CN117290073A - 多组分系统的资源配置方法、装置、计算机设备和存储介质 - Google Patents
多组分系统的资源配置方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117290073A CN117290073A CN202311562097.0A CN202311562097A CN117290073A CN 117290073 A CN117290073 A CN 117290073A CN 202311562097 A CN202311562097 A CN 202311562097A CN 117290073 A CN117290073 A CN 117290073A
- Authority
- CN
- China
- Prior art keywords
- information
- resource
- layer
- data information
- data
- 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
- 238000013468 resource allocation Methods 0.000 title claims abstract description 124
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000002159 abnormal effect Effects 0.000 claims abstract description 19
- 238000012216 screening Methods 0.000 claims abstract description 6
- 230000006870 function Effects 0.000 claims description 82
- 230000003993 interaction Effects 0.000 claims description 41
- 238000012545 processing Methods 0.000 claims description 30
- 238000004590 computer program Methods 0.000 claims description 23
- 238000010276 construction Methods 0.000 claims description 15
- 238000012544 monitoring process Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 description 37
- 238000013507 mapping Methods 0.000 description 13
- 238000007726 management method Methods 0.000 description 12
- 238000013439 planning Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 239000000203 mixture Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008520 organization Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000000547 structure data Methods 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及一种多组分系统的资源配置方法、装置、计算机设备和存储介质。方法包括：获取目标园区的各组分系统的系统数据信息和资源信息、以及各影响因素的影响因素数据，并基于每个影响因素数据，调整得到各组分系统目标数据信息；构建目标园区的智能体系系统，得到各组分系统的资源配置任务；采集每个组分系统的当前资源调度进度；筛选异常系统的资源配置任务，调整智能体系系统的资源配置参数，得到新智能体系系统；识别各组分系统的当前资源信息，并将各组分系统的当前资源信息，替换各组分系统的资源信息，返回执行上述步骤，直到完成调度各组分系统的资源信息的进度。采用本方法能够提升了多组分系统资源配置的资源利用率。
Description
技术领域
本申请涉及大数据和人工智能技术领域，特别是涉及一种多组分系统的资源配置方法、装置、计算机设备和存储介质。
背景技术
智慧城市、智慧园区等体系化建设时，往往会衍生多个系统从而智能管理园区的各资源配置事宜，但是往往多个系统独立运行，系统与系统间没有交互配置策略，导致现有体系中存在的如资源配置不合理、能源浪费、环境恶化等各类问题。因此如何针对多组分系统场景下进行资源配置是当前的研究重点。
传统多组分系统的资源配置方式是基于DoDAF等体系架构框架以设计体系架构，构建目标园区的智能体系系统，从而对多组分系统进行资源配置。但是DoDAF体系框架构建的智能体系系统在配置方案时只考虑了当前的资源信息和各组分系统需求的资源信息，使得生成的各组分系统的资源配置任务的配置资源信息与各组分系统需要的资源信息不符，从而导致多组分系统资源配置的资源利用率较低。
发明内容
基于此，有必要针对上述技术问题，提供一种多组分系统的资源配置方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种多组分系统的资源配置方法。所述方法包括：
获取目标园区的不同组分系统的系统数据信息、各所述组分系统的资源信息、以及所述目标园区所处环境的各影响因素的影响因素数据，并基于每个影响因素的影响因素数据，调整各所述组分系统的系统数据信息，得到各所述组分系统的目标数据信息；
基于各所述组分系统的目标数据信息，构建所述目标园区的智能体系系统，并将各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务；
将各所述组分系统的资源调度任务发送至各组分系统，并采集每个组分系统的当前资源调度进度；
基于各所述组分系统的当前资源调度进度，计算各所述组分系统的当前资源利用率，并在存在资源利用率低于预设资源利用率的情况下，基于所述低于预设资源利用率的资源利用率对应的异常系统的资源配置任务，调整所述智能体系系统的资源配置参数，得到新智能体系系统；
识别各所述组分系统的当前资源信息，并将各所述组分系统的当前资源信息，替换各所述组分系统的资源信息，返回执行将各所述组分系统的目标数据信息、各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务步骤，直到完成调度各所述组分系统的资源信息的进度。
可选的，所述基于每个影响因素的影响因素数据，调整各所述组分系统的系统数据信息，得到各所述组分系统的目标数据信息，包括：
识别各所述组分系统的系统类型，并将所述组分系统的系统数据信息，按照数据类型，划分为多个子数据信息；
基于各所述组分系统类型，识别每个影响因素与各所述组分系统之间的关联关系，并针对每个组分系统，基于所述组分系统与各所述影响因素之间的关联关系，识别每个影响因素对应的所述组分系统的目标子数据信息；
基于每个影响因素的影响因素数据，调整所述影响因素对应的目标子数据信息，得到新目标子数据信息，并将各所述新目标子数据信息，替换各所述目标子数据信息，得到所述组分系统的目标数据信息。
可选的，所述基于各所述组分系统的目标数据信息，构建所述目标园区的智能体系系统，包括：
获取初始智能体系系统的各体系层的层功能信息，并识别每个组分系统的各目标数据信息的数据属性；
基于各所述目标数据信息的数据属性，识别各所述目标数据信息对应的体系层，并基于每个体系层的层功能信息，识别每个体系层的运行任务；
基于每个体系层的运行任务、以及每个体系层对应的各目标数据信息，构建每个体系层之间的各目标数据信息的关联信息，并基于每个体系层的各目标数据信息的关联信息，识别各所述体系层之间的各目标数据信息的数据交互策略；
基于各所述体系层之间的各目标数据信息的数据交互策略、以及每个体系层的各目标数据信息之间的关联信息，构建所述目标园区的智能体系系统。
可选的，所述基于各所述目标数据信息的数据属性，识别各所述目标数据信息对应的体系层，包括：
针对每个体系层，基于所述体系层的层功能信息，识别所述体系层的数据需求信息，并基于所述数据需求信息，在数据库中，查询所述数据需求信息对应的区域数据属性；
识别所述区域数据属性中的各目标数据属性，并在各所述目标数据信息对应的数据属性中，筛选与各所述目标数据属性相同的数据属性对应的目标数据信息；
将所述体系层，作为所述目标数据信息对应的体系层。
可选的，所述基于每个体系层的层功能信息，识别每个体系层的运行任务，包括：
针对每个体系层，将所述体系层的层功能信息，按照所述层功能信息包含的功能种类，拆分为多个子功能信息，并识别每个子功能信息对应的数据处理流程；
基于每个子功能信息对应的数据处理流程，生成每个子功能信息对应的子运行任务，并将所有子运行任务，作为所述体系层的运行任务。
可选的，所述基于每个体系层的运行任务、以及每个体系层对应的各目标数据信息，构建每个体系层之间的各目标数据信息的关联信息，包括：
