,提取目标区域复杂地理环境参数,建立基础学习库;
通过智能化离线机器学习的方式,构建复杂地理环境参数对待配置资源覆盖范围的影响规律;
采用多项式拟合的方式,将所述响应规律构建为以地理条件参数为自变量的待配置资源覆盖范围修正函数。
在一种优选的实施例中,所述对目标区域的结构化模块进行分解,获得多个具有封闭拓扑几何结构的子区域及其对应的权重的步骤包括:
对非规则目标区域进行划分,生成多个具有封闭拓扑几何结构的子区域;
根据目标任务的具体情况,对多个子区域进行归一化的权重赋值。
在一种优选的实施例中,所述根据对目标区域的结构化模块的分解结果,对动态互联资源进行分类处理,获得各层级资源与目标覆盖区域中不同权重子区域的配属关系的步骤包括:
根据动态互联资源的信息分层传递路径,将资源分成若干类别;
按照逻辑层次,将分层后的资源建立明确的隶属关系,确定主要配置资源与连带附属配置资源的类别、逻辑关系和数量;
根据资源自身特征,确定各层级资源与目标覆盖区域中不同权重子区域的配属关系。
在一种优选的实施例中,所述在有效的资源配置范围内,依次在重点子区域和全部子区域的资源配置中进行寻优,获得全目标区域的优化配置方案的步骤包括:
设置随机的初始点,结合蒙特卡洛的方法,测算资源覆盖的有效范围,并以减小资源使用量和增大有效覆盖范围为优化目标,进行重点子区域内的资源配置局域优化,获得局域优化结果;
在全部子区域范围内再次寻优,获得考虑全部目标区域的优化配置方案。
第二方面,本方案提供一种动态互联资源的配置系统,其特征在于,该系统包括:
分解模块,对目标区域的结构化模块进行分解,获得多个具有封闭拓扑几何结构的子区域及其对应的权重;
分类模块,根据对目标区域的结构化模块的分解结果,对动态互联资源进行分类处理,获得各层级资源与目标覆盖区域中不同权重子区域的配属关系;
配置优化模块,在有效的资源配置范围内,依次在重点子区域和全部子区域的资源配置中进行寻优,获得全目标区域的优化配置方案。
在一种优选的实施例中,该系统还包括:
修正模块,根据预先构建的复杂条件修订函数对复杂数据信息进行修正,获得资源等效覆盖范围,并将其作为资源配置的范围依据。
第三方面,本方案提供一种设备,包括:存储器,一个或多个处理器;存储器与处理器通过通信总线相连;处理器被配置为执行存储器中的指令;所述存储介质中存储有用于执行如上所述方法中各个步骤的指令。
第四方面,本方案提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述方法的步骤。
本发明的有益效果如下:
本申请所述技术方案具有如下优势:
1、通过对复杂地理环境参数对于待配置资源的影响规律进行智能化离线机器学习,能够提高复杂条件下数据库的真实性;
2、基于基础学习库,采用多项式拟合的方式将所建立的规律构建为以地理条件参数为自变量的待配置资源覆盖范围修正函数,能够有效减少在线智能化配置资源时对复杂条件限定运算的计算时间;
3、根据目标任务的具体情况,将目标区域划分成若干子区域,并对子区域进行归一化权重赋值,增强资源与目标区域配置的针对性;
4、根据主要配置资源与连带附属配置资源的类别、逻辑关系、数量,对配置资源进行分层配置,使得资源的内在关系更加清晰;
5、通过设置随机的初始点结合蒙特卡洛的方法寻找局部最优,不依赖于初值的选取,增强了资源配置方法的鲁棒性。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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示出某种简单情况下互联资源平面覆盖配置示意图;
图2示出定向扫描资源有效覆盖范围受地球曲率和地形地貌影响示意图;
图3示出本方案所述动态互联资源的智能化配置方法的示意图;
图4示出本方案所述动态互联资源的智能化配置系统框架的示意图;
图5示出针对复杂条件特征参数开展智能化机器学习的逻辑框图;
图6示出资源与目标区域的分层级匹配示意图。
具体实施方式
为使本发明的技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。显然,所描述的实施例仅是本申请的一部分实施例,而不是所有实施例的穷举。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
