CN113487078A - 一种新生成任务执行的方法、装置及电子设备 - Google Patents
一种新生成任务执行的方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113487078A CN113487078A CN202110740762.5A CN202110740762A CN113487078A CN 113487078 A CN113487078 A CN 113487078A CN 202110740762 A CN202110740762 A CN 202110740762A CN 113487078 A CN113487078 A CN 113487078A
- Authority
- CN
- China
- Prior art keywords
- execution
- execution unit
- execution information
- actual
- information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 36
- 230000008859 change Effects 0.000 claims abstract description 81
- 230000001174 ascending effect Effects 0.000 description 17
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 9
- 238000004590 computer program Methods 0.000 description 4
- 230000000630 rising effect Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/30—Administration of product recycling or disposal
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Abstract
本发明提供了一种新生成任务执行的方法、装置及电子设备,涉及网络技术领域,包括获取历史执行单元实际执行信息变化分布;基于新生成执行单元预估执行信息得到新生成执行单元预估执行信息分布;基于历史执行单元实际执行信息变化分布和新生成执行单元预估执行信息分布,通过实际执行信息预估模型,预测新生成任务实际执行信息。本申请具有预测新生成任务实际执行信息的效果。
Description
技术领域
本发明涉及网络技术领域,尤其涉及一种新生成任务执行的方法、装置及电子设备。
背景技术
系统预测是指根据现有系统或拟建系统的过去和现在发展规律,借助科学的方法和手段,对系统未来的发展进行估计和测定,形成科学的假设和判断。它是系统工程的重要内容,无论是系统规则、系统分析、系统设计,还是系统决策,都以系统预测为前提。系统预测的步骤如下:(1)输入阶段,主要包括调研,收集原始信息与数据,有关专家咨询等;(2)分析计算阶段,选择或建立一个模型,进行各种方案实验,找出最佳的系统性模型;(3)输出阶段,根据获得的模型,求出预测结果,分析预测误差,使预测结果尽可能与实际符合,以供有关部门参考。
在具体的应用过程中,在执行单元执行任务前的时候,系统会给出预估执行信息,在执行单元实际执行任务的时候,会可以得到实际执行信息,但是。由于外界因素并不是一个能够确定的因素,常常会出现变化,所以最终可能会出现预估执行信息与实际执行信息有所不同的现象。
而且新生成执行单元因为没有实际执行过任务,所以无法获得其实际执行信息,也就无法对新生成执行单元执行任务的预估执行信息,无法为新生成执行单元提供数据支持。
因此,需要提出一种预测新生成任务实际执行信息的技术方案。
发明内容
本说明书提供一种新生成任务执行的方法、装置及电子设备,用以预测新生成任务实际执行信息。
本说明书提供一种资源回收的方法,包括:
获取历史执行单元实际执行信息变化分布;
基于新生成执行单元预估执行信息得到新生成执行单元预估执行信息分布;
基于历史执行单元实际执行信息变化分布和新生成执行单元预估执行信息分布,通过实际执行信息预估模型,预测新生成任务实际执行信息。
可选的,所述获取历史执行单元实际执行信息变化分布,包括:
按照分类条件将历史执行单元实际执行信息分类;
基于分类结果获取历史执行单元实际执行信息变化分布。
可选的,所述按照分类条件将历史执行单元实际执行信息分类,包括:
获取历史执行单元实际执行信息、历史执行单元预估执行信息;
对比所述历史执行单元实际执行信息与历史执行单元预估执行信息;
依据对比的结果将所述历史执行单元实际执行信息按照第一特征参数、第二特征参数和第三特征参数进行分类;
基于分类结果得到所述历史执行单元实际执行信息不同分类的概率。
可选的,所述获取历史执行单元实际执行信息变化分布,还包括:
基于历史执行单元实际执行信息和历史执行单元预估执行信息得到历史执行单元实际执行信息变化期望。
可选的,所述基于新生成执行单元预估执行信息得到新生成执行单元预估执行信息分布,包括:
获取新生成执行单元群体、新生成执行单元预估执行信息;
将所述新生成执行单元群体按照所述新生成执行单元预估执行信息划分,得到新生成执行单元预估执行信息分布。
可选的,所述基于历史执行单元实际执行信息变化分布和新生成执行单元预估执行信息分布,通过实际执行信息预估模型,预测新生成任务实际执行信息的方法,包括:
基于所述新生成执行单元预估执行信息和历史执行单元实际执行信息变化分布,模拟不同新生成执行单元预估执行信息相对应的新生成执行单元群体;
将所述不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量取整;
随机标识不同新生成执行单元预估执行信息相对应的新生成执行单元群体;
将标识的不同分类下的新生成执行单元群体的数量调整成与所述模拟出不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量相同;
将所述历史授信执行单元实际执行信息变化期望与随机标识的所述不同新生成执行单元预估执行信息相对应的新生成执行单元群体输入至所述实际执行信息预估模型,预测所述新生成执行单元实际执行信息。
本说明书还提供一种新生成任务执行的装置,包括:
第一获取模块,获取历史执行单元实际执行信息变化分布;
第二获取模块,基于新生成执行单元预估执行信息得到新生成执行单元预估执行信息分布;
实际执行信息预估模块,基于历史执行单元实际执行信息变化分布和所述新生成执行单元预估执行信息分布,通过实际执行信息预估模型,预测新生成执行单元实际执行信息。
可选的,所述第一获取模块包括:
分类子模块,按照分类条件将历史执行单元实际执行信息分类;
第一获取子模块,基于分类结果获取历史执行单元实际执行信息变化分布。
可选的,所述分类子模块包括:
第一获取单元,获取历史执行单元实际执行信息、历史执行单元预估执行信息;
预估单元,对比所述历史执行单元实际执行信息与历史执行单元预估执行信息;
分类单元,依据对比的结果将所述历史执行单元实际执行信息按照第一特征参数、第二特征参数和第三特征参数进行分类;
第二获取单元,基于分类结果得到所述历史执行单元实际执行信息不同分类的概率。
可选的,所述第一获取模块还包括:
第二获取子模块,基于历史执行单元实际执行信息和历史执行单元预估执行信息得到历史执行单元实际执行信息变化期望。
可选的,所述第二获取模块包括:
第三获取子模块,获取新生成执行单元群体、新生成执行单元预估执行信息;
第四获取子模块,将所述新生成执行单元群体按照所述新生成执行单元预估执行信息划分,得到新生成执行单元预估执行信息分布。
可选的,所述实际执行信息预估模块包括:
模拟子模块,基于所述新生成执行单元预估执行信息和历史执行单元实际执行信息变化分布,模拟不同新生成执行单元预估执行信息相对应的新生成执行单元群体;
取整子模块,将所述不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量取整;
随机标识子模块,随机标识不同新生成执行单元预估执行信息相对应的新生成执行单元群体;
调整子模块,将标识的不同分类下的新生成执行单元群体的数量调整成与所述模拟出不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量相同;
实际执行信息预估子模块,将所述历史授信执行单元实际执行信息变化期望与随机标识的所述不同新生成执行单元预估执行信息相对应的新生成执行单元群体输入至所述实际执行信息预估模型,预测所述新生成执行单元实际执行信息。
本说明书还提供一种电子设备,其中,该电子设备包括:
处理器;
以及,存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行上述任一项方法。
本说明书还提供一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现上述任一项方法。
在本发明中,获取历史执行单元实际执行信息、历史执行单元预估执行信息,将历史执行单元实际执行信息与历史执行单元预估执行信息对比,依照对比的结果分类,得到历史执行单元实际执行信息在不同分类的概率,再得到历史执行单元实际执行信息变化分布;基于历史执行单元实际执行信息和历史执行单元预估执行信息得到历史执行单元实际执行信息变化期望。
获取新生成执行单元群体、新生成执行单元预估执行信息,将新生成执行单元群体按照新生成执行单元预估执行信息划分,可以得到新生成执行单元预估执行信息分布。
基于新生成执行单元预估执行信息和历史执行单元实际执行信息变化分布,可以模拟不同新生成执行单元预估执行信息相对应的新生成执行单元群体;再将不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量取整;随机标识不同新生成执行单元预估执行信息相对应的新生成执行单元群体;将标识的不同分类下的新生成执行单元群体的数量调整成与模拟出不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量相同;将历史授信执行单元实际执行信息变化期望与随机标识的不同新生成执行单元预估执行信息相对应的新生成执行单元群体输入至实际执行信息预估模型,预测新生成执行单元实际执行信息。
虽然新生成执行单元没有实际执行过任务,无法获得其实际执行信息,但通过本发明中的实际执行信息预估模型可以预测出新生成执行单元实际执行信息。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本说明书实施例提供的一种新生成任务执行的方法的原理示意图;
图2为本说明书实施例提供的一种新生成任务执行的装置的结构示意图;
图3为本说明书实施例提供的一种电子设备的结构示意图;
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例,本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