针对每个体系层，基于识别所述体系层的各数据属性对应的所述体系层的运行任务中的子运行任务，并基于每个体系层的运行任务，识别每个体系层之间的关联信息；
基于每个体系层之间的关联信息、以及每个体系层的各数据属性对应的子运行任务，识别每个体系层之间的各关联数据属性；
识别每个体系层的关联数据属性对应的第一目标数据信息，并将各所述第一目标数据信息，作为每个体系层的各目标数据信息之间的关联信息。
可选的，所述基于每个体系层的各目标数据信息的关联信息，识别各所述体系层之间的各目标数据信息的数据交互策略，包括：
针对每两个体系层，基于所述体系层之间的各关联数据属性的子运行任务对应的数据处理流程，识别各所述关联数据属性所需的目标数据信息、以及各所述目标数据信息的需求时间点；
基于每个关联数据属性对应的目标数据信息，识别每个关联数据属性所需的目标数据信息与每个关联数据属性对应的目标数据信息之间的对应关系，并基于每个关联数据属性所需的各目标数据信息的需求时间点、以及每个关联数据属性的目标数据信息的各对应关系，确定各所述关联数据属性对应的体系层之间的各目标数据信息的数据交互策略。
可选的，所述将各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务，包括：
基于各所述组分系统的资源信息，识别各所述组分系统的资源需求信息、以及各所述组分系统的资源持有信息，并基于各所述组分系统的资源需求信息，以及各所述体系层的运行任务，生成各所述体系层的任务目标；
基于各所述组分系统的资源持有信息，识别各所述组分系统的数据调整信息，并基于各所述组分系统的数据调整信息、以及各所述体系层之间的各目标数据信息的数据交互策略，调整体系层的各目标数据信息，得到各所述体系层的运行数据信息；
将每个体系层的任务目标、以及每个体系层的运行数据信息，输入智能体系系统，执行各所述体系层对应的运行任务，得到各所述组分系统的资源配置任务。
可选的，所述基于所述低于预设资源利用率的资源利用率对应的系统的异常资源配置任务，调整所述智能体系系统的资源配置参数，得到新智能体系系统，包括：
计算所述资源利用率与所述预设资源利用率之间的偏差值，并识别所述异常系统的资源配置任务中的各资源配置量；
识别所述偏差值对应的各所述资源配置量的偏差量，并识别每个资源配置量对应的配置体系层；
基于各所述资源配置量的偏差量、以及各所述资源配置量对应的配置体系层，调整各所述配置体系层的运行任务的任务参数，得到各新体系层，并将包含各所述新体系层的智能体系系统，作为新智能体系系统。
第二方面，本申请还提供了一种多组分系统的资源配置装置。所述装置包括：
获取模块，用于获取目标园区的不同组分系统的系统数据信息、各所述组分系统的资源信息、以及所述目标园区所处环境的各影响因素的影响因素数据，并基于每个影响因素的影响因素数据，调整各所述组分系统的系统数据信息，得到各所述组分系统的目标数据信息；
构建模块，用于基于各所述组分系统的目标数据信息，构建所述目标园区的智能体系系统，并将各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务；
监控模块，用于将各所述组分系统的资源调度任务发送至各组分系统，并采集每个组分系统的当前资源调度进度；
调整模块，用于基于各所述组分系统的当前资源调度进度，计算各所述组分系统的当前资源利用率，并在存在资源利用率低于预设资源利用率的情况下，基于所述低于预设资源利用率的资源利用率对应的异常系统的资源配置任务，调整所述智能体系系统的资源配置参数，得到新智能体系系统；
迭代模块，用于识别各所述组分系统的当前资源信息，并将各所述组分系统的当前资源信息，替换各所述组分系统的资源信息，返回执行将各所述组分系统的目标数据信息、各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务步骤，直到完成调度各所述组分系统的资源信息的进度。
可选的，所述获取模块，具体用于：
识别各所述组分系统的系统类型，并将所述组分系统的系统数据信息，按照数据类型，划分为多个子数据信息；
基于各所述组分系统类型，识别每个影响因素与各所述组分系统之间的关联关系，并针对每个组分系统，基于所述组分系统与各所述影响因素之间的关联关系，识别每个影响因素对应的所述组分系统的目标子数据信息；
基于每个影响因素的影响因素数据，调整所述影响因素对应的目标子数据信息，得到新目标子数据信息，并将各所述新目标子数据信息，替换各所述目标子数据信息，得到所述组分系统的目标数据信息。
可选的，所述构建模块，具体用于：
获取初始智能体系系统的各体系层的层功能信息，并识别每个组分系统的各目标数据信息的数据属性；
基于各所述目标数据信息的数据属性，识别各所述目标数据信息对应的体系层，并基于每个体系层的层功能信息，识别每个体系层的运行任务；
基于每个体系层的运行任务、以及每个体系层对应的各目标数据信息，构建每个体系层之间的各目标数据信息的关联信息，并基于每个体系层的各目标数据信息的关联信息，识别各所述体系层之间的各目标数据信息的数据交互策略；
基于各所述体系层之间的各目标数据信息的数据交互策略、以及每个体系层的各目标数据信息之间的关联信息，构建所述目标园区的智能体系系统。
可选的，所述构建模块，具体用于：
针对每个体系层，基于所述体系层的层功能信息，识别所述体系层的数据需求信息，并基于所述数据需求信息，在数据库中，查询所述数据需求信息对应的区域数据属性；
识别所述区域数据属性中的各目标数据属性，并在各所述目标数据信息对应的数据属性中，筛选与各所述目标数据属性相同的数据属性对应的目标数据信息；
将所述体系层，作为所述目标数据信息对应的体系层。
可选的，所述构建模块，具体用于：
针对每个体系层，将所述体系层的层功能信息，按照所述层功能信息包含的功能种类，拆分为多个子功能信息，并识别每个子功能信息对应的数据处理流程；
基于每个子功能信息对应的数据处理流程，生成每个子功能信息对应的子运行任务，并将所有子运行任务，作为所述体系层的运行任务。
可选的，所述构建模块，具体用于：
针对每个体系层，基于识别所述体系层的各数据属性对应的所述体系层的运行任务中的子运行任务，并基于每个体系层的运行任务，识别每个体系层之间的关联信息；
基于每个体系层之间的关联信息、以及每个体系层的各数据属性对应的子运行任务，识别每个体系层之间的各关联数据属性；
识别每个体系层的关联数据属性对应的第一目标数据信息，并将各所述第一目标数据信息，作为每个体系层的各目标数据信息之间的关联信息。
可选的，所述构建模块，具体用于：
针对每两个体系层，基于所述体系层之间的各关联数据属性的子运行任务对应的数据处理流程，识别各所述关联数据属性所需的目标数据信息、以及各所述目标数据信息的需求时间点；
基于每个关联数据属性对应的目标数据信息，识别每个关联数据属性所需的目标数据信息与每个关联数据属性对应的目标数据信息之间的对应关系，并基于每个关联数据属性所需的各目标数据信息的需求时间点、以及每个关联数据属性的目标数据信息的各对应关系，确定各所述关联数据属性对应的体系层之间的各目标数据信息的数据交互策略。
可选的，所述调整模块，具体用于：
基于各所述组分系统的资源信息，识别各所述组分系统的资源需求信息、以及各所述组分系统的资源持有信息，并基于各所述组分系统的资源需求信息，以及各所述体系层的运行任务，生成各所述体系层的任务目标；
基于各所述组分系统的资源持有信息，识别各所述组分系统的数据调整信息，并基于各所述组分系统的数据调整信息、以及各所述体系层之间的各目标数据信息的数据交互策略，调整体系层的各目标数据信息，得到各所述体系层的运行数据信息；
将每个体系层的任务目标、以及每个体系层的运行数据信息，输入智能体系系统，执行各所述体系层对应的运行任务，得到各所述组分系统的资源配置任务。
可选的，所述调整模块，具体用于：
计算所述资源利用率与所述预设资源利用率之间的偏差值，并识别所述异常系统的资源配置任务中的各资源配置量；
识别所述偏差值对应的各所述资源配置量的偏差量，并识别每个资源配置量对应的配置体系层；
基于各所述资源配置量的偏差量、以及各所述资源配置量对应的配置体系层，调整各所述配置体系层的运行任务的任务参数，得到各新体系层，并将包含各所述新体系层的智能体系系统，作为新智能体系系统。
第三方面，本申请提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现第一方面中任一项所述的方法的步骤。
第四方面，本申请提供了一种计算机可读存储介质。其上存储有计算机程序，所述计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
第五方面，本申请提供了一种计算机程序产品。所述计算机程序产品包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
