CN114742471A - 任务调度方法、装置、电子设备及可读存储介质 - Google Patents

任务调度方法、装置、电子设备及可读存储介质 Download PDF

Info

Publication number
CN114742471A
CN114742471A CN202210543032.0A CN202210543032A CN114742471A CN 114742471 A CN114742471 A CN 114742471A CN 202210543032 A CN202210543032 A CN 202210543032A CN 114742471 A CN114742471 A CN 114742471A
Authority
CN
China
Prior art keywords
task
training
tasks
training set
scheduling
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
Application number
CN202210543032.0A
Other languages
English (en)
Inventor
雷望春
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.)
Ping An Property and Casualty Insurance Company of China Ltd
Original Assignee
Ping An Property and Casualty Insurance Company of China Ltd
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 Ping An Property and Casualty Insurance Company of China Ltd filed Critical Ping An Property and Casualty Insurance Company of China Ltd
Priority to CN202210543032.0A priority Critical patent/CN114742471A/zh
Publication of CN114742471A publication Critical patent/CN114742471A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Game Theory and Decision Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Development Economics (AREA)
  • Evolutionary Computation (AREA)
  • Educational Administration (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及人工智能技术，揭露了一种任务调度方法，包括：获取原始任务训练集合，对原始任务训练集合进行随机采样处理，得到标准任务训练集合，从标准任务训练集合中随机提取任务特征集合，并根据任务特征集合构建随机森林，获取待调度任务表单集合，利用随机森林对待调度任务表单集合中的任务进行排序，得到排序任务集合，对排序任务集合进行线性规划，并根据规划结果来进行任务调度。此外，本发明还涉及区块链技术，所述规划结果可存储在区块链的节点中。本发明还提出一种任务调度方法装置、电子设备以及计算机可读存储介质。本发明可以解决任务调度效率较低的问题。