以下结合附图1-4对本申请作进一步详细说明。
本说明书实施例提供一种新生成任务执行的方法,包括:
获取历史执行单元实际执行信息变化分布;
基于新生成执行单元预估执行信息得到新生成执行单元预估执行信息分布;
基于历史执行单元实际执行信息变化分布和新生成执行单元预估执行信息分布,通过实际执行信息预估模型,预测新生成任务实际执行信息。
在本说明书实施例中,根据历史执行单元实际执行信息变化分布、新生成执行单元预估执行信息分布情况,通过实际执行信息预估模型,可以预测新生成任务实际执行信息,解决了新生成执行单元没有实际执行过任务,无法获取新生成执行单元实际执行信息的问题。
现在将参考附图更全面地描述本发明的示例性实施例。然而,示例性实施例能够以多种形式实施,且不应被理解为本发明仅限于在此阐述的实施例。相反,提供这些示例性实施例能够使得本发明更加全面和完整,更加便于将发明构思全面地传达给本领域的技术人员。在图中相同的附图标记表示相同或类似的元件、组件或部分,因而将省略对它们的重复描述。
在符合本发明的技术构思的前提下,在某个特定的实施例中描述的特征、结构、特性或其他细节不排除可以以合适的方式结合在一个或更多其他的实施例中。
在对于具体实施例的描述中,本发明描述的特征、结构、特性或其他细节是为了使本领域的技术人员对实施例进行充分理解。但是,并不排除本领域技术人员可以实践本发明的技术方案而没有特定特征、结构、特性或其他细节的一个或更多。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
术语“和/或”或者“及/或”包括相关联的列出项目中的任一个或多者的所有组合。
图1为本说明书实施例提供的一种新生成任务执行的方法的原理示意图,该方法可以包括:
S101:获取历史执行单元实际执行信息变化分布。
在本说明书实施例中,执行单元实际执行信息变化分布可为计算机系统中执行单元分配并完成执行信息的实际情况的分布。当然,执行单元实际执行信息变化分布还可以包括其他元素,在此不做详细阐述。
在本说明书实施例中,所述获取历史执行单元实际执行信息变化分布,包括:
按照分类条件将历史执行单元实际执行信息分类;
基于分类结果获取历史执行单元实际执行信息变化分布。
在本说明书实施例中,获取历史执行单元实际执行信息,按照分类条件将其分类,根据分类的结果,可以得到历史执行单元实际执行信息变化分布。执行单元实际执行信息变化分布可为计算机系统中执行单元分配并完成执行信息的实际情况的分布。当然,执行单元实际执行信息变化分布还可以包括其他元素,在此不做详细阐述。
在本说明书实施例中,所述按照分类条件将历史执行单元实际执行信息分类,包括:
获取历史执行单元实际执行信息、历史执行单元预估执行信息;
对比所述历史执行单元实际执行信息与历史执行单元预估执行信息;
依据对比的结果将所述历史执行单元实际执行信息按照第一特征参数、第二特征参数和第三特征参数进行分类;
基于分类结果得到所述历史执行单元实际执行信息不同分类的概率。
在本说明书实施例中,第一特征参数、第二特征参数和第三特征参数可分别为上升参数、下降参数和持平参数。当然,第一特征参数、第二特征参数和第三特征参数还可以包括其他元素,在此不做详细阐述。
在本说明书实施例中,获取历史执行单元实际执行信息、历史执行单元预估执行信息,对比历史执行单元实际执行信息与历史执行单元预估执行信息。当历史执行单元实际执行信息大于历史执行单元预估执行信息时,将历史执行单元实际执行信息划分为第一特征参数,即为上升参数;当历史执行单元实际执行信息小于历史执行单元预估执行信息时,将历史执行单元实际执行信息划分为第二特征参数,即为下降参数;当历史执行单元实际执行信息与历史执行单元预估执行信息一致时,即为持平参数。
基于分类的结果,还可以得到历史执行单元实际执行信息不同分类下的概率,同时还可以得到历史执行单元实际执行信息变化分布。执行单元实际执行信息变化分布可为计算机系统中执行单元分配并完成执行信息的实际情况的分布。当然,执行单元实际执行信息变化分布还可以包括其他元素,在此不做详细阐述。
在本说明书实施例中,所述获取历史执行单元实际执行信息变化分布,还包括:
基于历史执行单元实际执行信息和历史执行单元预估执行信息得到历史执行单元实际执行信息变化期望。
在本说明书实施例中,历史执行单元实际执行信息变化期望可包括上升参数分类下历史执行单元实际执行信息的概率、下降参数分类下历史执行单元实际执行信息的概率和持平参数分类下历史执行单元实际执行信息的概率。以上升参数分类下的历史执行单元实际执行信息的概率为例,可为上升参数分类下的历史执行单元实际执行信息与上升参数分类下的历史执行单元预估执行信息的比值。当然,历史执行单元实际执行信息变化期望还可以包括其他元素,在此不做详细阐述。
在本说明书实施例中,获取历史执行单元实际执行信息、历史执行单元预估执行信息,对比历史执行单元实际执行信息与历史执行单元预估执行信息。当历史执行单元实际执行信息大于历史执行单元预估执行信息时,将历史执行单元实际执行信息划分为第一特征参数,即为上升参数;当历史执行单元实际执行信息小于历史执行单元预估执行信息时,将历史执行单元实际执行信息划分为第二特征参数,即为下降参数;当历史执行单元实际执行信息与历史执行单元预估执行信息一致时,即为持平参数。