上述多组分系统的资源配置方法、装置、计算机设备和存储介质，通过获取目标园区的不同组分系统的系统数据信息、各所述组分系统的资源信息、以及所述目标园区所处环境的各影响因素的影响因素数据，并基于每个影响因素的影响因素数据，调整各所述组分系统的系统数据信息，得到各所述组分系统的目标数据信息；基于各所述组分系统的目标数据信息，构建所述目标园区的智能体系系统，并将各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务；将各所述组分系统的资源调度任务发送至各组分系统，并采集每个组分系统的当前资源调度进度；基于各所述组分系统的当前资源调度进度，计算各所述组分系统的当前资源利用率，并在存在资源利用率低于预设资源利用率的情况下，基于所述低于预设资源利用率的资源利用率对应的异常系统的资源配置任务，调整所述智能体系系统的资源配置参数，得到新智能体系系统；识别各所述组分系统的当前资源信息，并将各所述组分系统的当前资源信息，替换各所述组分系统的资源信息，返回执行将各所述组分系统的目标数据信息、各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务步骤，直到完成各所述组分系统的资源配置任务。避免了由于生成的资源配置任务不合理从而导致各组分系统的资源利用率降低的问题。本方案通过识别目标园区所属环境的各影响因素从而调整个系统的系统数据信息，避免构建的智能体系系统生成的各组分系统的资源配置任务不符合实际情况的问题。然后，通过实时监控评价，再调整各组分系统的资源配置任务，不仅智能化持续确保各组分系统的资源配置任务对应的资源信息与各组分系统需要的资源信息相匹配持续，并且提升了调度各组分系统的资源信息的灵活度，从而综合提升了多组分系统资源配置的资源利用率。
附图说明
图1为一个实施例中多组分系统的资源配置方法的流程示意图；
图2为一个实施例中多组分系统的资源配置示例的流程示意图；
图3为一个实施例中多组分系统的资源配置装置的结构框图；
图4为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的多组分系统的资源配置方法，可以应用于智能体系系统构建的应用环境中。该方法可以应用于终端，也可以应用于服务器，还可以应用于包括终端和服务器的系统，并通过终端和服务器的交互实现。其中，终端可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等。其中，终端通过识别目标园区所属环境的各影响因素从而调整个系统的系统数据信息，避免构建的智能体系系统生成的各组分系统的资源配置任务不符合实际情况的问题。然后，通过实时监控评价，再调整各组分系统的资源配置任务，不仅智能化持续确保各组分系统的资源配置任务对应的资源信息与各组分系统需要的资源信息相匹配持续，并且提升了调度各组分系统的资源信息的灵活度，从而综合提升了多组分系统资源配置的资源利用率。
在一个实施例中，如图1所示，提供了一种多组分系统的资源配置方法，以该方法应用于终端为例进行说明，包括以下步骤：
步骤S101，获取目标园区的不同组分系统的系统数据信息、各组分系统的资源信息、以及目标园区所处环境的各影响因素的影响因素数据，并基于每个影响因素的影响因素数据，调整各组分系统的系统数据信息，得到各组分系统的目标数据信息。
本实施例中，终端通过接收各组分系统的传输系统数据，得到目标园区的不同组分系统的系统数据信息。其中，目标园区为包含多个不同类型的具有管理功能的系统的区域，例如，智慧城市、智慧园区等。组分系统为组成目标园区的智能复杂体系的子系统，该组分系统包括但不限于是安防系统、能源系统、环保系统、物流系统、以及地信系统等。每个管理系统具有多种管理功能，系统的系统数据信息为该系统的管理功能对应的各功能数据，例如物流系统的物资调度功能对应的数据信息、物资管理功能对应的数据信息、物资调度规划功能对应的数据信息等。其中，该数据信息包括各管理功能的功能参数数据、以及各管理功能的运行数据。然后，终端获取目标园区所处环境的各影响因素的影响因素数据。其中，影响因素为预设的影响各组分系统间资源配置的资源配置量的因素。例如，对物流系统的影响因素包括物流调度人员数量，物流调度人员工作时间、以及物流调度人员工作经验等。可以理解，影响因素包括但不限于人员工作时间影响因素、人员工作经验影响因素、人员工作能力影响因素、人员数量影响因素等。
终端基于每个影响因素的影响因素数据，调整各组分系统的系统数据信息，得到各组分系统的目标数据信息。其中调整各组分系统的系统数据信息的过程后续将详细说明。影响因素的影响因素数据，调整的各组分系统的系统数据信息，为各组分系统的系统数据信息中与各影响因素相关的系统数据信息。
步骤S102，基于各组分系统的目标数据信息，构建目标园区的智能体系系统，并将各组分系统的资源信息，输入智能体系系统，得到各组分系统的资源配置任务。
本实施例中，终端基于各组分系统的目标数据信息，构建目标园区的智能体系系统，并将各组分系统的资源信息，输入智能体系系统，得到各组分系统的资源配置任务。其中智能体系系统为能够智能分配多组分系统的资源信息的智能体系架构框架（Intelligence System of System Architecture Framework，ISSAF），该智能体系架构框架包括多个体系层，其中，体系层包括顶层设计层（Top-DownDesign Layer，TdDL）用于规划各体系层之间的数据流转关系，以及各体系层的运行序列；业务能力层（BusinessCapability Layer，BCL），用于识别各组分系统的系统业务能力，从而判定各组分系统对资源信息的需求量；业务逻辑层（BusinessLogic Layer，BLL），识别各组分系统的不同组分系统功能、以及不同组分系统运行逻辑之间的关联关系，从而分析各组分系统间交互逻辑、以及各组分系统间的资源交互方式；体系资源层（Resource of SoS Layer，RSSL），识别每个组分系统的资源信息种类、以及每个组分系统的资源信息特征，得到每个组分系统的各资源信息类型，从而判定每个组分系统的不同资源信息类型对应的资源信息所适用的各目标系统。与业务能力层（BCL）结合，可以确定各组分系统间的资源信息类型的需求信息、以及各组分系统间的需求的资源信息类型的资源需求量；智能技术层（IntelligentTechnologyLayer，ITL），用于确定各资源信息的调度次序、以及各资源信息的调度方式；业务规则层（Business Rules Layer，BRL），基于各组分系统的资源需求限制信息，调整各组分系统间的资源需求量，得到各组分系统间的需求的资源信息类型的实际资源需求量等。其中各体系层包括各体系层的层功能信息，该层功能信息用于表征该体系层的运行任务，终端通过多个体系层协同处理，得到各组分系统的资源配置任务。具体的获取过程后续将详细说明。
步骤S103，将各组分系统的资源调度任务发送至各组分系统，并采集每个组分系统的当前资源调度进度。
本实施例中，终端将各组分系统的资源调度任务发送至各组分系统，并采集每个组分系统的当前资源调度进度。其中当前资源调度进度用于反映每个组分系统的当前资源使用情况。
步骤S104，基于各组分系统的当前资源调度进度，计算各组分系统的当前资源利用率，并在存在资源利用率低于预设资源利用率的情况下，基于低于预设资源利用率的资源利用率对应的异常系统的资源配置任务，调整智能体系系统的资源配置参数，得到新智能体系系统。
本实施例中，终端基于各组分系统的当前资源调度进度，识别当前分配至各组分系统的资源信息、以及各组分系统对资源信息的使用信息，然后，终端通过计算当前分配至各组分系统的资源信息、与各组分系统对资源信息的使用信息之间的比例，得到各组分系统的当前资源利用率。其中，计算各组分系统的当前资源利用率为通过预设于终端的标准评估层（Standard Specification and Estimate Layer，SSEL）包含的算法对各组分系统的当前资源利用率进行计算。
终端预设资源利用率，并判断是否存在低于预设资源利用的资源利用率的系统，并在存在资源利用率低于预设资源利用率的情况下，终端基于低于预设资源利用率的资源利用率对应的异常系统的资源配置任务，调整智能体系系统的资源配置参数，得到新智能体系系统。其中资源配置参数为各体系层的运行任务的任务参数。具体的调整过程后续将详细说明。
步骤S105，识别各组分系统的当前资源信息，并将各组分系统的当前资源信息，替换各组分系统的资源信息，返回执行将各组分系统的目标数据信息、各组分系统的资源信息，输入智能体系系统，得到各组分系统的资源配置任务步骤，直到完成调度各组分系统的资源信息的进度。
本实施例中，终端识别各组分系统的当前资源信息，并将各组分系统的当前资源信息，替换各组分系统的资源信息，返回执行将各组分系统的目标数据信息、各组分系统的资源信息，输入智能体系系统，得到各组分系统的资源配置任务步骤，直到完成调度各组分系统的资源信息的进度。其中，识别各组分系统的当前资源信息的方式为，通过采集各组分系统的当前资源调度进度，识别各组分系统已使用的资源信息，并计算各组分系统的资源配置任务对应的总资源信息与各组分系统已使用的资源信息之间的差值，得到各组分系统的当前资源信息。
基于上述方案，通过识别目标园区所属环境的各影响因素从而调整个系统的系统数据信息，避免构建的智能体系系统生成的各组分系统的资源配置任务不符合实际情况的问题，提升了构建的智能体系系统的实际性，以及智能体系系统生成的各组分系统的资源配置任务的精准度，然后，通过实时监控评价，再调整各组分系统的资源配置任务，不仅确保各组分系统的资源利用率持续保持稳定标准，并且提升了各组分系统的资源配置任务的灵活度，从而综合提升了多组分系统资源配置的资源利用率。