Description

任务调度方法、装置、电子设备及可读存储介质
技术领域
本发明涉及人工智能技术领域，尤其涉及一种任务调度方法、装置、电子设备及计算机可读存储介质。
背景技术
大数据平台任务调度是各大公司每天都在进行的工作。传统的任务调度，按照时间或者任务的优先级来运行任务，会存在以下问题：1、重要任务可能和普通任务在同时段运行导致重要任务延迟，会导致资源使用率较低，从而使得任务调度效率较低；2、重要程度低的任务占用重点保障任务时间段，也会降低任务调度效率；3、由于每个人对任务的重要程度理解不一致，导致每个人评价标准存在差异，使得任务调度不够客观准确。
发明内容
本发明提供一种任务调度方法、装置、电子设备及可读存储介质，其主要目的在于解决任务调度效率较低的问题。
为实现上述目的，本发明提供的一种任务调度方法，包括：
获取原始任务训练集合，对所述原始任务训练集合进行随机采样处理，得到标准任务训练集合；
从所述标准任务训练集合中随机提取任务特征集合，并根据所述任务特征集合构建随机森林；
获取待调度任务表单集合，利用所述随机森林对所述待调度任务表单集合中的任务进行排序，得到排序任务集合；
对所述排序任务集合进行线性规划，并根据规划结果来进行任务调度。
可选地，所述对所述原始任务训练集合进行随机采样处理，得到标准任务训练集合，包括：
从所述原始任务训练集合中随机选取第一预设个数的任务记录指标作为训练子集；
将选取的任务记录指标重新放回所述原始任务训练集合，并返回所述从所述原始任务训练集合中随机选取第一预设个数的任务记录指标作为训练子集的步骤；
当所述训练子集的个数满足第二预设个数时，汇总所有的训练子集得到所述标准任务训练集合。
可选地，所述从所述标准任务训练集合中随机提取任务特征集合，并根据所述任务特征集合构建随机森林，包括：
将所述标准任务训练集合中的训练子集作为子样本集，对所述子样本集中的任务记录指标进行有放回的随机抽样，得到所述任务特征集合；
根据所述子样本集及所述任务特征集合构建所述随机森林。
可选地，所述根据所述子样本集及所述任务特征集合构建所述随机森林，包括：
依次选取所述任务特征集合中的指标作为根节点，并利用所述指标依次对所述子样本集进行划分，得到所述根节点的多个分支节点，确定所述根节点以及所述根节点的多个分支节点构成决策树；
汇总所有决策树，得到所述随机森林。
可选地，所述利用所述随机森林对所述待调度任务表单集合中的任务进行排序，得到排序任务集合，包括：
利用所述随机森林中的决策树输出所述待调度任务表单集合中任务的重要度；
根据所述重要度对所述待调度任务表单集合中的任务进行大小排序，得到所述排序任务集合。
可选地，所述对所述排序任务集合进行线性规划，并根据规划结果来进行任务调度，包括：
利用预设的目标函数及预设的约束条件对所述排序任务集合中的任务进行线性规划，并根据规划结果的大小对所述排序任务集合中的任务进行调度；
所述预设的目标函数及预设的约束条件如下所述：
Figure BDA0003650339890000021
s.t.max(xi)≤L
其中，Pj为第j个任务的重要度，n为所述排序任务集合的数量，z为所述规划结果，xi为第i个时段的任务数，L为时段内最大可运行任务数。
可选地，所述获取原始任务训练集合之前，所述方法还包括：
获取任务记录表，对所述任务记录表进行去异常处理及缺失值填充处理，得到标准任务记录表；
提取所述标准任务记录表中每个任务的任务记录指标，得到所述原始任务训练集合。
为了解决上述问题，本发明还提供一种任务调度装置，所述装置包括：
训练数据构建模块，用于获取原始任务训练集合，对所述原始任务训练集合进行随机采样处理，得到标准任务训练集合；
随机森林构建模块，用于从所述标准任务训练集合中随机提取任务特征集合，并根据所述任务特征集合构建随机森林；
任务排序模块，用于获取待调度任务表单集合，利用所述随机森林对所述待调度任务表单集合中的任务进行排序，得到排序任务集合；
任务调度模块，用于对所述排序任务集合进行线性规划，并根据规划结果来进行任务调度。
为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：
存储器，存储至少一个计算机程序；及
处理器，执行所述存储器中存储的计算机程序以实现上述所述的任务调度方法。
为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的任务调度方法。
本发明通过对原始任务训练集合进行两次随机处理，得到任务特征集合，可以保证任务特征提取的随机性，因此根据所述任务特征集合可以构建更加准确的随机森林。并且，通过随机森林对所述待调度任务表单集合中的任务进行排序，无需人工进行评价，提高了任务调度的客观性，对排序后的排序任务集合进行线性规划，并根据规划结果来进行任务调度，可以提高任务调度的效率。因此本发明提出的任务调度方法、装置、电子设备及计算机可读存储介质，可以解决任务调度效率较低的问题。