基于分类的结果,还可以得到历史执行单元实际执行信息不同分类下的概率,历史执行单元实际执行信息变化期望可包括上升参数分类下历史执行单元实际执行信息的概率、下降参数分类下历史执行单元实际执行信息的概率和持平参数分类下历史执行单元实际执行信息的概率。以上升参数分类下的历史执行单元实际执行信息的概率为例,可为上升参数分类下的历史执行单元实际执行信息与上升参数分类下的历史执行单元预估执行信息的比值。同时还可以得到历史执行单元实际执行信息变化分布。执行单元实际执行信息变化分布可为计算机系统中执行单元分配并完成执行信息的实际情况的分布。当然,执行单元实际执行信息变化分布还可以包括其他元素,在此不做详细阐述。
S102:基于新生成执行单元预估执行信息得到新生成执行单元预估执行信息分布。
在本说明书实施例中,新生成执行单元预估执行信息分布可为计算机系统中新生成执行单元分配并完成执行信息的实际情况的分布。当然,执行单元实际执行信息变化分布还可以包括其他元素,在此不做详细阐述。
在本说明书实施例中,获取历史执行单元实际执行信息、历史执行单元预估执行信息,对比历史执行单元实际执行信息与历史执行单元预估执行信息。当历史执行单元实际执行信息大于历史执行单元预估执行信息时,将历史执行单元实际执行信息划分为第一特征参数,即为上升参数;当历史执行单元实际执行信息小于历史执行单元预估执行信息时,将历史执行单元实际执行信息划分为第二特征参数,即为下降参数;当历史执行单元实际执行信息与历史执行单元预估执行信息一致时,即为持平参数。
基于分类的结果,还可以得到历史执行单元实际执行信息不同分类下的概率,历史执行单元实际执行信息变化期望可包括上升参数分类下历史执行单元实际执行信息的概率、下降参数分类下历史执行单元实际执行信息的概率和持平参数分类下历史执行单元实际执行信息的概率。以上升参数分类下的历史执行单元实际执行信息的概率为例,可为上升参数分类下的历史执行单元实际执行信息与上升参数分类下的历史执行单元预估执行信息的比值。同时还可以得到历史执行单元实际执行信息变化分布。执行单元实际执行信息变化分布可为计算机系统中执行单元分配并完成执行信息的实际情况的分布。
依据新生成执行单元预估执行信息,可以得到新生成执行单元预估执行信息分布,新生成执行单元预估执行信息分布可为计算机系统中新生成执行单元分配并完成执行信息的实际情况的分布。当然,执行单元实际执行信息变化分布还可以包括其他元素,在此不做详细阐述。
在本说明书实施例中,所述基于新生成执行单元预估执行信息得到新生成执行单元预估执行信息分布,包括:
获取新生成执行单元群体、新生成执行单元预估执行信息;
将所述新生成执行单元群体按照所述新生成执行单元预估执行信息划分,得到新生成执行单元预估执行信息分布。
在本说明书实施例中,新生成执行单元群体可为新生成执行单元群体的数量。当然,新生成执行单元群体还可以包括其他元素,在此不做详细阐述。
在本说明书实施例中,获取历史执行单元实际执行信息、历史执行单元预估执行信息,对比历史执行单元实际执行信息与历史执行单元预估执行信息。当历史执行单元实际执行信息大于历史执行单元预估执行信息时,将历史执行单元实际执行信息划分为第一特征参数,即为上升参数;当历史执行单元实际执行信息小于历史执行单元预估执行信息时,将历史执行单元实际执行信息划分为第二特征参数,即为下降参数;当历史执行单元实际执行信息与历史执行单元预估执行信息一致时,即为持平参数。
基于分类的结果,还可以得到历史执行单元实际执行信息不同分类下的概率,历史执行单元实际执行信息变化期望可包括上升参数分类下历史执行单元实际执行信息的概率、下降参数分类下历史执行单元实际执行信息的概率和持平参数分类下历史执行单元实际执行信息的概率。以上升参数分类下的历史执行单元实际执行信息的概率为例,可为上升参数分类下的历史执行单元实际执行信息与上升参数分类下的历史执行单元预估执行信息的比值。同时还可以得到历史执行单元实际执行信息变化分布。执行单元实际执行信息变化分布可为计算机系统中执行单元分配并完成执行信息的实际情况的分布。
获取新生成执行单元群体、新生成执行单元预估执行信息,新生成执行单元群体可为新生成执行单元群体的数量,将所述新生成执行单元群体按照所述新生成执行单元预估执行信息划分,得到新生成执行单元预估执行信息分布,新生成执行单元预估执行信息分布可为计算机系统中新生成执行单元分配并完成执行信息的实际情况的分布。
S103:基于历史执行单元实际执行信息变化分布和新生成执行单元预估执行信息分布,通过实际执行信息预估模型,预测新生成任务实际执行信息。
在本说明书实施例中,实际执行信息预估模型可为将历史执行单元实际执行信息变化分布与新生成执行单元预估执行信息分布做乘法运算。当然,,实际执行信息预估模型还可以包括其他元素,在此不做详细阐述。
在本说明书实施例中,根据历史执行单元实际执行信息变化分布、新生成执行单元预估执行信息分布情况,通过实际执行信息预估模型,实际执行信息预估模型可为将历史执行单元实际执行信息变化分布与新生成执行单元预估执行信息分布做乘法运算,可以预测新生成任务实际执行信息,解决了新生成执行单元没有实际执行过任务,无法获取新生成执行单元实际执行信息的问题。
在本说明书实施例中,所述基于历史执行单元实际执行信息变化分布和新生成执行单元预估执行信息分布,通过实际执行信息预估模型,预测新生成任务实际执行信息的方法,包括:
基于所述新生成执行单元预估执行信息和历史执行单元实际执行信息变化分布,模拟不同新生成执行单元预估执行信息相对应的新生成执行单元群体;
将所述不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量取整;
随机标识不同新生成执行单元预估执行信息相对应的新生成执行单元群体;
将标识的不同分类下的新生成执行单元群体的数量调整成与所述模拟出不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量相同;