可选的，基于每个影响因素的影响因素数据，调整各组分系统的系统数据信息，得到各组分系统的目标数据信息，包括：识别各组分系统的系统类型，并将系统的系统数据信息，按照数据类型，划分为多个子数据信息；基于各组分系统类型，识别每个影响因素与各组分系统之间的关联关系，并针对每个组分系统，基于系统与各影响因素之间的关联关系，识别每个影响因素对应的系统的目标子数据信息；基于每个影响因素的影响因素数据，调整影响因素对应的目标子数据信息，得到新目标子数据信息，并将各新目标子数据信息，替换各目标子数据信息，得到系统的目标数据信息。
本实施例中，终端识别各组分系统的系统类型，并将系统的系统数据信息，按照数据类型，划分为多个子数据信息。其中系统类型用于表征该系统的种类，例如安保类型、物流类型、能源管理类型、环保类型等，系统数据信息的数据类型为该系统数据信息所属的系统的管理功能的类型，例如，物流系统的系统数据信息的数据类型包括，物资调度数据类型、物资管理数据类型、以及物资调度规划数据类型。
然后，终端基于各组分系统类型，识别每个影响因素与各组分系统之间的关联关系。具体的，终端响应于用户的影响因素对应关系上传操作，获取影响因素与各组分系统类型之间的对应关系，并识别每个影响因素对应的系统，并将每个影响因素与该系统的系统类型之间的对应关系，作为每个影响因素与该系统的关联关系。
再后，终端针对每个组分系统，基于系统与各影响因素之间的关联关系，识别每个影响因素对应的系统的目标子数据信息。具体的，终端通过语义特征提取网络，提取各影响因素与各组分系统的系统类型之间的对应关系的关系文本中的第一语义特征，并在各组分系统的数据库中，查询各组分系统的子数据信息的数据类型对应的汉译文本信息，从而通过文字语义识别网络进行语义识别，得到各子数据信息的第二语义特征。然后，终端计算每个第一语义特征与每个第二语义特征之间的相似度距离，并筛选大于预设于终端的相似度距离阈值的相似度距离对应的第二语义特征所属的子数据信息，作为每个影响因素对应的系统的目标子数据信息。
例如，影响因素为人员数量影响因素，物流系统的系统数据信息包括物资调度数据类型的子数据信息、物资管理数据类型子数据信息、以及物资调度规划数据类型子数据信息。而人员数量影响因素对物流类型之间的对应关系包括人员数量与物资调度速率关系、人员数量与物资调度时长关系，则终端计算“人员数量与物资调度速率关系”的语义特征、“人员数量与物资调度时长关系”语义特征，与物资调度数据类型的语义特征、物资管理数据类型的语义特征、以及物资调度规划数据类型的语义特征之间的相似度，并筛选相似度大于相似度阈值的数据类型对应的子数据信息，作为该影响因素对应的目标子数据信息。其中相似度计算方式为通过相似度距离算法进行计算，例如，欧式距离算法、马氏距离算法等。其中，识别各数据类型、以及对应关系的语义信息的过程为，通过在数据库中查询各数据类型对应的含义文本信息、以及对应关系对应的文本信息，从而通过文字语义识别网络进行语义识别。
再后，终端预设每个影响因素的数据调整策略。然后，终端基于每个影响因素的影响因素数据、以及每个影响因素对应的目标子数据信息，通过每个影响因素的数据调整策略，调整每个影响因素对应的目标子数据信息，得到新目标子数据信息，并将各新目标子数据信息，替换各目标子数据信息，得到系统的目标数据信息。具体的，数据调整策略为单位影响因素数据变量与单位目标子数据信息变量的对应关系。
基于上述方案，通过考虑各影响因素对应的影响因素数据，对各组分系统的系统数据信息的影响，从而调整各组分系统的系统数据信息，提升了得到的系统的目标数据信息的实际性与精准度。
可选的，基于各组分系统的目标数据信息，构建目标园区的智能体系系统，包括：获取初始智能体系系统的各体系层的层功能信息，并识别每个组分系统的各目标数据信息的数据属性；基于各目标数据信息的数据属性，识别各目标数据信息对应的体系层，并基于每个体系层的层功能信息，识别每个体系层的运行任务；基于每个体系层的运行任务、以及每个体系层对应的各目标数据信息，构建每个体系层之间的各目标数据信息的关联信息，并基于每个体系层的各目标数据信息的关联信息，识别各体系层的各目标数据信息的数据交互策略；基于各体系层的各目标数据信息的数据交互策略、以及每个体系层的各目标数据信息之间的关联信息，构建目标园区的智能体系系统。
本实施例中，终端获取初始智能体系系统的各体系层的层功能信息，并识别每个组分系统的各目标数据信息的数据属性。其中，数据属性的识别过程为，将各所述组分系统的目标数据信息进行逻辑化处理，得到各目标数据信息对应的逻辑数据信息，然后，终端识别每个逻辑数据信息的属性信息，得到每个目标数据信息的数据属性。其中逻辑数据信息为每个目标数据信息的数据特征信息，属性信息为数据特征信息包含的特征语义信息。其中每个组分系统的逻辑处理方式为通过提取该系统的各目标数据信息的数据特征，得到每个目标数据的逻辑数据信息，然后，终端通过识别该逻辑数据信息对应的文本信息，并通过语义识别网络，识别该文本信息包含的语义信息，得到该逻辑数据信息的属性信息。例如，物流系统的各目标数据信息的数据类型包括：物资调度数据类型、以及物资调度规划数据类型；目标数据信息的逻辑数据信息包括：物资调度数据类型数据信息对应的逻辑数据信息为物资调度能力数据信息、物资调度能力愿景数据信息、物资调度与资源数目对应关系数据信息；物资调度规划数据类型的数据信息对应的逻辑数据信息为物资体系规划数据信息、物资任务与物资分配规则数据信息、以及物资调度任务组成结构数据信息。然后，逻辑数据信息对应的属性信息包括，物资调度数据类型数据信息对应的逻辑数据信息的属性信息为：物资调度能力数据信息的属性信息为能力基线属性信息、物资调度能力愿景数据信息的属性信息为能力愿景属性、物资调度与资源数目对应关系数据信息的属性信息为任务与体系资源映射关系属性；物资调度规划数据类型的数据信息对应的逻辑数据信息的属性信息为：物资体系规划数据信息的属性信息为体系规划属性、物资任务与物资分配规则数据信息的属性信息为任务与规则关联关系属性、以及物资调度任务组成结构数据信息的属性信息为任务组成结构关系属性。
然后，终端基于各目标数据信息的数据属性，识别各目标数据信息对应的体系层，并基于每个体系层的层功能信息，识别每个体系层的运行任务。再后。终端基于每个体系层的运行任务、以及每个体系层对应的各目标数据信息，构建每个体系层之间的各目标数据信息的关联信息。其中关联关系用于表征各体系层之间的数据信息交互方式、以及数据信息交互流程。
再后，终端基于每个体系层的各目标数据信息的关联信息，识别各体系层的各目标数据信息的数据交互策略。其中，该数据交互策略表征各体系层指甲的数据信息交互流程对应的各数据信息的交互方式。最后，终端基于各体系层的各目标数据信息的数据交互策略、以及每个体系层的各目标数据信息之间的关联信息，构建目标园区的智能体系系统。具体的构建过程后续将详细说明。
基于上述方案，通过每个目标园区的目标数据信息，构建各目标园区的智能体系系统，提升了智能体系系统对目标园区的资源配置的合理性和精准度。
可选的，基于各目标数据信息对应的数据属性，识别每个目标数据信息对应的体系层，包括：针对每个体系层，基于体系层的层功能信息，识别体系层的数据需求信息，并基于数据需求信息，在数据库中，查询数据需求信息对应的区域数据属性；识别区域数据属性中的各目标数据属性，并在各目标数据信息对应的数据属性中，筛选与各目标数据属性相同的数据属性对应的目标数据信息；将体系层，作为目标数据信息对应的体系层。
本实施例中，终端针对每个体系层，基于体系层的层功能信息，识别体系层的数据需求信息，并基于数据需求信息，在数据库中，查询数据需求信息对应的区域数据属性。其中层功能信息为文本信息形式，该文本信息包括该体系层的数据需求信息、以及该体系层的各功能种类的集合。然后，终端识别区域数据属性中的各目标数据属性，并在各目标数据信息对应的数据属性中，筛选与各目标数据属性相同的数据属性对应的目标数据信息，作为体系层对应的目标数据信息。其区域数据属性为该体系层所需要的各数据属性的集合。例如，业务逻辑层的区域数据属性包括七个，分别为业务概念图属性（BLL-1）、组织机构关系属性（BLL-2）、业务需求分解属性（BLL-3）、业务线程属性（BLL-4）、任务与规则关联关系属性（BLL-5）、任务与组织机构映射关系（BLL-6）与任务与体系资源映射关系属性（BLL-7）。
基于上述方案，通过数据属性确定各目标数据信息对应的体系层，从而提升了将各组分系统的目标数据信息配置各体系层的配置效率。
可选的，基于每个体系层的层功能信息，识别每个体系层的运行任务，包括：针对每个体系层，将体系层的层功能信息，按照层功能信息包含的功能种类，拆分为多个子功能信息，并识别每个子功能信息对应的数据处理流程；基于每个子功能信息对应的数据处理流程，生成每个子功能信息对应的子运行任务，并将所有子运行任务，作为体系层的运行任务。
本实施例中，终端针对每个体系层，将体系层的层功能信息，按照层功能信息包含的功能种类，拆分为多个子功能信息，并识别每个子功能信息对应的数据处理流程。其中功能种类包括该系统的各任务方向对应的功能，例如，业务逻辑层的层功能信息包括描述瞄准任务目标的智能体系任务组成结构关系、业务活动层次关系、过程事件跟踪以及与其他体系层的各数据信息之间的映射关系，则该层功能信息对应的各功能种类包括，描述瞄准任务目标的智能体系任务组成结构关系功能、描述业务活动层次关系功能、过程事件跟踪功能、维持其他体系层的各数据信息之间的映射关系功能。
然后，终端基于每个子功能信息对应的数据处理流程，生成每个子功能信息对应的子运行任务。其中每个子功能信息对应的数据处理流程为终端通过查询预设于各体系层数据库中的功能信息与数据处理流程的对应关系，得到的各子功能信息对应的数据处理流程。最后终端将所有子运行任务，作为体系层的运行任务。