附图说明
图1为本发明一实施例提供的任务调度方法的流程示意图；
图2为本发明一实施例提供的任务调度装置的功能模块图；
图3为本发明一实施例提供的实现所述任务调度方法的电子设备的结构示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种任务调度方法。所述任务调度方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述任务调度方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDelivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的任务调度方法的流程示意图。
在本实施例中，所述任务调度方法包括：
S1、获取原始任务训练集合，对所述原始任务训练集合进行随机采样处理，得到标准任务训练集合。
本发明实施例中，所述原始任务训练集合是指不同调度任务(如查询任务、存储任务)的任务指标，包括：任务访问量、任务的访问时间、加工链路上的任务数量、加工链路上的重要任务数量等指标。
详细地，所述获取原始任务训练集合之前，所述方法还包括：
获取任务记录表，对所述任务记录表进行去异常处理及缺失值填充处理，得到标准任务记录表；
提取所述标准任务记录表中每个任务的任务记录指标，得到所述原始任务训练集合。
本发明实施例中，以查询任务的任务记录表为例，查询任务记录表记录了查询任务在整个加工链路中的访问时间、访问量、查询任务数量等任务记录指标。
详细地，所述对所述任务记录表进行去异常处理及缺失值填充处理，得到标准任务记录表，包括：
利用双边测试剔除方法对所述任务记录表中的任务记录指标进行异常值剔除，得到去异常记录表；
利用预设的缺失值检测函数对所述去异常记录表中的任务记录指标进行缺失值检测，并利用所述任务记录表中的平均值或中位值对缺失值进行填充，得到所述标准任务记录表。
本发明实施例中，所述双边测试剔除方法包括：
Figure BDA0003650339890000051
其中，
Figure BDA0003650339890000052
表示所述任务记录表中任务记录指标的平均值，S表示所述任务记录表中任务记录指标的标准差，Yi表示所述任务记录表中的任务记录指标。G表示测试值，当G大于预设的测试阈值时，确定Yi为异常数据。
本发明一可选实施例中，所述缺失值检测函数可以为missmap function缺失函数，若检测没有数据缺失值，则不作处理，若检测出现数据缺失值，本发明实施例通过任务记录指标的平均值或中位值对所述缺失值进行填充。
具体地，所述对所述原始任务训练集合进行随机采样处理，得到标准任务训练集合，包括：
从所述原始任务训练集合中随机选取第一预设个数的任务记录指标作为训练子集；
将选取的任务记录指标重新放回所述原始任务训练集合，并返回所述从所述原始任务训练集合中随机选取第一预设个数的任务记录指标作为训练子集的步骤；
当所述训练子集的个数满足第二预设个数时，汇总所有的训练子集得到所述标准任务训练集合。
本发明实施例中，通过对所述原始任务训练集合进行有放回的随机抽样，可以使得训练子集的更加具有随机性，提高了训练数据的多样性。
S2、从所述标准任务训练集合中随机提取任务特征集合，并根据所述任务特征集合构建随机森林。
本发明实施例中，所述随机森林(Random Forest，简称RF)是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，每棵决策树都是一个分类器。以分类问题为例，那么对于一个待分类样本，N棵树会有N个分类结果，而随机森林集成了所有的分类投票结果，将投票次数最多的类别指定为最终的输出，从而获得最优的类别。
具体地，所述从所述标准任务训练集合中随机提取任务特征集合，并根据所述任务特征集合构建随机森林，包括：
将所述标准任务训练集合中的训练子集作为子样本集，对所述子样本集中的任务记录指标进行有放回的随机抽样，得到所述任务特征集合；
根据所述子样本集及所述任务特征集合构建所述随机森林。
本发明一可选实施例中，任务记录指标的有放回随机抽样和S1中原始任务训练集合类似，在此不再赘述。
详细地，所述根据所述子样本集及所述任务特征集合构建所述随机森林，包括：
依次选取所述任务特征集合中的指标作为根节点，并利用所述指标依次对所述子样本集进行划分，得到所述根节点的多个分支节点，确定所述根节点以及所述根节点的多个分支节点构成决策树；
汇总所有决策树，得到所述随机森林。
本发明实施例中，通过有放回的随机选取，即不同子样本集的任务特征集合可以重复，同一个子样本集中的元素也可以重复，通过两次随机抽样可以构建多个随机决策树，提高随机森林构建的准确性。