将所述历史授信执行单元实际执行信息变化期望与随机标识的所述不同新生成执行单元预估执行信息相对应的新生成执行单元群体输入至所述实际执行信息预估模型,预测所述新生成执行单元实际执行信息。
在本说明书实施例中,获取历史执行单元实际执行信息、历史执行单元预估执行信息,将历史执行单元实际执行信息与历史执行单元预估执行信息对比,依照对比的结果分类,得到历史执行单元实际执行信息在不同分类的概率,再得到历史执行单元实际执行信息变化分布;基于历史执行单元实际执行信息和历史执行单元预估执行信息得到历史执行单元实际执行信息变化期望。
获取新生成执行单元群体、新生成执行单元预估执行信息,将新生成执行单元群体按照新生成执行单元预估执行信息划分,可以得到新生成执行单元预估执行信息分布。基于新生成执行单元预估执行信息和历史执行单元实际执行信息变化分布,可以模拟不同新生成执行单元预估执行信息相对应的新生成执行单元群体;再将不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量取整;随机标识不同新生成执行单元预估执行信息相对应的新生成执行单元群体;将标识的不同分类下的新生成执行单元群体的数量调整成与模拟出不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量相同;将历史授信执行单元实际执行信息变化期望与随机标识的不同新生成执行单元预估执行信息相对应的新生成执行单元群体输入至实际执行信息预估模型,预测新生成执行单元实际执行信息。
虽然新生成执行单元没有实际执行过任务,无法获得其实际执行信息,但通过本发明中的实际执行信息预估模型可以预测出新生成执行单元实际执行信息。
图2为本说明书实施例提供的一种资源回收的装置的结构示意图,该装置可以包括:
第一获取模块201,获取历史执行单元实际执行信息变化分布;
第二获取模块202,基于新生成执行单元预估执行信息得到新生成执行单元预估执行信息分布;
实际执行信息预估模块203,基于历史执行单元实际执行信息变化分布和所述新生成执行单元预估执行信息分布,通过实际执行信息预估模型,预测新生成执行单元实际执行信息。
在本说明书实施例中,所述第一获取模块包括:
分类子模块,按照分类条件将历史执行单元实际执行信息分类;
第一获取子模块,基于分类结果获取历史执行单元实际执行信息变化分布。
在本说明书实施例中,所述分类子模块包括:
第一获取单元,获取历史执行单元实际执行信息、历史执行单元预估执行信息;
预估单元,对比所述历史执行单元实际执行信息与历史执行单元预估执行信息;
分类单元,依据对比的结果将所述历史执行单元实际执行信息按照第一特征参数、第二特征参数和第三特征参数进行分类;
第二获取单元,基于分类结果得到所述历史执行单元实际执行信息不同分类的概率。
在本说明书实施例中,所述第一获取模块还包括:
第二获取子模块,基于历史执行单元实际执行信息和历史执行单元预估执行信息得到历史执行单元实际执行信息变化期望。
在本说明书实施例中,所述第二获取模块包括:
第三获取子模块,获取新生成执行单元群体、新生成执行单元预估执行信息;
第四获取子模块,将所述新生成执行单元群体按照所述新生成执行单元预估执行信息划分,得到新生成执行单元预估执行信息分布。
在本说明书实施例中,所述实际执行信息预估模块包括:
模拟子模块,基于所述新生成执行单元预估执行信息和历史执行单元实际执行信息变化分布,模拟不同新生成执行单元预估执行信息相对应的新生成执行单元群体;
取整子模块,将所述不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量取整;
随机标识子模块,随机标识不同新生成执行单元预估执行信息相对应的新生成执行单元群体;
调整子模块,将标识的不同分类下的新生成执行单元群体的数量调整成与所述模拟出不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量相同;
实际执行信息预估子模块,将所述历史授信执行单元实际执行信息变化期望与随机标识的所述不同新生成执行单元预估执行信息相对应的新生成执行单元群体输入至所述实际执行信息预估模型,预测所述新生成执行单元实际执行信息。
该装置获取历史执行单元实际执行信息、历史执行单元预估执行信息,将历史执行单元实际执行信息与历史执行单元预估执行信息对比,依照对比的结果分类,得到历史执行单元实际执行信息在不同分类的概率,再得到历史执行单元实际执行信息变化分布;基于历史执行单元实际执行信息和历史执行单元预估执行信息得到历史执行单元实际执行信息变化期望。
获取新生成执行单元群体、新生成执行单元预估执行信息,将新生成执行单元群体按照新生成执行单元预估执行信息划分,可以得到新生成执行单元预估执行信息分布。基于新生成执行单元预估执行信息和历史执行单元实际执行信息变化分布,可以模拟不同新生成执行单元预估执行信息相对应的新生成执行单元群体;再将不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量取整;随机标识不同新生成执行单元预估执行信息相对应的新生成执行单元群体;将标识的不同分类下的新生成执行单元群体的数量调整成与模拟出不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量相同;将历史授信执行单元实际执行信息变化期望与随机标识的不同新生成执行单元预估执行信息相对应的新生成执行单元群体输入至实际执行信息预估模型,预测新生成执行单元实际执行信息。