基于上述方案，通过功能信息差分体系层的运行任务，提升了运行任务的可拆分度、以及运行任务的拆分精准度。
可选的，基于每个体系层的运行任务、以及每个体系层对应的各目标数据信息，构建每个体系层之间的各目标数据信息之间的关联信息，包括：针对每个体系层，基于识别体系层的各数据属性对应的体系层的运行任务中的子运行任务，并识别基于每个体系层的运行任务，识别每个体系层之间的关联信息；基于每个体系层之间的关联信息、以及每个体系层的各数据属性对应的子运行任务，识别每个体系层之间的各关联数据属性；识别每个体系层的关联数据属性对应的第一目标数据信息，并将各第一目标数据信息，作为每个体系层的各目标数据信息之间的关联信息。
本实施例中，终端针对每个体系层，识别体系层的各数据属性对应的体系层的运行任务中的子运行任务，并基于每个体系层的运行任务，识别每个体系层之间的关联信息。其中，该关联信息为目标数据信息，该目标数据信息为数据属性为与其他各体系层映射关系属性。例如，业务逻辑层的区域数据属性包括七个，分别为业务概念图属性（BLL-1）、组织机构关系属性（BLL-2）、业务需求分解属性（BLL-3）、业务线程属性（BLL-4）、任务与规则关联关系属性（BLL-5）、任务与组织机构映射关系（BLL-6）、与各体系层映射关系属性（BLL-7），业务逻辑层的各子运行任务对应的子功能信息包括描述瞄准任务目标的智能体系任务组成结构关系功能、描述业务活动层次关系功能、过程事件跟踪功能、维持其他体系层的各数据信息之间的映射关系功能。终端通过每个功能所需的数据属性，从而确定各数据属性对应的子运行任务。例如，描述业务活动层次关系功能所需的数据属性包括任务与规则关联关系属性（BLL-5）、任务与组织机构映射关系（BLL-6）与任务与体系资源映射关系属性（BLL-7）。其中每个功能、与各功能所需的数据属性之间的关联关系预设于各体系层的数据库。
终端基于每个体系层之间的关联信息、以及每个体系层的各数据属性对应的子运行任务，识别每个体系层之间的各关联数据属性。例如，业务逻辑层的关联数据属性为，维持其他体系层的各数据信息之间的映射关系功能对应的数据属性。
最后，终端识别每个体系层的关联数据属性对应的第一目标数据信息，并将各第一目标数据信息，作为每个第一目标数据信息映射的体系层的各目标数据信息的关联信息。
基于上述方案，通过识别各体系层的子运行任务和数据属性之间的对应关系，从而筛选的各体系层的目标数据信息中，关联数据属性的第一目标数据信息，作为每个体系层的各目标数据信息之间的关联信息，提升了各体系层之间的关联度。
可选的，基于每个体系层的各目标数据信息的关联信息，识别各体系层之间的各目标数据信息的数据交互策略，包括：针对每两个体系层，基于体系层之间的各关联数据属性的子运行任务对应的数据处理流程，识别各关联数据属性所需的目标数据信息、以及各目标数据信息的需求时间点；基于每个关联数据属性对应的目标数据信息，识别每个关联数据属性所需的目标数据信息与每个关联数据属性对应的目标数据信息之间的对应关系，并基于每个关联数据属性所需的各目标数据信息的需求时间点、以及每个关联数据属性的目标数据信息的各对应关系，确定各关联数据属性对应的体系层之间的各目标数据信息的数据交互策略。
本实施例中，终端针对每两个体系层，基于体系层之间的各关联数据属性的子运行任务对应的数据处理流程，识别各关联数据属性所需的数据信息、以及各数据信息的需求时间点。其中数据处理流程包含子运行任务所需的目标数据信息，以及每个数据信息对应的流程节点，终端将子运行任务所需的目标数据信息，作为该子运行任务对应的关联数据属性所需的目标数据信息，然后，终端识别各流程节点对应的时间点，并将每个目标数据信息对应的流程节点的时间点，作为每个目标数据信息的需求时间点。
然后，终端基于每个关联数据属性的子运行任务中，每个关联数据属性所需的目标数据信息对应的流程节点的数据交互流程，作为每个关联数据属性的目标数据信息与每个关联数据属性所需的目标数据信息之间的对应关系。再后，终端基于每个关联数据属性所需的目标数据信息的需求时间点，将每个关联数据属性的目标数据信息与每个关联数据属性所需的各目标数据信息之间的对应关系进行排列处理，得到每个关联数据属性对应的目标数据信息的对应关系序列。最后，终端将每个关联数据属性对应的目标数据信息的对应关系序列，作为每个关联数据属性对应的体系层之间的各目标数据信息的数据交互策略。
基于上述方案，通过识别各关联数据属性的需求信息，从而建立各体系层之间的目标数据信息的数据交互策略，提升了构建各体系层之间的各目标数据信息的数据交互策略。
可选的，将各组分系统的资源信息，输入智能体系系统，得到各组分系统的资源配置任务，包括：基于各组分系统的资源信息，识别各组分系统的资源需求信息、以及各组分系统的资源持有信息，并基于各组分系统的资源需求信息，以及各体系层的运行任务，生成各体系层的任务目标；基于各组分系统的资源持有信息，识别各组分系统的数据调整信息，并基于各组分系统的数据调整信息、以及各体系层的各目标数据信息的数据交互策略，调整体系层的各目标数据信息，得到各体系层的运行数据信息；将每个体系层的任务目标、以及每个体系层的运行数据信息，输入智能体系系统，执行各体系层对应的运行任务，得到各组分系统的资源配置任务。
本实施例中，终端基于各组分系统的资源信息，识别各组分系统的资源需求信息、以及各组分系统的资源持有信息，并基于各组分系统的资源需求信息，以及各体系层的运行任务，生成各体系层的任务目标。
然后，终端基于各组分系统的资源持有信息，识别各组分系统的数据调整信息，并基于各组分系统的数据调整信息、以及各体系层的各目标数据信息的数据交互策略，调整体系层的各目标数据信息，得到各体系层的运行数据信息。
其中，各组分系统的资源持有信息为各组分系统的目标数据信息中与资源相关的目标数据信息的数据值。终端通过识别系统的资源持有信息对应的目标数据信息，并将该资源持有信息对应的资源值与该目标数据信息的数据值之间的差值，作为该系统的数据调整信息。
最后，终端将每个体系层的任务目标、以及每个体系层的运行数据信息，输入智能体系系统，执行各体系层对应的运行任务，得到配置各组分系统的资源配置量，然后终端生成每个资源配置量对应的子配置任务，得到各组分系统的资源配置任务。其中，每个资源配置量对应一个体系层，该资源配置量用于表征其他系统配置于该系统的资源量、或该系统配置于其他系统的资源量。
基于上述方案，通过调整各组分系统的资源持有信息对应的目标数据信息的数据值，并各组分系统的资源需求信息，确定各体系层的运行目标，提升了计算各组分系统的资源配置任务的精准度。
可选的，基于低于预设资源利用率的资源利用率对应的系统的异常资源配置任务，调整智能体系系统的资源配置参数，得到新智能体系系统，包括：计算资源利用率与预设资源利用率之间的偏差值，并识别异常系统的资源配置任务中的各资源配置量；计算偏差值对应的各资源配置量的偏差量，并识别每个资源配置量对应的配置体系层；基于各资源配置量的偏差量、以及各资源配置量对应的配置体系层，调整各配置体系层的运行任务的任务参数，得到各新体系层，并将包含各新体系层的智能体系系统，作为新智能体系系统。
本实施例中，终端计算资源利用率与预设资源利用率之间的偏差值，并识别异常系统的资源配置任务中的各资源配置量。然后，终端识别该偏差值对应的各资源配置量的偏差量，并识别每个资源配置量对应的配置体系层。其中偏差量包含正偏差量、以及负偏差量。
终端基于各资源配置量的偏差量、以及各资源配置量对应的配置体系层，调整各配置体系层的运行任务的任务参数，得到各新体系层，并将包含各新体系层的智能体系系统，作为新智能体系系统。
具体的，终端识别配置体系层的运行任务所包含的各任务参数，并识别各所述任务参数中，与配置资源配置量相对应的任务参数作为目标任务参数。其中每个任务参数对应体系层的一个子功能信息的功能参数。然后，终端计算该资源配置量与该资源配置量的偏差量之和对应的目标资源配置量，再后终端，基于该目标资源配置量所属的系统的资源信息、以及该目标资源配置量，通过该配置体系层的目标任务参数对应的目标功能信息的逆推运算策略，确定该目标资源配置量对应的该目标功能信息的新任务参数。最后，终端将该新任务参数替换目标功能参数，完成调整各配置体系层的运行任务的任务参数步骤。
基于上述方案，通过调整各资源配置量的偏差量对应的目标体系层的运行任务的任务参数，提升了智能体系系统的配置精准度。
本申请还提供了一种多组分系统的资源配置示例，如图2所示，具体处理过程包括以下步骤：
步骤S201，获取目标园区的不同组分系统的系统数据信息、各组分系统的资源信息、以及目标园区所处环境的各影响因素的影响因素数据。
步骤S202，识别各组分系统的系统类型，并将系统的系统数据信息，按照数据类型，划分为多个子数据信息。
步骤S203，基于各组分系统类型，识别每个影响因素与各组分系统之间的关联关系，并针对每个组分系统，基于系统与各影响因素之间的关联关系，识别每个影响因素对应的系统的目标子数据信息。
步骤S204，基于每个影响因素的影响因素数据，调整影响因素对应的目标子数据信息，得到新目标子数据信息，并将各新目标子数据信息，替换各目标子数据信息，得到系统的目标数据信息。
步骤S205，获取初始智能体系系统的各体系层的层功能信息，并识别每个组分系统的各目标数据信息的数据属性。