S3、获取待调度任务表单集合，利用所述随机森林对所述待调度任务表单集合中的任务进行排序，得到排序任务集合。
本发明实施例中，所述待调度任务表单集合可以为某一时段的待调度任务表单的集合，例如，上午8:00-10:00的待调度任务表单包括打卡提交任务、报表上传任务等。
详细地，所述利用所述随机森林对所述待调度任务表单集合中的任务进行排序，得到排序任务集合，包括：
利用所述随机森林中的决策树输出所述待调度任务表单集合中任务的重要度；
根据所述重要度对所述待调度任务表单集合中的任务进行大小排序，得到所述排序任务集合。
本发明一可选实施例中，可以通过下述公式计算所述待调度任务表单集合中任务的重要度：
Figure BDA0003650339890000071
其中，D为任一待调度任务表单，a为待调度任务表单中任一任务，Ent(D)为待调度任务表单中任务的信息熵，V为分支节点的个数，Dv为第v个分支节点包含了a任务的节点总数。
本发明实施例中，通过随机森林对所述待调度任务表单集合中的任务进行排序，可以准确的评估得到每个任务的重要性，提高了任务调度的准确性。
S4、对所述排序任务集合进行线性规划，并根据规划结果来进行任务调度。
本发明实施例中，线性规划(Linear Programming，简记LP)是指在线性等式或不等式的约束条件下，求解线性目标函数的最大值或最小值的方法。
具体地，所述对所述排序任务集合进行线性规划，并根据规划结果来进行任务调度，包括：
利用预设的目标函数及预设的约束条件对所述排序任务集合中的任务进行线性规划，并根据规划结果的大小对所述排序任务集合中的任务进行调度；
所述预设的目标函数及预设的约束条件如下所述：
Figure BDA0003650339890000072
s.t.max(xi)≤L
其中，Pj为第j个任务的重要度，n为所述排序任务集合的数量，z为所述规划结果，xi为第i个时段的任务数，L为时段内最大可运行任务数。
本发明一可选实施例中，通过对随机森林算法排序后的任务集合进行线性规划，根据线性规划的结果可提前计算好每个时间段内资源的运行效率情况，达到保障重点任务优先运行，实现合理调度的目的。
本发明通过对原始任务训练集合进行两次随机处理，得到任务特征集合，可以保证任务特征提取的随机性，因此根据所述任务特征集合可以构建更加准确的随机森林。并且，通过随机森林对所述待调度任务表单集合中的任务进行排序，无需人工进行评价，提高了任务调度的客观性，对排序后的排序任务集合进行线性规划，并根据规划结果来进行任务调度，可以提高任务调度的效率。因此本发明提出的任务调度方法，可以解决任务调度效率较低的问题。
如图2所示，是本发明一实施例提供的任务调度装置的功能模块图。
本发明所述任务调度装置100可以安装于电子设备中。根据实现的功能，所述任务调度装置100可以包括训练数据构建模块101、随机森林构建模块102、任务排序模块103及任务调度模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述训练数据构建模块101，用于获取原始任务训练集合，对所述原始任务训练集合进行随机采样处理，得到标准任务训练集合；
所述随机森林构建模块102，用于从所述标准任务训练集合中随机提取任务特征集合，并根据所述任务特征集合构建随机森林；
所述任务排序模块103，用于获取待调度任务表单集合，利用所述随机森林对所述待调度任务表单集合中的任务进行排序，得到排序任务集合；
所述任务调度模块104，用于对所述排序任务集合进行线性规划，并根据规划结果来进行任务调度。
详细地，所述任务调度装置100各模块的具体实施方式如下：
步骤一、获取原始任务训练集合，对所述原始任务训练集合进行随机采样处理，得到标准任务训练集合。
本发明实施例中，所述原始任务训练集合是指不同调度任务(如查询任务、存储任务)的任务指标，包括：任务访问量、任务的访问时间、加工链路上的任务数量、加工链路上的重要任务数量等指标。
详细地，所述获取原始任务训练集合之前，所述方法还包括：
获取任务记录表，对所述任务记录表进行去异常处理及缺失值填充处理，得到标准任务记录表；
提取所述标准任务记录表中每个任务的任务记录指标，得到所述原始任务训练集合。
本发明实施例中，以查询任务的任务记录表为例，查询任务记录表记录了查询任务在整个加工链路中的访问时间、访问量、查询任务数量等任务记录指标。
详细地，所述对所述任务记录表进行去异常处理及缺失值填充处理，得到标准任务记录表，包括：
利用双边测试剔除方法对所述任务记录表中的任务记录指标进行异常值剔除，得到去异常记录表；
利用预设的缺失值检测函数对所述去异常记录表中的任务记录指标进行缺失值检测，并利用所述任务记录表中的平均值或中位值对缺失值进行填充，得到所述标准任务记录表。
本发明实施例中，所述双边测试剔除方法包括：
Figure BDA0003650339890000091
其中，
Figure BDA0003650339890000092