经过对现有技术的分析和研究,目前,学术界和工业界针对典型情况下资源调度和配置的方法已经开展了大量的研究工作,也取得了一系列的研究成果。例如,针对简单的二维平面覆盖问题,已经建立了基于传统优化算法的不同类型的二维平面优化覆盖方法,可以对简单情况下不考虑资源互联关系的二维空间覆盖问题进行有效的处理。另有研究人员针对不同的计算机开发平台,有针对性地建立了适用于典型算法平台的资源部署调度方法,取得了良好的资源部署效果。然而,目前的研究多是针对单一条件下独立资源的有效覆盖和调度问题,对于实际复杂条件和资源之间互联关系的考虑尚不深入。针对复杂条件下动态互联资源之间的逻辑协同度量关系,建立资源部署的数学逻辑模型,基于该模型提出面向不同复杂条件的等效资源覆盖范围关系,可以有效提升复杂条件下动态互联资源的部署效率。在生产和生活实际当中,各类静态/动态监测点位的部署,在国土防御事业中动态互联防御资源的部署与调度等,都涉及到对于复杂条件下动态互联资源的配置问题。相关问题的核心内容之一可以归结为基于某一项具体的任务,从方法上建立有效覆盖时空任务范围的动态互联资源的智能化配置方法,且该方法需要能够满足在复杂条件下也具备一定的通用等特点。实际上,在形成互联资源逻辑互动链条的基础上,基于复杂条件下建立动态互联资源的智能化配置的新方法,在各类资源配置的实施过程中具有重要的实用价值。因此,本方案提供一种可用于复杂条件下具有动态互联特征资源的高效配置方法,使得配置资源对非规则目标区域进行有效覆盖。
以下,对本方案提出的一种可用于复杂条件下具有动态互联特征资源的高效智能化配置方法进行详细说明。如图3所示,该方法主要包括如下三个步骤:
对目标区域的结构化模块进行分解,获得多个具有封闭拓扑几何结构的子区域及其对应的权重;
根据对目标区域的结构化模块的分解结果,对动态互联资源进行分类处理,获得各层级资源与目标覆盖区域中不同权重子区域的配属关系;
在有效的资源配置范围内,依次在重点子区域和全部子区域的资源配置中进行寻优,获得全目标区域的优化配置方案。
在第一个实施步骤中,可以先对非规则目标区域进行划分,生成M的子区域,并且使得每块子区域形成封闭的拓扑几何结构Qj;再根据目标任务的具体情况,对划分好的子区域i进行归一化的权重赋值Pi。
一个可能的实现方式是,首先,将目标区域划分为互不相交的子区域集合,要求每块子区域形成封闭的拓扑几何结构以便于后续处理,这些子区域的并集构成完整的目标区域。然后,根据目标任务的具体不同情况,对目标区域的某些子区域中进行重点部署,包括要求某些范围的资源的重叠覆盖等。本步骤中需要根据具体任务特征给出各个子区域的归一化权重Pi,为后续的智能优化步骤提供权重参数基础。
在第二个实施步骤中,可以先根据动态互联资源的信息分层传递路径,将资源分成若干类别;然后,按照逻辑层次,将分层后的资源建立明确的隶属关系,确定主要配置资源与连带附属配置资源的类别、逻辑关系和数量;接下来,根据资源自身特征,确定各层级资源与目标覆盖区域中不同权重子区域的配属关系。
一个可能的实现方式是,可以先根据动态互联资源的信息分层传递路径将资源分成若干类别,保证同一类别的资源信息互通程度相同;随后,按照逻辑层次将分层后的资源建立明确的隶属关系,确定主要配置资源与连带附属配置资源的类别、逻辑关系、数量。基于资源的分类结果,按照逻辑层次将分层后的资源建立明确的层级隶属关系,构建各层级的逻辑图谱,记录资源分类后的类别数K、每个类别中的资源数Ni(i=1,2,…,K),以及各类别的逻辑隶属关系,流程框图如图6所示。在构建的逻辑隶属关系的基础上,根据资源自身特征确定各层级资源与目标覆盖区域中不同子区域的配属关系,其中需要考虑子区域的权重因子Pi,相同配属关系条件下,高层级类别待配置资源优先配置于大权重因子的目标子区域。
在第三个实施步骤中,先设置随机的初始点,结合蒙特卡洛的方法,测算资源覆盖的有效范围,并以减小资源使用量和增大有效覆盖范围为优化目标,进行重点子区域内的资源配置局域优化,获得局域优化结果;再在全部子区域范围内再次寻优,获得考虑全部目标区域的优化配置方案。