步骤S206，针对每个体系层，基于体系层的层功能信息，识别体系层的数据需求信息，并基于数据需求信息，在数据库中，查询数据需求信息对应的区域数据属性。
步骤S207，识别区域数据属性中的各目标数据属性，并在各目标数据信息对应的数据属性中，筛选与各目标数据属性相同的数据属性对应的目标数据信息。
步骤S208，将体系层，作为目标数据信息对应的体系层。
步骤S209，针对每个体系层，将体系层的层功能信息，按照层功能信息包含的功能种类，拆分为多个子功能信息，并识别每个子功能信息对应的数据处理流程。
步骤S210，基于每个子功能信息对应的数据处理流程，生成每个子功能信息对应的子运行任务，并将所有子运行任务，作为体系层的运行任务。
步骤S211，针对每个体系层，基于识别体系层的各数据属性对应的体系层的运行任务中的子运行任务，并基于每个体系层的运行任务，识别每个体系层之间的关联信息。
步骤S212，基于每个体系层之间的关联信息、以及每个体系层的各数据属性对应的子运行任务，识别每个体系层之间的各关联数据属性。
步骤S213，识别每个体系层的关联数据属性对应的第一目标数据信息，并将各第一目标数据信息，作为每个体系层的各目标数据信息之间的关联信息。
步骤S214，针对每两个体系层，基于体系层之间的各关联数据属性的子运行任务对应的数据处理流程，识别各关联数据属性所需的目标数据信息、以及各目标数据信息的需求时间点。
步骤S215，基于每个关联数据属性对应的目标数据信息，识别每个关联数据属性所需的目标数据信息与每个关联数据属性对应的目标数据信息之间的对应关系，并基于每个关联数据属性所需的各目标数据信息的需求时间点、以及每个关联数据属性的目标数据信息的各对应关系，确定各关联数据属性对应的体系层之间的各目标数据信息的数据交互策略。
步骤S216，基于各体系层之间的各目标数据信息的数据交互策略、以及每个体系层的各目标数据信息之间的关联信息，构建目标园区的智能体系系统。
步骤S217，基于各组分系统的资源信息，识别各组分系统的资源需求信息、以及各组分系统的资源持有信息，并基于各组分系统的资源需求信息，以及各体系层的运行任务，生成各体系层的任务目标。
步骤S218，基于各组分系统的资源持有信息，识别各组分系统的数据调整信息，并基于各组分系统的数据调整信息、以及各体系层之间的各目标数据信息的数据交互策略，调整体系层的各目标数据信息，得到各体系层的运行数据信息。
步骤S219，将每个体系层的任务目标、以及每个体系层的运行数据信息，输入智能体系系统，执行各体系层对应的运行任务，得到各组分系统的资源配置任务。
步骤S220，基于各组分系统的当前资源调度进度，计算各组分系统的当前资源利用率。
步骤S221，在存在资源利用率低于预设资源利用率的情况下，计算资源利用率与预设资源利用率之间的偏差值，并识别异常系统的资源配置任务中的各资源配置量。
步骤S222，识别偏差值对应的各资源配置量的偏差量，并识别每个资源配置量对应的配置体系层。
步骤S223，基于各资源配置量的偏差量、以及各资源配置量对应的配置体系层，调整各配置体系层的运行任务的任务参数，得到各新体系层，并将包含各新体系层的智能体系系统，作为新智能体系系统。
步骤S224，识别各组分系统的当前资源信息，并将各组分系统的当前资源信息，替换各组分系统的资源信息，返回执行将各组分系统的目标数据信息、各组分系统的资源信息，输入智能体系系统，得到各组分系统的资源配置任务步骤，直到完成调度各组分系统的资源信息的进度。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的多组分系统的资源配置方法的多组分系统的资源配置装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个多组分系统的资源配置装置实施例中的具体限定可以参见上文中对于多组分系统的资源配置方法的限定，在此不再赘述。
在一个实施例中，如图3所示，提供了一种多组分系统的资源配置装置，包括：获取模块310、构建模块320、监控模块330、调整模块340和迭代模块350，其中：
获取模块310，用于获取目标园区的不同组分系统的系统数据信息、各所述组分系统的资源信息、以及所述目标园区所处环境的各影响因素的影响因素数据，并基于每个影响因素的影响因素数据，调整各所述组分系统的系统数据信息，得到各所述组分系统的目标数据信息；
构建模块320，用于基于各所述组分系统的目标数据信息，构建所述目标园区的智能体系系统，并将各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务；
监控模块330，用于将各所述组分系统的资源调度任务发送至各组分系统，并采集每个组分系统的当前资源调度进度；
调整模块340，用于基于各所述组分系统的当前资源调度进度，计算各所述组分系统的当前资源利用率，并在存在资源利用率低于预设资源利用率的情况下，基于所述低于预设资源利用率的资源利用率对应的异常系统的资源配置任务，调整所述智能体系系统的资源配置参数，得到新智能体系系统；
迭代模块350，用于识别各所述组分系统的当前资源信息，并将各所述组分系统的当前资源信息，替换各所述组分系统的资源信息，返回执行将各所述组分系统的目标数据信息、各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务步骤，直到完成调度各所述组分系统的资源信息的进度。
可选的，所述获取模块310，具体用于：
识别各所述组分系统的系统类型，并将所述组分系统的系统数据信息，按照数据类型，划分为多个子数据信息；
基于各所述组分系统类型，识别每个影响因素与各所述组分系统之间的关联关系，并针对每个组分系统，基于所述组分系统与各所述影响因素之间的关联关系，识别每个影响因素对应的所述组分系统的目标子数据信息；
基于每个影响因素的影响因素数据，调整所述影响因素对应的目标子数据信息，得到新目标子数据信息，并将各所述新目标子数据信息，替换各所述目标子数据信息，得到所述组分系统的目标数据信息。
可选的，所述构建模块320，具体用于：
获取初始智能体系系统的各体系层的层功能信息，并识别每个组分系统的各目标数据信息的数据属性；
基于各所述目标数据信息的数据属性，识别各所述目标数据信息对应的体系层，并基于每个体系层的层功能信息，识别每个体系层的运行任务；
基于每个体系层的运行任务、以及每个体系层对应的各目标数据信息，构建每个体系层之间的各目标数据信息的关联信息，并基于每个体系层的各目标数据信息的关联信息，识别各所述体系层之间的各目标数据信息的数据交互策略；
基于各所述体系层之间的各目标数据信息的数据交互策略、以及每个体系层的各目标数据信息之间的关联信息，构建所述目标园区的智能体系系统。
可选的，所述构建模块320，具体用于：
针对每个体系层，基于所述体系层的层功能信息，识别所述体系层的数据需求信息，并基于所述数据需求信息，在数据库中，查询所述数据需求信息对应的区域数据属性；
识别所述区域数据属性中的各目标数据属性，并在各所述目标数据信息对应的数据属性中，筛选与各所述目标数据属性相同的数据属性对应的目标数据信息；
将所述体系层，作为所述目标数据信息对应的体系层。
可选的，所述构建模块320，具体用于：
针对每个体系层，将所述体系层的层功能信息，按照所述层功能信息包含的功能种类，拆分为多个子功能信息，并识别每个子功能信息对应的数据处理流程；
基于每个子功能信息对应的数据处理流程，生成每个子功能信息对应的子运行任务，并将所有子运行任务，作为所述体系层的运行任务。
可选的，所述构建模块320，具体用于：
针对每个体系层，基于识别所述体系层的各数据属性对应的所述体系层的运行任务中的子运行任务，并基于每个体系层的运行任务，识别每个体系层之间的关联信息；
基于每个体系层之间的关联信息、以及每个体系层的各数据属性对应的子运行任务，识别每个体系层之间的各关联数据属性；
识别每个体系层的关联数据属性对应的第一目标数据信息，并将各所述第一目标数据信息，作为每个体系层的各目标数据信息之间的关联信息。
可选的，所述构建模块320，具体用于：
针对每两个体系层，基于所述体系层之间的各关联数据属性的子运行任务对应的数据处理流程，识别各所述关联数据属性所需的目标数据信息、以及各所述目标数据信息的需求时间点；
基于每个关联数据属性对应的目标数据信息，识别每个关联数据属性所需的目标数据信息与每个关联数据属性对应的目标数据信息之间的对应关系，并基于每个关联数据属性所需的各目标数据信息的需求时间点、以及每个关联数据属性的目标数据信息的各对应关系，确定各所述关联数据属性对应的体系层之间的各目标数据信息的数据交互策略。
可选的，所述调整模块340，具体用于：
基于各所述组分系统的资源信息，识别各所述组分系统的资源需求信息、以及各所述组分系统的资源持有信息，并基于各所述组分系统的资源需求信息，以及各所述体系层的运行任务，生成各所述体系层的任务目标；
基于各所述组分系统的资源持有信息，识别各所述组分系统的数据调整信息，并基于各所述组分系统的数据调整信息、以及各所述体系层之间的各目标数据信息的数据交互策略，调整体系层的各目标数据信息，得到各所述体系层的运行数据信息；
将每个体系层的任务目标、以及每个体系层的运行数据信息，输入智能体系系统，执行各所述体系层对应的运行任务，得到各所述组分系统的资源配置任务。
可选的，所述调整模块340，具体用于：
计算所述资源利用率与所述预设资源利用率之间的偏差值，并识别所述异常系统的资源配置任务中的各资源配置量；