表示所述任务记录表中任务记录指标的平均值，S表示所述任务记录表中任务记录指标的标准差，Yi表示所述任务记录表中的任务记录指标。G表示测试值，当G大于预设的测试阈值时，确定Yi为异常数据。
本发明一可选实施例中，所述缺失值检测函数可以为missmap function缺失函数，若检测没有数据缺失值，则不作处理，若检测出现数据缺失值，本发明实施例通过任务记录指标的平均值或中位值对所述缺失值进行填充。
具体地，所述对所述原始任务训练集合进行随机采样处理，得到标准任务训练集合，包括：
从所述原始任务训练集合中随机选取第一预设个数的任务记录指标作为训练子集；
将选取的任务记录指标重新放回所述原始任务训练集合，并返回所述从所述原始任务训练集合中随机选取第一预设个数的任务记录指标作为训练子集的步骤；
当所述训练子集的个数满足第二预设个数时，汇总所有的训练子集得到所述标准任务训练集合。
本发明实施例中，通过对所述原始任务训练集合进行有放回的随机抽样，可以使得训练子集的更加具有随机性，提高了训练数据的多样性。
步骤二、从所述标准任务训练集合中随机提取任务特征集合，并根据所述任务特征集合构建随机森林。
本发明实施例中，所述随机森林(Random Forest，简称RF)是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，每棵决策树都是一个分类器。以分类问题为例，那么对于一个待分类样本，N棵树会有N个分类结果，而随机森林集成了所有的分类投票结果，将投票次数最多的类别指定为最终的输出，从而获得最优的类别。
具体地，所述从所述标准任务训练集合中随机提取任务特征集合，并根据所述任务特征集合构建随机森林，包括：
将所述标准任务训练集合中的训练子集作为子样本集，对所述子样本集中的任务记录指标进行有放回的随机抽样，得到所述任务特征集合；
根据所述子样本集及所述任务特征集合构建所述随机森林。
本发明一可选实施例中，任务记录指标的有放回随机抽样和S1中原始任务训练集合类似，在此不再赘述。
详细地，所述根据所述子样本集及所述任务特征集合构建所述随机森林，包括：
依次选取所述任务特征集合中的指标作为根节点，并利用所述指标依次对所述子样本集进行划分，得到所述根节点的多个分支节点，确定所述根节点以及所述根节点的多个分支节点构成决策树；
汇总所有决策树，得到所述随机森林。
本发明实施例中，通过有放回的随机选取，即不同子样本集的任务特征集合可以重复，同一个子样本集中的元素也可以重复，通过两次随机抽样可以构建多个随机决策树，提高随机森林构建的准确性。
步骤三、获取待调度任务表单集合，利用所述随机森林对所述待调度任务表单集合中的任务进行排序，得到排序任务集合。
本发明实施例中，所述待调度任务表单集合可以为某一时段的待调度任务表单的集合，例如，上午8:00-10:00的待调度任务表单包括打卡提交任务、报表上传任务等。
详细地，所述利用所述随机森林对所述待调度任务表单集合中的任务进行排序，得到排序任务集合，包括：
利用所述随机森林中的决策树输出所述待调度任务表单集合中任务的重要度；
根据所述重要度对所述待调度任务表单集合中的任务进行大小排序，得到所述排序任务集合。
本发明一可选实施例中，可以通过下述公式计算所述待调度任务表单集合中任务的重要度：
Figure BDA0003650339890000111
其中，D为任一待调度任务表单，a为待调度任务表单中任一任务，Ent(D)为待调度任务表单中任务的信息熵，V为分支节点的个数，Dv为第v个分支节点包含了a任务的节点总数。
本发明实施例中，通过随机森林对所述待调度任务表单集合中的任务进行排序，可以准确的评估得到每个任务的重要性，提高了任务调度的准确性。
步骤四、对所述排序任务集合进行线性规划，并根据规划结果来进行任务调度。
本发明实施例中，线性规划(Linear Programming，简记LP)是指在线性等式或不等式的约束条件下，求解线性目标函数的最大值或最小值的方法。
具体地，所述对所述排序任务集合进行线性规划，并根据规划结果来进行任务调度，包括：
利用预设的目标函数及预设的约束条件对所述排序任务集合中的任务进行线性规划，并根据规划结果的大小对所述排序任务集合中的任务进行调度；
所述预设的目标函数及预设的约束条件如下所述：
Figure BDA0003650339890000112
s.t.max(xi)≤L
其中，Pj为第j个任务的重要度，n为所述排序任务集合的数量，z为所述规划结果，xi为第i个时段的任务数，L为时段内最大可运行任务数。
本发明一可选实施例中，通过对随机森林算法排序后的任务集合进行线性规划，根据线性规划的结果可提前计算好每个时间段内资源的运行效率情况，达到保障重点任务优先运行，实现合理调度的目的。