虽然新生成执行单元没有实际执行过任务,无法获得其实际执行信息,但通过本发明中的实际执行信息预估模型可以预测出新生成执行单元实际执行信息。
本发明实施例的装置的功能已经在上述的方法实施例中进行了描述,故本实施例的描述中未详尽之处,可以参见前述实施例中的相关说明,在此不做赘述。
基于同一发明构思,本说明书实施例还提供一种电子设备。
下面描述本发明的电子设备实施例,该电子设备可以视为对于上述本发明的方法和装置实施例的具体实体实施方式。对于本发明电子设备实施例中描述的细节,应视为对于上述方法或装置实施例的补充;对于在本发明电子设备实施例中未披露的细节,可以参照上述方法或装置实施例来实现。
图3为本说明书实施例提供的一种电子设备的结构示意图。下面参照图3来描述根据本发明该实施例的电子设备300。图3显示的电子设备300仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300以通用计算设备的形式表现。电子设备300的组件可以包括但不限于:至少一个处理单元310、至少一个存储单元320、连接不同系统组件(包括存储单元320和处理单元310)的总线330、显示单元340等。
其中,所述存储单元存储有程序代码,所述程序代码可以被所述处理单元310执行,使得所述处理单元310执行本说明书上述处理方法部分中描述的根据本发明各种示例性实施方式的步骤。例如,所述处理单元310可以执行如图1所示的步骤。
所述存储单元320可以包括易失性存储单元形式的可读介质,例如随机存取存储单元(RAM)3201和/或高速缓存存储单元3202,还可以进一步包括只读存储单元(ROM)3203。
所述存储单元320还可以包括具有一组(至少一个)程序模块3205的程序/实用工具3204,这样的程序模块3205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。
总线330可以为表示几类总线结构中的一种或多种,包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。
电子设备300也可以与一个或多个外部设备400(例如键盘、指向设备、蓝牙设备等)通信,还可与一个或者多个使得用户能与该电子设备300交互的设备通信,和/或与使得该电子设备300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350进行。并且,电子设备300还可以通过网络适配器360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。网络适配器360可以通过总线330与电子设备300的其它模块通信。应当明白,尽管图3中未示出,可以结合电子设备300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、冗余处理单元、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。
通过以上的实施方式的描述,本领域的技术人员易于理解,本发明描述的示例性实施例可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。当所述计算机程序被一个数据处理设备执行时,使得该计算机可读介质能够实现本发明的上述方法,即:如图1所示的方法。
图4为本说明书实施例提供的一种计算机可读介质的原理示意图。
实现图1所示方法的计算机程序可以存储于一个或多个计算机可读介质上。计算机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为但不限于电、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。
所述计算机可读存储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。可读存储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。可读存储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发明操作的程序代码,所述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)。
综上所述,本发明可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现根据本发明实施例中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,本发明不与任何特定计算机、虚拟装置或者电子设备固有相关,各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种新生成任务执行的方法,其特征在于,包括:
获取历史执行单元实际执行信息变化分布;
基于新生成执行单元预估执行信息得到新生成执行单元预估执行信息分布;
基于历史执行单元实际执行信息变化分布和新生成执行单元预估执行信息分布,通过实际执行信息预估模型,预测新生成任务实际执行信息。
2.如权利要求1新生成任务执行的方法,其特征在于,所述获取历史执行单元实际执行信息变化分布,包括:
按照分类条件将历史执行单元实际执行信息分类;
基于分类结果获取历史执行单元实际执行信息变化分布。
3.如权利要求1-2新生成任务执行的方法,其特征在于,所述按照分类条件将历史执行单元实际执行信息分类,包括:
获取历史执行单元实际执行信息、历史执行单元预估执行信息;