识别所述偏差值对应的各所述资源配置量的偏差量，并识别每个资源配置量对应的配置体系层；
基于各所述资源配置量的偏差量、以及各所述资源配置量对应的配置体系层，调整各所述配置体系层的运行任务的任务参数，得到各新体系层，并将包含各所述新体系层的智能体系系统，作为新智能体系系统。
上述多组分系统的资源配置装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、移动蜂窝网络、NFC（近场通信）或其他技术实现。该计算机程序被处理器执行时以实现一种多组分系统的资源配置方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现第一方面中任一项所述的方法的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现第一方面中任一项所述的方法的步骤。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive RandomAccess Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（PhaseChange Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（StaticRandom Access Memory，SRAM）或动态随机存取存储器（Dynamic Random AccessMemory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (13)
1.一种多组分系统的资源配置方法，其特征在于，所述方法包括：
获取目标园区的不同组分系统的系统数据信息、各所述组分系统的资源信息、以及所述目标园区所处环境的各影响因素的影响因素数据，并基于每个影响因素的影响因素数据，调整各所述组分系统的系统数据信息，得到各所述组分系统的目标数据信息；
基于各所述组分系统的目标数据信息，构建所述目标园区的智能体系系统，并将各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务；
将各所述组分系统的资源调度任务发送至各组分系统，并采集每个组分系统的当前资源调度进度；
基于各所述组分系统的当前资源调度进度，计算各所述组分系统的当前资源利用率，并在存在资源利用率低于预设资源利用率的情况下，基于所述低于预设资源利用率的资源利用率对应的异常系统的资源配置任务，调整所述智能体系系统的资源配置参数，得到新智能体系系统；
识别各所述组分系统的当前资源信息，并将各所述组分系统的当前资源信息，替换各所述组分系统的资源信息，返回执行将各所述组分系统的目标数据信息、各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务步骤，直到完成调度各所述组分系统的资源信息的进度。
2.根据权利要求1所述的方法，其特征在于，所述基于每个影响因素的影响因素数据，调整各所述组分系统的系统数据信息，得到各所述组分系统的目标数据信息，包括：
识别各所述组分系统的系统类型，并将所述组分系统的系统数据信息，按照数据类型，划分为多个子数据信息；
基于各所述组分系统类型，识别每个影响因素与各所述组分系统之间的关联关系，并针对每个组分系统，基于所述组分系统与各所述影响因素之间的关联关系，识别每个影响因素对应的所述组分系统的目标子数据信息；
基于每个影响因素的影响因素数据，调整所述影响因素对应的目标子数据信息，得到新目标子数据信息，并将各所述新目标子数据信息，替换各所述目标子数据信息，得到所述组分系统的目标数据信息。
3.根据权利要求1所述的方法，其特征在于，所述基于各所述组分系统的目标数据信息，构建所述目标园区的智能体系系统，包括：
获取初始智能体系系统的各体系层的层功能信息，并识别每个组分系统的各目标数据信息的数据属性；
基于各所述目标数据信息的数据属性，识别各所述目标数据信息对应的体系层，并基于每个体系层的层功能信息，识别每个体系层的运行任务；
基于每个体系层的运行任务、以及每个体系层对应的各目标数据信息，构建每个体系层之间的各目标数据信息的关联信息，并基于每个体系层的各目标数据信息的关联信息，识别各所述体系层之间的各目标数据信息的数据交互策略；
基于各所述体系层之间的各目标数据信息的数据交互策略、以及每个体系层的各目标数据信息之间的关联信息，构建所述目标园区的智能体系系统。
4.根据权利要求3所述的方法，其特征在于，所述基于各所述目标数据信息的数据属性，识别各所述目标数据信息对应的体系层，包括：
针对每个体系层，基于所述体系层的层功能信息，识别所述体系层的数据需求信息，并基于所述数据需求信息，在数据库中，查询所述数据需求信息对应的区域数据属性；
识别所述区域数据属性中的各目标数据属性，并在各所述目标数据信息对应的数据属性中，筛选与各所述目标数据属性相同的数据属性对应的目标数据信息；
将所述体系层，作为所述目标数据信息对应的体系层。
5.根据权利要求3所述的方法，其特征在于，所述基于每个体系层的层功能信息，识别每个体系层的运行任务，包括：
针对每个体系层，将所述体系层的层功能信息，按照所述层功能信息包含的功能种类，拆分为多个子功能信息，并识别每个子功能信息对应的数据处理流程；
基于每个子功能信息对应的数据处理流程，生成每个子功能信息对应的子运行任务，并将所有子运行任务，作为所述体系层的运行任务。
6.根据权利要求3所述的方法，其特征在于，所述基于每个体系层的运行任务、以及每个体系层对应的各目标数据信息，构建每个体系层之间的各目标数据信息的关联信息，包括：
针对每个体系层，基于识别所述体系层的各数据属性对应的所述体系层的运行任务中的子运行任务，并基于每个体系层的运行任务，识别每个体系层之间的关联信息；
基于每个体系层之间的关联信息、以及每个体系层的各数据属性对应的子运行任务，识别每个体系层之间的各关联数据属性；
识别每个体系层的关联数据属性对应的第一目标数据信息，并将各所述第一目标数据信息，作为每个体系层的各目标数据信息之间的关联信息。
7.根据权利要求3所述的方法，其特征在于，所述基于每个体系层的各目标数据信息的关联信息，识别各所述体系层之间的各目标数据信息的数据交互策略，包括：
针对每两个体系层，基于所述体系层之间的各关联数据属性的子运行任务对应的数据处理流程，识别各所述关联数据属性所需的目标数据信息、以及各所述目标数据信息的需求时间点；
基于每个关联数据属性对应的目标数据信息，识别每个关联数据属性所需的目标数据信息与每个关联数据属性对应的目标数据信息之间的对应关系，并基于每个关联数据属性所需的各目标数据信息的需求时间点、以及每个关联数据属性的目标数据信息的各对应关系，确定各所述关联数据属性对应的体系层之间的各目标数据信息的数据交互策略。
8.根据权利要求1所述的方法，其特征在于，所述将各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务，包括：
基于各所述组分系统的资源信息，识别各所述组分系统的资源需求信息、以及各所述组分系统的资源持有信息，并基于各所述组分系统的资源需求信息，以及各所述体系层的运行任务，生成各所述体系层的任务目标；
基于各所述组分系统的资源持有信息，识别各所述组分系统的数据调整信息，并基于各所述组分系统的数据调整信息、以及各所述体系层之间的各目标数据信息的数据交互策略，调整体系层的各目标数据信息，得到各所述体系层的运行数据信息；
将每个体系层的任务目标、以及每个体系层的运行数据信息，输入智能体系系统，执行各所述体系层对应的运行任务，得到各所述组分系统的资源配置任务。
9.根据权利要求8所述的方法，其特征在于，所述基于所述低于预设资源利用率的资源利用率对应的系统的异常资源配置任务，调整所述智能体系系统的资源配置参数，得到新智能体系系统，包括：
计算所述资源利用率与所述预设资源利用率之间的偏差值，并识别所述异常系统的资源配置任务中的各资源配置量；
识别所述偏差值对应的各所述资源配置量的偏差量，并识别每个资源配置量对应的配置体系层；
基于各所述资源配置量的偏差量、以及各所述资源配置量对应的配置体系层，调整各所述配置体系层的运行任务的任务参数，得到各新体系层，并将包含各所述新体系层的智能体系系统，作为新智能体系系统。
10.一种多组分系统的资源配置装置，其特征在于，所述装置包括：
获取模块，用于获取目标园区的不同组分系统的系统数据信息、各所述组分系统的资源信息、以及所述目标园区所处环境的各影响因素的影响因素数据，并基于每个影响因素的影响因素数据，调整各所述组分系统的系统数据信息，得到各所述组分系统的目标数据信息；
构建模块，用于基于各所述组分系统的目标数据信息，构建所述目标园区的智能体系系统，并将各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务；
监控模块，用于将各所述组分系统的资源调度任务发送至各组分系统，并采集每个组分系统的当前资源调度进度；
调整模块，用于基于各所述组分系统的当前资源调度进度，计算各所述组分系统的当前资源利用率，并在存在资源利用率低于预设资源利用率的情况下，基于所述低于预设资源利用率的资源利用率对应的异常系统的资源配置任务，调整所述智能体系系统的资源配置参数，得到新智能体系系统；