一个可能的实现方式是,根据第二实施步骤中建立的方法和规则,先对权重因子大于平均值的重点子区域进行资源配置。配置过程中以随机的初始优化点为起点,采用蒙特卡洛的方法测算资源覆盖的有效范围,以减小资源使用量和增大等效覆盖范围为目标,在重点子区域范围内寻优获得局域优化配置方案。配置过程中按照权重层级先后顺序进行配置,层级高的资源优先配置于权重大的重点子区域。在获得局域优化结果的基础上,对剩余资源和目标子区域再次以随机的初始优化点为起点,采用蒙特卡洛的方法测算资源覆盖的有效范围,以减小资源使用量和增大等效覆盖范围为目标,在剩余子区域范围内寻优,将本步骤所获的结果与步骤十的结果合并,得到考虑全部目标区域的优化配置方案。
本方案中,在实施对目标区域的结构化模块进行分解,获得多个具有封闭拓扑几何结构的子区域及其对应的权重的步骤之前,还需要,根据预先构建的复杂条件修订函数对复杂数据信息进行修正,获得资源等效覆盖范围,并将其作为资源配置的范围依据。
在获得资源等效覆盖范围的步骤中,可以先采集复杂条件标准化信息,提取目标区域复杂地理环境参数,建立基础学习库;通过智能化离线机器学习的方式,构建复杂地理环境参数对待配置资源覆盖范围的影响规律;采用多项式拟合的方式,将所述响应规律构建为以地理条件参数为自变量的待配置资源覆盖范围修正函数。
一个可能的实现方式是,可以先采集不同地形地貌条件下部署资源覆盖范围的信息,将该信息进行标准化处理,构建以地形和地貌信息典型空间坐标为自变量参数(xi),资源的空间覆盖范围为因变量的复杂条件资源覆盖范围数据库。然后,在构建的数据库的基础上,采用有人监督的智能化离线机器学习方式获得复杂地理环境参数对待配置资源覆盖范围的影响规律。最后,采用多项式拟合的方式给出以地理条件参数为自变量的待配置资源覆盖范围修正函数f(xi)=∑anxi n,其中0≤f(xi)≤1,该函数作用于资源覆盖范围可以对其有效值进行修正。其中,资源覆盖范围修正函数f(xi)可以针对不同空间方向进行独立修正,使得修正后的结果在空间中表现出各向异性的特征,其流程如图5所示。
本方案中,需要利用构建好的配置资源覆盖范围修正函数对第二个实施步骤中需要的复杂地理位置信息进行处理。具体地,将复杂地理位置信息xi代入配置资源覆盖范围修正函数f(xi)=∑anxi n,获得考虑复杂条件后的资源等效覆盖范围g·f(xi),其中g为原始覆盖范围。本方案实施步骤中,在进行资源配置时,全部使用本步骤所获得的资源等效覆盖范围g·f(xi)。
为了配合本方案所述高效智能化配置方法的应用,本方案进一步提供了一种动态互联资源的配置系统,该系统包括:修正模块、分解模块、分类模块和配置优化模块。分解模块对目标区域的结构化模块进行分解,获得多个具有封闭拓扑几何结构的子区域及其对应的权重;分类模块根据对目标区域的结构化模块的分解结果,对动态互联资源进行分类处理,获得各层级资源与目标覆盖区域中不同权重子区域的配属关系;配置优化模块在有效的资源配置范围内,依次在重点子区域和全部子区域的资源配置中进行寻优,获得全目标区域的优化配置方案。其中,修正模块根据预先构建的复杂条件修订函数对复杂数据信息进行修正,获得资源等效覆盖范围,并将其作为资源配置的范围依据。
此外,本方案所述动态互联资源的配置方法还可以通过电子设备来实现相应的功能。其中,该设备包括:存储器,一个或多个处理器;存储器与处理器通过通信总线相连;处理器被配置为执行存储器中的指令;所述存储介质中存储有用于执行如上所述动态互联资源的配置方法中各个步骤的指令。此外,为了方便工作人员使用和操作,也可以进一步为设备配置显示器,以实现人机交互。
另外,本方案所述动态互联资源的配置方法还可以通过将方法编写为计算机程序存储计算机可读存储介质中;该程序被处理器执行时实现如上所述动态互联资源的配置方法的步骤。
本申请所述技术方案能够提高复杂条件下数据库的真实性,有效减少在线智能化配置资源时对复杂条件限定运算的计算时间。在能够增强资源与目标区域配置的针对性的同时,使资源的内在关系更加清晰。此外,通过设置随机的初始点结合蒙特卡洛的方法寻找局部最优,不依赖于初值的选取,增强了资源配置方法的鲁棒性。
实施例
实施例1
本实施例提供了一种复杂条件下动态互联资源的智能化配置方法,该方法主要包括构建复杂条件修正函数、目标区域的结构化分解、动态互联资源分类处理和特定目标的智能化资源配置寻优这四部分,具体的实施方式如图4所示:
(1)对于复杂条件修正函数,包含的步骤为:
步骤一:采集复杂条件标准化信息;提取目标区域复杂地理环境参数建立基础学习库;
采集不同地形地貌条件下部署资源覆盖范围的信息,将该信息进行标准化处理,构建以地形和地貌信息典型空间坐标为自变量参数(xi),资源的空间覆盖范围为因变量的复杂条件资源覆盖范围数据库。
步骤二:通过智能化离线机器学习的方式构建复杂地理环境参数对待配置资源覆盖范围的影响规律;
基于步骤一所建立的数据库,采用有人监督的智能化离线机器学习方式获得复杂地理环境参数对待配置资源覆盖范围的影响规律。
步骤三:采用多项式拟合的方式将所建立的规律构建为以地理条件参数为自变量的待配置资源覆盖范围修正函数f(xi)=∑anxi n;
基于步骤二所建立的规律,采用多项式拟合的方式给出以地理条件参数为自变量的待配置资源覆盖范围修正函数f(xi)=∑anxi n,其中0≤f(xi)≤1,该函数作用于资源覆盖范围可以对其有效值进行修正。其中,资源覆盖范围修正函数f(xi)可以针对不同空间方向进行独立修正,使得修正后的结果在空间中表现出各向异性的特征,其流程如图5所示。
(2)对于目标区域的结构化模块分解模块,包含的步骤为:
步骤四:对非规则目标区域进行划分,生成M的子区域,并且使得每块子区域形成封闭的拓扑几何结构Qj;。
将目标区域划分为互不相交的子区域集合,要求每块子区域形成封闭的拓扑几何结构以便于后续处理,这些子区域的并集构成完整的目标区域。
步骤五:根据目标任务的具体情况,对划分好的子区域i进行归一化的权重赋值Pi;
在实际生产实践中,由于目标任务的具体情况不同,会对目标区域的某些子区域中进行重点部署,包括要求某些范围的需要资源的重叠覆盖等。本步骤中需要根据具体任务特征给出各个子区域的归一化权重Pi,为后续的智能优化步骤提供权重参数基础。
(3)对于动态互联资源分类处理模块,包含的步骤为:
步骤六:根据动态互联资源的信息分层传递路径将资源分成若干类别,保证同一类别的资源信息互通程度相同;
步骤七:将复杂地理位置信息代入步骤三所获得的配置资源覆盖范围修正函数,获得考虑复杂条件后的资源等效覆盖范围;
将复杂地理位置信息xi代入步骤三所获得的配置资源覆盖范围修正函数f(xi)=∑anxi n,获得考虑复杂条件后的资源等效覆盖范围g·f(xi),其中g为原始覆盖范围。后续进行资源配置时全部使用本步骤所获得的资源等效覆盖范围g·f(xi)。
步骤八:按照逻辑层次将分层后的资源建立明确的隶属关系,确定主要配置资源与连带附属配置资源的类别、逻辑关系、数量。
基于步骤六所建立的资源分类结果,按照逻辑层次将分层后的资源建立明确的层级隶属关系,构建各层级的逻辑图谱,记录资源分类后的类别数K、每个类别中的资源数Ni(i=1,2,…,K),以及各类别的逻辑隶属关系,流程框图如图6所示。
步骤九:根据资源自身特征确定各层级资源与目标覆盖区域中不同权重子区域的配属关系;
在步骤八的基础上,根据资源自身特征确定各层级资源与目标覆盖区域中不同子区域的配属关系,其中需要考虑子区域的权重因子Pi,相同配属关系条件下,高层级类别待配置资源优先配置于大权重因子的目标子区域。
(4)对于基于特定目标的智能化资源配置寻优模块,包含的步骤为:
步骤十:通过设置随机的初始点结合蒙特卡洛的方法测算资源覆盖的有效范围,并以减小资源使用量和增大有效覆盖范围为优化目标进行重点子区域内的资源配置局域优化,获得局域优化结果;
基于前述九个步骤所建立的方法和规则,先对权重因子大于平均值的重点子区域进行资源配置。配置过程中以随机的初始优化点为起点,采用蒙特卡洛的方法测算资源覆盖的有效范围,以减小资源使用量和增大等效覆盖范围为目标,在重点子区域范围内寻优获得局域优化配置方案。配置过程中按照权重层级先后顺序进行配置,层级高的资源优先配置于权重大的重点子区域。
步骤十一:在全部子区域范围内再次寻优,获得考虑全部目标区域的优化配置方案。
在步骤十的基础上对剩余资源和目标子区域再次以随机的初始优化点为起点,采用蒙特卡洛的方法测算资源覆盖的有效范围,以减小资源使用量和增大等效覆盖范围为目标,在剩余子区域范围内寻优,将本步骤所获的结果与步骤十的结果合并,得到考虑全部目标区域的优化配置方案。