对比所述历史执行单元实际执行信息与历史执行单元预估执行信息;
依据对比的结果将所述历史执行单元实际执行信息按照第一特征参数、第二特征参数和第三特征参数进行分类;
基于分类结果得到所述历史执行单元实际执行信息不同分类的概率。
4.如权利要求1-3新生成任务执行的方法,其特征在于,所述获取历史执行单元实际执行信息变化分布,还包括:
基于历史执行单元实际执行信息和历史执行单元预估执行信息得到历史执行单元实际执行信息变化期望。
5.如权利要求1-4新生成任务执行的方法,其特征在于,所述基于新生成执行单元预估执行信息得到新生成执行单元预估执行信息分布,包括:
获取新生成执行单元群体、新生成执行单元预估执行信息;
将所述新生成执行单元群体按照所述新生成执行单元预估执行信息划分,得到新生成执行单元预估执行信息分布。
6.如权利要求1-5新生成任务执行的方法,其特征在于,所述基于历史执行单元实际执行信息变化分布和新生成执行单元预估执行信息分布,通过实际执行信息预估模型,预测新生成任务实际执行信息的方法,包括:
基于所述新生成执行单元预估执行信息和历史执行单元实际执行信息变化分布,模拟不同新生成执行单元预估执行信息相对应的新生成执行单元群体;
将所述不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量取整;
随机标识不同新生成执行单元预估执行信息相对应的新生成执行单元群体;
将标识的不同分类下的新生成执行单元群体的数量调整成与所述模拟出不同新生成执行单元预估执行信息相对应的新生成执行单元群体的数量相同;
将所述历史授信执行单元实际执行信息变化期望与随机标识的所述不同新生成执行单元预估执行信息相对应的新生成执行单元群体输入至所述实际执行信息预估模型,预测所述新生成执行单元实际执行信息。
7.一种新生成任务执行的装置,其特征在于,包括:
第一获取模块,获取历史执行单元实际执行信息变化分布;
第二获取模块,基于新生成执行单元预估执行信息得到新生成执行单元预估执行信息分布;
实际执行信息预估模块,基于历史执行单元实际执行信息变化分布和所述新生成执行单元预估执行信息分布,通过实际执行信息预估模型,预测新生成执行单元实际执行信息。
8.一种电子设备,其中,该电子设备包括:
处理器;
以及,存储计算机可执行指令的存储器,所述可执行指令在被执行时使所述处理器执行根据权利要求1-6中任一项所述的方法。
9.一种计算机可读存储介质,其中,所述计算机可读存储介质存储一个或多个程序,所述一个或多个程序当被处理器执行时,实现权利要求1-6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740762.5A CN113487078A (zh) | 2021-06-30 | 2021-06-30 | 一种新生成任务执行的方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110740762.5A CN113487078A (zh) | 2021-06-30 | 2021-06-30 | 一种新生成任务执行的方法、装置及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113487078A true CN113487078A (zh) | 2021-10-08 |
Family
ID=77936900
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110740762.5A Pending CN113487078A (zh) | 2021-06-30 | 2021-06-30 | 一种新生成任务执行的方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113487078A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102193832A (zh) * | 2010-03-11 | 2011-09-21 | 精英电脑股份有限公司 | 云端计算资源排程方法与应用的系统 |
CN105373840A (zh) * | 2015-10-14 | 2016-03-02 | 深圳市天行家科技有限公司 | 代驾订单预测方法和代驾运力调度方法 |
CN107995039A (zh) * | 2017-12-07 | 2018-05-04 | 福州大学 | 面向云软件服务的资源自学习与自适应分配方法 |
CN108023834A (zh) * | 2016-11-03 | 2018-05-11 | 中国移动通信集团广东有限公司 | 一种云资源自动分配方法及装置 |
CN109426920A (zh) * | 2018-01-19 | 2019-03-05 | 武汉十傅科技有限公司 | 一种考虑预测订单和实际订单的企业生产计划优化方法 |
CN111178692A (zh) * | 2019-12-12 | 2020-05-19 | 上海淇玥信息技术有限公司 | 资源使用数量预估方法、装置及电子设备 |
CN112184005A (zh) * | 2020-09-25 | 2021-01-05 | 中国建设银行股份有限公司 | 一种运营任务分类方法、装置、设备和存储介质 |
CN112949824A (zh) * | 2021-02-07 | 2021-06-11 | 北京淇瑀信息科技有限公司 | 一种基于神经网络的多输出多任务特征评估方法、装置和电子设备 |