本发明通过对原始任务训练集合进行两次随机处理，得到任务特征集合，可以保证任务特征提取的随机性，因此根据所述任务特征集合可以构建更加准确的随机森林。并且，通过随机森林对所述待调度任务表单集合中的任务进行排序，无需人工进行评价，提高了任务调度的客观性，对排序后的排序任务集合进行线性规划，并根据规划结果来进行任务调度，可以提高任务调度的效率。因此本发明提出的任务调度装置，可以解决任务调度效率较低的问题。
如图3所示，是本发明一实施例提供的实现任务调度方法的电子设备的结构示意图。
所述电子设备可以包括处理器10、存储器11、通信接口12和总线13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如任务调度程序。
其中，所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如：SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡(Smart Media Card，SMC)、安全数字(SecureDigital，SD)卡、闪存卡(Flash Card)等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如任务调度程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit)，利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块(例如任务调度程序等)，以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。
所述通信接口12用于上述电子设备与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
所述总线13可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extended industry standard architecture，简称EISA)总线等。该总线13可以分为地址总线、数据总线、控制总线等。所述总线13被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图3仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图3示出的结构并不构成对所述电子设备的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。
例如，尽管未示出，所述电子设备还可以包括给各个部件供电的电源(比如电池)，优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
进一步地，所述电子设备还可以包括网络接口，可选地，所述网络接口可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等)，通常用于在该电子设备与其他电子设备之间建立通信连接。
可选地，该电子设备还可以包括用户接口，用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard))，可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
所述电子设备中的所述存储器11存储的任务调度程序是多个指令的组合，在所述处理器10中运行时，可以实现：
获取原始任务训练集合，对所述原始任务训练集合进行随机采样处理，得到标准任务训练集合；
从所述标准任务训练集合中随机提取任务特征集合，并根据所述任务特征集合构建随机森林；
获取待调度任务表单集合，利用所述随机森林对所述待调度任务表单集合中的任务进行排序，得到排序任务集合；
对所述排序任务集合进行线性规划，并根据规划结果来进行任务调度。
具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。
进一步地，所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：
获取原始任务训练集合，对所述原始任务训练集合进行随机采样处理，得到标准任务训练集合；
从所述标准任务训练集合中随机提取任务特征集合，并根据所述任务特征集合构建随机森林；
获取待调度任务表单集合，利用所述随机森林对所述待调度任务表单集合中的任务进行排序，得到排序任务集合；
对所述排序任务集合进行线性规划，并根据规划结果来进行任务调度。
在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，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。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种任务调度方法，其特征在于，所述方法包括：