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定,对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动,这里无法对所有的实施方式予以穷举,凡是属于本发明的技术方案所引伸出的显而易见的变化或变动仍处于本发明的保护范围之列。
Claims (10)
1.一种动态互联资源的配置方法,其特征在于,该方法的步骤包括:
对目标区域的结构化模块进行分解,获得多个具有封闭拓扑几何结构的子区域及其对应的权重;
根据对目标区域结构化模块的分解结果,对动态互联资源进行分类处理,获得各层级资源与目标覆盖区域中不同权重子区域的配属关系;
在有效的资源配置范围内,依次在重点子区域和全部子区域的资源配置中进行寻优,获得全目标区域的优化配置方案。
2.根据权利要求1所述的方法,其特征在于,所述对目标区域的结构化模块进行分解,获得多个具有封闭拓扑几何结构的子区域及其对应的权重的步骤的前一步包括:
根据预先构建的复杂条件修订函数对复杂数据信息进行修正,获得资源等效覆盖范围,并将其作为资源配置的范围依据。
3.根据权利要求2所述的方法,其特征在于,所述复杂条件修订函数的构建步骤包括:
采集复杂条件标准化信息,提取目标区域复杂地理环境参数,建立基础学习库;
通过智能化离线机器学习的方式,构建复杂地理环境参数对待配置资源覆盖范围的影响规律;
采用多项式拟合的方式,将所述响应规律构建为以地理条件参数为自变量的待配置资源覆盖范围修正函数。
4.根据权利要求1所述的方法,其特征在于,所述对目标区域的结构化模块进行分解,获得多个具有封闭拓扑几何结构的子区域及其对应的权重的步骤包括:
对非规则目标区域进行划分,生成多个具有封闭拓扑几何结构的子区域;
根据目标任务的具体情况,对多个子区域进行归一化的权重赋值。
5.根据权利要求1所述的方法,其特征在于,所述根据对目标区域的结构化模块的分解结果,对动态互联资源进行分类处理,获得各层级资源与目标覆盖区域中不同权重子区域的配属关系的步骤包括:
根据动态互联资源的信息分层传递路径,将资源分成若干类别;
按照逻辑层次,将分层后的资源建立明确的隶属关系,确定主要配置资源与连带附属配置资源的类别、逻辑关系和数量;
根据资源自身特征,确定各层级资源与目标覆盖区域中不同权重子区域的配属关系。
6.根据权利要求1所述的方法,其特征在于,所述在有效的资源配置范围内,依次在重点子区域和全部子区域的资源配置中进行寻优,获得全目标区域的优化配置方案的步骤包括:
设置随机的初始点,结合蒙特卡洛的方法,测算资源覆盖的有效范围,并以减小资源使用量和增大有效覆盖范围为优化目标,进行重点子区域内的资源配置局域优化,获得局域优化结果;
在全部子区域范围内再次寻优,获得考虑全部目标区域的优化配置方案。
7.一种动态互联资源的配置系统,其特征在于,该系统包括:
分解模块,对目标区域的结构化模块进行分解,获得多个具有封闭拓扑几何结构的子区域及其对应的权重;
分类模块,根据对目标区域的结构化模块的分解结果,对动态互联资源进行分类处理,获得各层级资源与目标覆盖区域中不同权重子区域的配属关系;
配置优化模块,在有效的资源配置范围内,依次在重点子区域和全部子区域的资源中配置进行寻优,获得全目标区域的优化配置方案。
8.根据权利要求7所述的配置系统,其特征在于,该系统还包括:
修正模块,根据预先构建的复杂条件修订函数对复杂数据信息进行修正,获得资源等效覆盖范围,并将其作为资源配置的范围依据。
9.一种设备,其特征在于,包括:存储器,一个或多个处理器;存储器与处理器通过通信总线相连;处理器被配置为执行存储器中的指令;所述存储介质中存储有用于执行如权利要求1至6任一项所述方法中各个步骤的指令。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至6任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010277901.0A CN111611070B (zh) | 2020-04-10 | 2020-04-10 | 一种动态互联资源的配置方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010277901.0A CN111611070B (zh) | 2020-04-10 | 2020-04-10 | 一种动态互联资源的配置方法、系统、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111611070A true CN111611070A (zh) | 2020-09-01 |