-
2021
- 2021-06-30 CN CN202110740762.5A patent/CN113487078A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102193832A (zh) * | 2010-03-11 | 2011-09-21 | 精英电脑股份有限公司 | 云端计算资源排程方法与应用的系统 |
CN105373840A (zh) * | 2015-10-14 | 2016-03-02 | 深圳市天行家科技有限公司 | 代驾订单预测方法和代驾运力调度方法 |
CN108023834A (zh) * | 2016-11-03 | 2018-05-11 | 中国移动通信集团广东有限公司 | 一种云资源自动分配方法及装置 |
CN107995039A (zh) * | 2017-12-07 | 2018-05-04 | 福州大学 | 面向云软件服务的资源自学习与自适应分配方法 |
CN109426920A (zh) * | 2018-01-19 | 2019-03-05 | 武汉十傅科技有限公司 | 一种考虑预测订单和实际订单的企业生产计划优化方法 |
CN111178692A (zh) * | 2019-12-12 | 2020-05-19 | 上海淇玥信息技术有限公司 | 资源使用数量预估方法、装置及电子设备 |
CN112184005A (zh) * | 2020-09-25 | 2021-01-05 | 中国建设银行股份有限公司 | 一种运营任务分类方法、装置、设备和存储介质 |
CN112949824A (zh) * | 2021-02-07 | 2021-06-11 | 北京淇瑀信息科技有限公司 | 一种基于神经网络的多输出多任务特征评估方法、装置和电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200380017A1 (en) | Automatic feature learning from a relational database for predictive modelling | |
CN112529481A (zh) | 一种用户捞回方法、装置及电子设备 | |
CN109597810B (zh) | 一种任务切分方法、装置、介质及电子设备 | |
CN111582645B (zh) | 基于因子分解机的app风险评估方法、装置和电子设备 | |
CN112348321A (zh) | 风险用户的识别方法、装置及电子设备 | |
CN111199469A (zh) | 用户还款模型生成方法、装置及电子设备 | |
CN112017042A (zh) | 基于tweedie分布的资源配额确定方法、装置和电子设备 | |
CN111967543A (zh) | 用户资源配额确定方法、装置及电子设备 | |
CN112508723A (zh) | 基于自动择优建模的金融风险预测方法、装置和电子设备 | |
CN110339567A (zh) | 系统资源配置、场景预测模型训练方法和装置 | |
CA3135466A1 (en) | User loan willingness prediction method and device and computer system | |
CN111373406A (zh) | 使用问题匹配的先验知识提取的加速仿真设置过程 | |
CN112287603A (zh) | 一种基于机器学习的预测模型构建方法、装置和电子设备 | |
US10884713B2 (en) | Transformations of a user-interface modality of an application | |
CN110675250A (zh) | 一种基于用户营销评分的信贷额度管理的方法、装置和电子设备 | |
CN113609008A (zh) | 测试结果分析方法、装置和电子设备 | |
CN111582649B (zh) | 基于用户app独热编码的风险评估方法、装置和电子设备 | |
CN113610625A (zh) | 逾期风险警示方法、装置及电子设备 | |
CN111383768B (zh) | 医疗数据回归分析方法、装置、电子设备及计算机可读介质 | |
US11860727B2 (en) | Data quality-based computations for KPIs derived from time-series data | |
CN114742645B (zh) | 基于多阶段时序多任务的用户安全等级识别方法及装置 | |
CN116485019A (zh) | 一种数据处理方法及装置 | |
US20170124469A1 (en) | Evidence Boosting in Rational Drug Design and Indication Expansion by Leveraging Disease Association | |
CN113487078A (zh) | 一种新生成任务执行的方法、装置及电子设备 | |
CN112527851B (zh) | 用户特征数据筛选方法、装置及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211008 |
|
RJ01 | Rejection of invention patent application after publication |