获取原始任务训练集合，对所述原始任务训练集合进行随机采样处理，得到标准任务训练集合；
从所述标准任务训练集合中随机提取任务特征集合，并根据所述任务特征集合构建随机森林；
获取待调度任务表单集合，利用所述随机森林对所述待调度任务表单集合中的任务进行排序，得到排序任务集合；
对所述排序任务集合进行线性规划，并根据规划结果来进行任务调度。
2.如权利要求1所述的任务调度方法，其特征在于，所述对所述原始任务训练集合进行随机采样处理，得到标准任务训练集合，包括：
从所述原始任务训练集合中随机选取第一预设个数的任务记录指标作为训练子集；
将选取的任务记录指标重新放回所述原始任务训练集合，并返回所述从所述原始任务训练集合中随机选取第一预设个数的任务记录指标作为训练子集的步骤；
当所述训练子集的个数满足第二预设个数时，汇总所有的训练子集得到所述标准任务训练集合。
3.如权利要求2中所述的任务调度方法，其特征在于，所述从所述标准任务训练集合中随机提取任务特征集合，并根据所述任务特征集合构建随机森林，包括：
将所述标准任务训练集合中的训练子集作为子样本集，对所述子样本集中的任务记录指标进行有放回的随机抽样，得到所述任务特征集合；
根据所述子样本集及所述任务特征集合构建所述随机森林。
4.如权利要求3所述的任务调度方法，其特征在于，所述根据所述子样本集及所述任务特征集合构建所述随机森林，包括：
依次选取所述任务特征集合中的指标作为根节点，并利用所述指标依次对所述子样本集进行划分，得到所述根节点的多个分支节点，确定所述根节点以及所述根节点的多个分支节点构成决策树；
汇总所有决策树，得到所述随机森林。
5.如权利要求1所述的任务调度方法，其特征在于，所述利用所述随机森林对所述待调度任务表单集合中的任务进行排序，得到排序任务集合，包括：
利用所述随机森林中的决策树输出所述待调度任务表单集合中任务的重要度；
根据所述重要度对所述待调度任务表单集合中的任务进行大小排序，得到所述排序任务集合。
6.如权利要求1所述的任务调度方法，其特征在于，所述对所述排序任务集合进行线性规划，并根据规划结果来进行任务调度，包括：
利用预设的目标函数及预设的约束条件对所述排序任务集合中的任务进行线性规划，并根据规划结果的大小对所述排序任务集合中的任务进行调度；
所述预设的目标函数及预设的约束条件如下所述：
Figure FDA0003650339880000021
s.t.max(xi)≤L
其中，Pj为第j个任务的重要度，n为所述排序任务集合的数量，z为所述规划结果，xi为第i个时段的任务数，L为时段内最大可运行任务数。
7.如权利要求1所述的任务调度方法，其特征在于，所述获取原始任务训练集合之前，所述方法还包括：
获取任务记录表，对所述任务记录表进行去异常处理及缺失值填充处理，得到标准任务记录表；
提取所述标准任务记录表中每个任务的任务记录指标，得到所述原始任务训练集合。
8.一种任务调度装置，其特征在于，所述装置包括：
训练数据构建模块，用于获取原始任务训练集合，对所述原始任务训练集合进行随机采样处理，得到标准任务训练集合；
随机森林构建模块，用于从所述标准任务训练集合中随机提取任务特征集合，并根据所述任务特征集合构建随机森林；
任务排序模块，用于获取待调度任务表单集合，利用所述随机森林对所述待调度任务表单集合中的任务进行排序，得到排序任务集合；
任务调度模块，用于对所述排序任务集合进行线性规划，并根据规划结果来进行任务调度。
9.一种电子设备，其特征在于，所述电子设备包括：
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计算机程序，所述计算机程序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如权利要求1至7中任意一项所述的任务调度方法。
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的任务调度方法。
CN202210543032.0A 2022-05-18 2022-05-18 任务调度方法、装置、电子设备及可读存储介质 Pending CN114742471A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210543032.0A CN114742471A (zh) 2022-05-18 2022-05-18 任务调度方法、装置、电子设备及可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210543032.0A CN114742471A (zh) 2022-05-18 2022-05-18 任务调度方法、装置、电子设备及可读存储介质