CN111611070B CN111611070B (zh) | 2023-05-09 |
Family
ID=72201796
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010277901.0A Active CN111611070B (zh) | 2020-04-10 | 2020-04-10 | 一种动态互联资源的配置方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111611070B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114385256A (zh) * | 2020-10-22 | 2022-04-22 | 华为云计算技术有限公司 | 系统参数的配置方法和配置装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102843696A (zh) * | 2011-06-21 | 2012-12-26 | 中国移动通信集团设计院有限公司 | 一种无线系统间共用频谱资源的方法、装置及系统 |
CN104639642A (zh) * | 2015-02-12 | 2015-05-20 | 清华大学 | 空间互联网信息服务系统及方法 |
CN109088686A (zh) * | 2018-09-28 | 2018-12-25 | 西北工业大学 | 一种基于5g高低频段的同时无线信息与能量传输方法 |
CN109756911A (zh) * | 2019-01-31 | 2019-05-14 | 腾讯科技(深圳)有限公司 | 网络质量预测方法、业务调整方法、相关设备及存储介质 |
-
2020
- 2020-04-10 CN CN202010277901.0A patent/CN111611070B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102843696A (zh) * | 2011-06-21 | 2012-12-26 | 中国移动通信集团设计院有限公司 | 一种无线系统间共用频谱资源的方法、装置及系统 |
CN104639642A (zh) * | 2015-02-12 | 2015-05-20 | 清华大学 | 空间互联网信息服务系统及方法 |
CN109088686A (zh) * | 2018-09-28 | 2018-12-25 | 西北工业大学 | 一种基于5g高低频段的同时无线信息与能量传输方法 |
CN109756911A (zh) * | 2019-01-31 | 2019-05-14 | 腾讯科技(深圳)有限公司 | 网络质量预测方法、业务调整方法、相关设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
张慧杰等: "基于轨迹和兴趣点数据的城市功能区动态识别与时变规律可视分析", 《计算机辅助设计与图形学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114385256A (zh) * | 2020-10-22 | 2022-04-22 | 华为云计算技术有限公司 | 系统参数的配置方法和配置装置 |
CN114385256B (zh) * | 2020-10-22 | 2024-06-11 | 华为云计算技术有限公司 | 系统参数的配置方法和配置装置 |
Also Published As
Publication number | Publication date |
---|---|