迭代模块，用于识别各所述组分系统的当前资源信息，并将各所述组分系统的当前资源信息，替换各所述组分系统的资源信息，返回执行将各所述组分系统的目标数据信息、各所述组分系统的资源信息，输入智能体系系统，得到各所述组分系统的资源配置任务步骤，直到完成调度各所述组分系统的资源信息的进度。
11.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项所述的方法的步骤。
12.一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，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
13.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至9中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311562097.0A CN117290073B (zh) | 2023-11-22 | 2023-11-22 | 多组分系统的资源配置方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311562097.0A CN117290073B (zh) | 2023-11-22 | 2023-11-22 | 多组分系统的资源配置方法、装置、计算机设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117290073A true CN117290073A (zh) | 2023-12-26 |
| CN117290073B CN117290073B (zh) | 2024-02-13 |
Family
ID=89253827
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311562097.0A Active CN117290073B (zh) | 2023-11-22 | 2023-11-22 | 多组分系统的资源配置方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117290073B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111784191A (zh) * | 2020-07-17 | 2020-10-16 | 塔盾信息技术(上海)有限公司 | 一种基于工业智能的安全管理辅助决策系统 |
| CN113011753A (zh) * | 2021-03-23 | 2021-06-22 | 钟建昆 | 基于人工智能与大数据的智慧园区管理方法及云平台系统 |
| CN113807884A (zh) * | 2021-08-20 | 2021-12-17 | 国网浙江省电力有限公司经济技术研究院 | 一种园区综合能源系统电网接入容量确定方法及装置 |
| WO2023029757A1 (zh) * | 2021-08-31 | 2023-03-09 | 华为技术有限公司 | 一种资源预估方法和相关设备 |
| CN116305228A (zh) * | 2022-09-08 | 2023-06-23 | 佛山科学技术学院 | 基于智慧城市的数据参数进行内部资源配置的方法及系统 |
-
2023
- 2023-11-22 CN CN202311562097.0A patent/CN117290073B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111784191A (zh) * | 2020-07-17 | 2020-10-16 | 塔盾信息技术(上海)有限公司 | 一种基于工业智能的安全管理辅助决策系统 |
| CN113011753A (zh) * | 2021-03-23 | 2021-06-22 | 钟建昆 | 基于人工智能与大数据的智慧园区管理方法及云平台系统 |
| CN113807884A (zh) * | 2021-08-20 | 2021-12-17 | 国网浙江省电力有限公司经济技术研究院 | 一种园区综合能源系统电网接入容量确定方法及装置 |
| WO2023029757A1 (zh) * | 2021-08-31 | 2023-03-09 | 华为技术有限公司 | 一种资源预估方法和相关设备 |
| CN116305228A (zh) * | 2022-09-08 | 2023-06-23 | 佛山科学技术学院 | 基于智慧城市的数据参数进行内部资源配置的方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117290073B (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105005570B (zh) | 基于云计算的海量智能用电数据挖掘方法及装置 | |
| US8560639B2 (en) | Dynamic placement of replica data | |
| CN105700948A (zh) | 一种用于在集群中调度计算任务的方法与设备 | |
| Alonso-Calvo et al. | On distributing load in cloud computing: A real application for very-large image datasets | |
| CN103946831A (zh) | 用于模板的成本感知的选择以供应共享资源的系统、方法和程序产品 | |
| CN112905340B (zh) | 系统资源分配方法、装置及设备 | |
| CN111858713A (zh) | 基于对象的政府信息化资产管理方法及系统 | |
| CN114398669A (zh) | 基于隐私保护计算和跨组织的联合信用评分方法及装置 | |
| CN114185679A (zh) | 容器资源调度方法、装置、计算机设备和存储介质 | |
| CN105431815A (zh) | 用于数据库工作负荷的输入-输出优先化 | |
| CN111340404A (zh) | 构建指标体系的方法、装置及计算机存储介质 | |
| Zainab et al. | Distributed tree-based machine learning for short-term load forecasting with apache spark | |
| Bi et al. | Cloud service selection based on weighted KD tree nearest neighbor search | |
| CN117271100B (zh) | 算法芯片集群调度方法、装置、计算机设备和存储介质 | |
| CN117290073B (zh) | 多组分系统的资源配置方法、装置、计算机设备和存储介质 | |
| CN117390648A (zh) | 资源访问权限的管理方法、装置、设备及存储介质 | |
| CN113873025B (zh) | 数据处理方法及装置、存储介质及电子设备 | |
| Majumder et al. | Optimal and Effective Resource Management in Edge Computing. | |
| Khelifa et al. | Cloud provider profit-aware and triadic concept analysis-based data replication strategy for tenant performance improvement | |
| CN116681454B (zh) | 虚拟资源配比策略生成方法、装置、计算机设备和存储介质 | |
| Jin et al. | Prediction-based pricing for request outsourcing in cloud federation | |
| Pu et al. | An elastic framework construction method based on task migration in edge computing | |
| Yan et al. | Large-scale emulation network topology partition based on community detection with the weight of vertex similarity | |
| Thiruvenkadam et al. | Enhanced algorithm for load rebalancing in cloud computing environment | |
| Li et al. | SCORE: A Resource-Efficient Microservice Orchestration Model Based on Spectral Clustering in Edge Computing |
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 |