Publications (1)

Publication Number Publication Date
CN114742471A true CN114742471A (zh) 2022-07-12

Family

ID=82287351

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210543032.0A Pending CN114742471A (zh) 2022-05-18 2022-05-18 任务调度方法、装置、电子设备及可读存储介质

Country Status (1)

Country Link
CN (1) CN114742471A (zh)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110516748A (zh) * 2019-08-29 2019-11-29 泰康保险集团股份有限公司 业务处理方法、装置、介质及电子设备
CN113656166A (zh) * 2021-09-02 2021-11-16 上海联影医疗科技股份有限公司 一种任务处理系统及其计算资源分配方法
CN113891466A (zh) * 2021-09-07 2022-01-04 武汉大学 一种面向边缘无线网络中udl任务的在线调度系统及方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110516748A (zh) * 2019-08-29 2019-11-29 泰康保险集团股份有限公司 业务处理方法、装置、介质及电子设备
CN113656166A (zh) * 2021-09-02 2021-11-16 上海联影医疗科技股份有限公司 一种任务处理系统及其计算资源分配方法
CN113891466A (zh) * 2021-09-07 2022-01-04 武汉大学 一种面向边缘无线网络中udl任务的在线调度系统及方法

Similar Documents

Publication Publication Date Title
CN112541745A (zh) 用户行为数据分析方法、装置、电子设备及可读存储介质
CN112883190A (zh) 文本分类方法、装置、电子设备及存储介质
CN111984426A (zh) 任务调度方法、装置、电子设备及存储介质
CN115146865A (zh) 基于人工智能的任务优化方法及相关设备
CN114491047A (zh) 多标签文本分类方法、装置、电子设备及存储介质
CN114881616A (zh) 业务流程执行方法、装置、电子设备及存储介质
CN111694844A (zh) 基于配置算法的企业运行数据分析方法、装置及电子设备
CN114612194A (zh) 产品推荐方法、装置、电子设备及存储介质
CN113868529A (zh) 知识推荐方法、装置、电子设备及可读存储介质
CN114862140A (zh) 基于行为分析的潜力评估方法、装置、设备及存储介质
CN112104662B (zh) 远端数据读写方法、装置、设备及计算机可读存储介质
CN112052310A (zh) 基于大数据的信息获取方法、装置、设备及存储介质
CN112541688A (zh) 业务数据校验方法、装置、电子设备及计算机存储介质
CN112541640A (zh) 资源的权限管理方法、装置、电子设备及计算机存储介质
CN114817408B (zh) 调度资源识别方法、装置、电子设备及存储介质
CN112561500B (zh) 基于用户数据的薪酬数据生成方法、装置、设备及介质
CN114841165A (zh) 用户数据分析及展示方法、装置、电子设备及存储介质
CN114742471A (zh) 任务调度方法、装置、电子设备及可读存储介质
CN113918296A (zh) 模型训练任务调度执行方法、装置、电子设备及存储介质
CN114625512A (zh) 任务调度方法、装置、电子设备及存储介质
CN113657546A (zh) 信息分类方法、装置、电子设备及可读存储介质
CN113052496A (zh) 业务处理流程的生成方法、装置、电子设备及介质
CN111651167A (zh) 调度任务依赖关系识别方法、装置及计算机可读存储介质
CN116991364B (zh) 基于大数据的软件开发系统管理方法
CN115225489B (zh) 队列业务流量阈值动态控制方法、电子设备及存储介质

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