CN111611070B (zh) | 2023-05-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210141981A1 (en) | Structural non-gradient topology optimization method based on sequential kriging surrogate model | |
Lee et al. | Perceptual organization of 3D surface points | |
CN110262566B (zh) | 基于合作的基因调控方法和网络 | |
CN113221403B (zh) | 基于深度强化学习的有限元网格优化方法、设备和介质 | |
Fernández-Madrigal et al. | Multihierarchical graph search | |
CN110378297A (zh) | 一种基于深度学习的遥感图像目标检测方法 | |
Zhang et al. | Simulation optimization using the particle swarm optimization with optimal computing budget allocation | |
Wang et al. | Wireless sensor network deployment of 3D surface based on enhanced grey wolf optimizer | |
CN113064449B (zh) | 一种无人机调度方法及系统 | |
CN112784002A (zh) | 一种虚拟场景生成方法、装置、设备和存储介质 | |
Mata et al. | Isotropic image analysis for improving cbr forecasting | |
CN115828011B (zh) | 基于大数据的数据分析方法和平台 | |
CN111611070A (zh) | 一种动态互联资源的配置方法、系统、设备和存储介质 | |
EP3291102B1 (en) | Bulk validation of spatial topology | |
CN111897864B (zh) | 一种基于互联网ai外呼的专家库数据抽取方法及系统 | |
CN113436223A (zh) | 点云数据的分割方法、装置、计算机设备和存储介质 | |
CN101777126A (zh) | 一种多维特征向量的聚类方法 | |
CN116488755A (zh) | 基于任务的集群无人机可靠性评估方法、装置及电子设备 | |
CN112613830B (zh) | 一种物资储备中心选址方法 | |
Sadeghi et al. | Approximation algorithms for distributed multi-robot coverage in non-convex environments | |
CN114491779A (zh) | 一种智能规划生成草图的方法及相关设备 | |
WO2022126646A1 (en) | Automated platform for managing, deploying and orchestrating highly distributed service applications | |
CN116681857A (zh) | 一种空间碰撞检测方法、装置及电子设备 | |
Ojaghi et al. | A new method for semi-automatic classification of remotely sensed images developed based on the cognitive approaches for producing spatial data required in geomatics applications | |
CN114386138A (zh) | 建筑物分间方法、电子设备及计算机存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |