TW202130155A - 分配裝置、學習裝置、推論裝置、分配方法、以及分配程式產品 - Google Patents
分配裝置、學習裝置、推論裝置、分配方法、以及分配程式產品 Download PDFInfo
- Publication number
- TW202130155A TW202130155A TW109114013A TW109114013A TW202130155A TW 202130155 A TW202130155 A TW 202130155A TW 109114013 A TW109114013 A TW 109114013A TW 109114013 A TW109114013 A TW 109114013A TW 202130155 A TW202130155 A TW 202130155A
- Authority
- TW
- Taiwan
- Prior art keywords
- communication
- aforementioned
- value
- period
- cycle
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000004891 communication Methods 0.000 claims abstract description 561
- 238000011156 evaluation Methods 0.000 claims abstract description 63
- 230000008569 process Effects 0.000 claims abstract description 23
- 238000012552 review Methods 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 47
- 238000004364 calculation method Methods 0.000 claims description 35
- 230000000737 periodic effect Effects 0.000 claims description 27
- WXAYTPABEADAAB-UHFFFAOYSA-N Oxyphencyclimine hydrochloride Chemical compound Cl.CN1CCCN=C1COC(=O)C(O)(C=1C=CC=CC=1)C1CCCCC1 WXAYTPABEADAAB-UHFFFAOYSA-N 0.000 claims description 15
- 239000000463 material Substances 0.000 claims description 8
- 230000009471 action Effects 0.000 description 42
- 238000010586 diagram Methods 0.000 description 27
- 230000005540 biological transmission Effects 0.000 description 19
- 230000006870 function Effects 0.000 description 19
- 239000000470 constituent Substances 0.000 description 7
- 239000000284 extract Substances 0.000 description 7
- 230000002787 reinforcement Effects 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 230000007423 decrease Effects 0.000 description 4
- 238000004904 shortening Methods 0.000 description 4
- 238000012790 confirmation Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- WWYNJERNGUHSAO-XUDSTZEESA-N (+)-Norgestrel Chemical compound O=C1CC[C@@H]2[C@H]3CC[C@](CC)([C@](CC4)(O)C#C)[C@@H]4[C@@H]3CCC2=C1 WWYNJERNGUHSAO-XUDSTZEESA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41835—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by programme execution
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/4185—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by the network communication
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L12/00—Data switching networks
- H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Manufacturing & Machinery (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Mobile Radio Communication Systems (AREA)
- Communication Control (AREA)
Abstract
分配裝置(100)係包括分配檢討部(150),該分配檢討部(150)係求出基數經算數演算後的值且該值為將前述複數個通信間隔各者除以評估周期以上的值所得出之值以下之自然數的值,以作為對應複數個通信間隔各者的複數個評估頻率,且將對應複數個通信間隔各者的複數個通信頻率設定為前述複數個評估頻率各者所示的周期為一次,將指定周期的周期編號分配至複數個通信種類的任一個通信種類,藉此執行決定顯示執行複數個通信種類各者之通信之時期之通信計劃的分配處理。
Description
本發明係關於一種分配裝置、分配方法、學習裝置、推論裝置、以及分配程式產品。
在FA(Factory Automation,工廠自動化)網路中,一般係將通信時間分配於即時(realtime)通信、與非即時通信的各者以進行周期通信。此時,為使即時通信落在被分配的通信時間內,必須設計通信時序(timing)。通信時序係用以管理要在哪個通信周期傳送哪個訊框(frame)者。
在專利文獻1中,係揭示了一種根據所設計的通信時序,在任何的通信周期都實施相同之即時通信的方法。
[先前技術文獻]
[專利文獻]
[專利文獻1]日本特開2007-081628號公報
[發明欲解決之課題]
在專利文獻1的方法中,係在任何的通信周期中都實施相同的即時通信,因此所需要之通信間隔為通信周期之二倍以上長的即時通信,會實施不必要的通信。因此,會有非即時通信的比例過度地減少的問題。
本發明之目的為依據所需要的通信間隔而設計通信時序,藉此抑制即時通信時間的比例。
[用以解決問題的手段]
本發明之分配裝置係包括:
記憶部,係記憶有:屬於正的值的基數;顯示周期通信之種類的複數個通信種類;複數個通信間隔,係針對前述複數個通信種類各者而顯示執行二個連續之通信之間隔的上限;及評估周期,係顯示通信計劃中之周期通信的候補,該通信計劃係顯示執行前述複數個通信種類各者之通信的時期;及
分配檢討部,係求出前述基數經算數演算後的值且該值為將前述複數個通信間隔各者除以前述評估周期以上的值所得出之值以下之自然數的值,以作為對應前述複數個通信間隔各者的複數個評估頻率,且將對應前述複數個通信間隔各者的複數個通信頻率設定為前述複數個評估頻率各者所示的周期為一次,將指定周期的周期編號分配至前述複數個通信種類的任一個通信種類,藉此執行決定前述通信計劃的分配處理。
[發明之功效]
依據本發明的分配裝置100,係由分配檢討部150求出基數經算數演算後的值且該值為將複數個通信間隔各者除以評估周期以上的值所得出之值以下之自然數的值,以作為對應複數個通信間隔各者的複數個評估頻率。且由分配檢討部150將對應複數個通信間隔各者的複數個評估頻率設定為複數個評估頻率各者所示的周期為一次。且由分配檢討部150將指定周期的周期編號分配至複數個通信種類的任一個通信種類。之後,分配檢討部150係執行決定通信計劃的分配處理,該通信計劃係顯示執行複數個通信種類各者之通信的時期。
因此,依據本發明的分配裝置100,可抑制即時之通信時間的比例。
實施形態1
在說明本實施形態的詳細內容之前,先說明本實施形態的前提與概要等。
若未特別聲明,通信均係指即時通信。
(通信周期的要件)
第1圖係顯示周期通信之例的圖。
茲說明周期通信中之傳送來源與傳送目的地的動作。傳送來源係根據預定的通信間隔而進行訊框的傳送要求((1)傳送要求)。
傳送來源係(1)開始傳送要求之後的周期通信((2)周期通信開始)後開始訊框的傳送。傳送目的地係完成所傳送之所有訊框的接收((3)接收完成)。
此時,假設當傳送來源與傳送目的地正常動作的情形下,保證傳送目的地在一個周期通信內完成所有訊框的接收。
傳送來源與傳送目的地係可為任何的通信機器。
周期通信係在傳送來源與傳送目的地之間進行通信的周期,且其為對應周期通信的周期。
通信間隔係依顯示通信之種類的每一通信種類所規定的值,為二個連續之傳送要求間隔的上限,且為執行二個連續之通信之間隔的上限。
茲設從(1)傳送要求至(3)接收完成的時間為傳遞時間。從(1)傳送要求至(2)通信周期開始為止的時間為周期通信一次分以下,從(2)周期通信開始至(3)接收完成為止的時間為周期通信一次份以下。因此,傳遞時間通常為周期通信二次份以下。
此外,傳遞時間需要比通信間隔更短。因此,當周期通信為最短之通信間隔(Cyc_min)的一半以下時,符合所有通信種類的通信間隔。
另外,假設從(2)周期通信開始至(3)接收完成為止的時間,在任何的周期通信中都為Cyc_min/(2×X)以下。在此,X係2以上的整數,且為給定的值。
(周期編號的分配方法)
第2圖係顯示即時通信的通信時間、與非即時通信的通信時間之例。以下使用本圖來說明將通信種類分配於周期編號的分配方法。
「通信A」等係表示通信種類。通信時間係一次通信所需要的時間,典型而言,係從(2)周期通信開始至(3)接收完成為止的時間。通信時間亦有指一個通信種類之一次通信所需要的時間。亦有將某周期中之所有通信所需要的時間,表現為通信時間之合計的情形。
周期編號係可指定周期的編號等,典型而言,係以對於某周期通信分配1,且對於對應周期編號1之周期通信的下一個周期通信分配2之方式,對於周期通信依序地分配的編號。以下,茲將對於某通信種類分配周期編號乙事,亦即決定進行某種之通信種類之通信的周期乙事表現為編號分配。
在所有周期通信中,係分配即時通信之通信時間最長之周期通信中之即時通信的時間,作為即時通信的通信時間。此外,分配從一周期的時間扣除即時通信之時間後的時間,作為非即時通信的通信時間。茲將在各周期中,被分配作為即時通信之時間的時間稱為即時通信時間。
在要將通信頻率為N周期一次(以下稱通信頻率N)的複數次通信分配於周期編號時,若從通信時間較長者依序分配於即時通信之通信時間較短的周期通信,則可將各周期的通信時間平滑化。因此,可抑制即時通信之通信時間所佔的比例。
通信頻率不同之通信種類的通信彼此,會有即時通信在任一個周期通信中重複地集中,結果,引起通信比例之增加的情形。為了避免此點,有一種在M周期的範圍中確認通信之重複的方法。通信比例係在一周期之時間所佔之即時通信之通信時間之合計之比例的最大值,且為在各周期通信中,即時通信之通信時間所佔的比例。M係對應通信頻率之N所有的最小公倍數。以下,將分配裝置100確認通信之重複的範圍設為系統通信周期。通信頻率係進行通信的頻率,且依每一通信種類規定。
當使用此方法的情形下,會有當系統通信周期變大時,應確認的周期變得龐大的情形。作為用以解決此點的手段,在實施形態的說明中,將說明設置設通信頻率N為某基數X之乘冪之限制的方法。藉由設置此限制,系統通信周期即與通信頻率為最低之通信種類的通信頻率一致。因此,分配裝置100可抑制確認通信之重複的範圍。
在通信頻率為基數X的乘冪時,當將X^i周期實施一次的通信種類分配於周期編號((X^i)×n+j)時,為了避免X^(i-1)周期實施一次的通信與周期編號((X^i)×n+j)的重複而分配通信,必須分配於周期編號((X^(i-1))×n+k)。在此,假設n為0以上的整數、i為2以上的整數、j為整數而且1≦j≦X^i、k為整數而且1≦k≦X^(i-1)、k除以X^(i-1)時的餘數與j除以X^(i-1)時的餘數不一致。以下,當變數名稱相同時,若未特別聲明,則變數值的限制相同。
亦即,避免與周期編號((X^i)×n+j)的重複,同時僅被分配於周期編號((X^i)×n+(X^(i-1))×l+j)(惟l係1以上未達X的整數)的通信係限定於X^i以上的周期實施一次的通信。
因此,在將通信時間較長的通信分配於即時通信時間較短的通信周期((X^i)×n+j)之後,為使周期編號((X^i)×n+(X^(i-1))×1+j)的即時通信時間成為與通信周期((X^i)×n+j)的即時通信之時間相等以下,可將分配X^i以上之周期實施一次之通信的程序加在分配方法中。另外,分配X^(i+1)以上之周期實施一次之通信的程序係可重複地。
(通信周期的算出方法)
在設置設通信頻率為某基數X之乘冪之限制(以下稱乘冪限制)的情形下,考慮將通信周期從t縮短為t/X。
茲設通信周期為t時的通信比例為rt
,通信周期為t/X時的通信比例為rt/X
。
在將通信周期縮短為t/X時,若將已被分配於各周期編號的通信予以X等份,則rt
、與rt/X
相等。然而,若不將已被分配於各周期編號的通信予以X等份,則rt/X
較rt
大。
所謂將通信予以X等份,係指當可將某通信周期中的通信予以X等份時,將通信予以X等份,且將X等份後的通信分別分配於不同的通信周期。
第3圖與第4圖係用以具體地說明將通信周期除以X的圖。另外,在此等圖中,X係2。
在第3圖所示之例中,係將通信周期從30ms縮短為15ms的同時,將已被分配於各周期編號的通信予以二等份。因此,在任何的通信周期中,通信比例均相同。
在第4圖所示之例中,係將通信周期從30ms縮短為15ms的同時,未將已被分配於各周期編號的通信予以二等份。因此,縮短通信周期後的結果,使得通信比例增加。在本例中,無法將已被分配於各周期編號的通信予以二等份。
由於當無法將通信予以X等份時亦無法將通信予以X^i等份,因此可明瞭在要找出最佳的通信周期時,只要找出某通信周期t以下而且t/X以上的範圍即足夠。
茲思考將通信周期逐漸縮短。基本上,通信比例係隨著通信周期變短而增加。然而,若考慮乘冪限制,則在通信周期與某通信之通信間隔除以X之乘冪所得出的值一致的時點,通信比例會減少。
第5圖係用以具體地說明通信比例減少的圖。另外,在本圖中,X係2。
在本圖中,若將通信周期從30ms縮小為25ms,通信比例雖會增加,但若將通信周期從25ms縮小為20ms,則通信比例會減少。
因此,分配裝置100係以各通信之通信間隔除以基數之乘冪所得出的值作為通信周期的候補,且將各通信周期中之即時通信的通信比例進行比較,藉此即可算出最佳的通信周期。此時,考慮分配裝置100必須將通信周期設為Cyc_min/2以下。因此,分配裝置100係在Cyc_min/(2×X)以上且Cyc_min/2以下的範圍中求出通信周期的候補。
以下參照圖式詳細地說明本實施形態。
***構成的說明***
第6圖係顯示本實施形態之分配裝置100的構成例。
如本圖所示,分配裝置100係包括:記憶部110;間隔抽出部120;周期算出部130;分配檢討部150;及周期決定部160。
分配裝置100的各部若未特別聲明,係使所求出的結果記憶於記憶部110中,且從記憶部110讀取所需要的資料。
記憶部110係在分配裝置100的動作開始前記憶有要進行編號分配之複數個通信種類各者對應的複數個通信間隔與複數個通信時間。
記憶部110係記憶有基數、複數個通信種類、複數個通信間隔、及評估周期。基數係正的值。通信種類係顯示周期通信的種類。複數個通信間隔係針對複數個通信種類各者顯示執行二個連續之通信之間隔的上限。評估周期係顯示通信計劃中之通信周期的候補。亦即,評估周期係通信計劃中之每一周期的時間。通信計劃係顯示執行通信種類各者之通信的時期。
記憶部110亦可記憶有複數個評估周期。
記憶部110亦可記憶有2以上的整數作為基數、及顯示複數個通信種類各者之一次通信所需之時間的複數個通信時間。
記憶部110亦可記憶有複數個評估周期。
周期算出部130亦可設基數為X、設複數個通信間隔的最小值為Cyc_min。周期算出部130亦可算出複數個通信間隔各者除以X之乘冪所得出的值且該值為Cyc_min/(X×2)以上Cyc_min/2以下的值作為評估周期。
分配檢討部150係求出基數經算數演算後的值,且該值為複數個通信間隔各者除以評估周期以上之值所得出之值以下之自然數的值,作為對應複數個通信間隔各者的複數個評估頻率。分配檢討部150係將對應複數個通信間隔各者的複數個通信頻率,設定為複數個評估頻率各者所示的周期為一次。分配檢討部150係藉由將指定周期的周期編號分配於複數個通信種類之任一個通信種類來決定通信計劃。亦即,分配檢討部150係執行分配處理。
分配檢討部150係在執行分配處理之前,執行將周期編號分配於通信頻率為一周期一次之通信種類的事前分配處理。分配檢討部150亦可在分配處理中,僅處理通信頻率所示之周期為2以上之通信頻率所對應的通信種類。
分配檢討部150亦可設定連續的周期編號於連續的周期。分配檢討部150亦可使用1以上而且複數個通信頻率各者所示之所有周期之最大值以下的值作為周期編號,且以設定有周期編號的所有周期作為對象周期。
分配檢討部150亦可在分配處理中,求出基數之乘冪的值,且該值為複數個通信間隔各者除以評估周期之二倍所得出之值以下的最大值作為複數個評估頻率。分配檢討部150亦可抽出複數個通信時間之最大值所對應之通信種類中之對應通信種類之通信頻率為最大的通信種類作為對象通信。分配檢討部150亦可在j與n所可取得的範圍中,抽出周期編號為C×n+j之周期中之通信時間最長之周期的通信時間作為Dj
。在此,茲設對應對象通信之通信頻率所示的周期為C、設j為整數而且1≦j≦C、及設n為0以上的整數。分配檢討部150亦可設j所可取得之範圍中之Dj
之最小值所對應的j為jmin
,且抽出未被分配有周期編號的通信種類作為分配對象通信。分配檢討部150亦可將C×n+jmin
作為周期編號分配於分配對象通信。
分配檢討部150亦可在執行分配處理之後,執行事後分配處理。分配檢討部150亦可在事後分配處理中,設周期為X^i以上的通信種類且其為未被分配有周期編號之通信種類的任一者為選擇種類,且將(X^i)×n+X^(i-1)+jmin
作為周期編號分配於選擇種類。在此,假設n為0以上的整數、i為2以上的整數、C為X^i、k為整數而且1≦k≦X^(i-1)、k除以X^(i-1)時的餘數與j除以X^(i-1)時的餘數不一致。
分配檢討部150亦可在事後分配處理中,於n所可取得的範圍內,將周期編號分配於選擇種類,以不超出周期編號為(X^i)×n+jmin
之周期之通信時間之合計的最大值。
當對象通信由複數個周期構成時,周期決定部160亦可針對複數個評估周期各者,根據已被分配於複數個通信種類各者的周期編號,而求出在構成對象通信的各者周期中一周期之時間所佔之通信時間之合計的比例,以作為複數個暫定通信比例。周期決定部160係針對複數個評估周期各者求出複數個暫定通信比例的最大值以作為複數個通信比例。周期決定部160亦可將複數個通信比例之最小值所對應的評估周期作為通信計劃的通信周期。
第7圖係顯示本實施形態之分配裝置100的硬體構成例。
分配裝置100係由一般的電腦10所構成。分配裝置100亦可由複數個電腦10所構成。
處理器(processor)11係執行分配程式、OS(Operating System,作業系統)19等的處理裝置。處理裝置亦有被稱為IC(Integrated Circuit,積體電路)的情形。以具體例而言,處理器11係CPU(Central Processing Unit,中央處理單元)、DSP(Digital Signal Processor,數位信號處理器)、或GPU(Graphics Processing Unit,圖形處理單元)。
處理器11係藉由資料匯流排(data bus)14與記憶體(memory)12連接,以進行演算所需之資料的暫時記憶等,且讀取儲存於記憶體12中的程式來執行。
本圖的電腦10雖僅包括一個處理器11,但電腦10亦可包括替代處理器11的複數個處理器。此等複數個處理器係分擔程式的執行等。
記憶體12係暫時記憶資料的記憶裝置,可保持處理器11的演算結果,且其發揮作為主記憶體(main memory)的功能,該主記憶體係被作為處理器11的作用區域使用。記憶體12係可儲存對應分配裝置100之各部的程式。記憶體12所儲存的程式,係被處理器11所展開。
以具體例而言,記憶體12係SRAM(Static Random Access Memory,靜態隨機存取記記憶體)、DRAM(Dynamic Random Access Memory,動態隨機存取記記憶體)等RAM(Random Access Memory,隨機存取記記憶體)。
記憶部110的至少一部分亦可由輔助記憶裝置13所構成。
輔助記憶裝置13係記憶分配程式、由處理器11所執行的各種程式、執行各種程式時所使用的資料、及OS19等。記憶部110係由輔助記憶裝置13所構成。
以具體例而言,輔助記憶裝置13係HDD(Hard Disk Drive,硬碟驅動器)、或SSD(Solid State Drive,固態驅動器)。此外,輔助記憶裝置13係記憶卡(memory card)、SD(Secure Digital,安全數位)(註冊商標)記憶卡、NAND(反及)快閃(flash)、或DVD(Digital Versatile Disk,數位化多功能光碟)等可攜式記錄媒體。
OS19係藉由處理器11從輔助記憶裝置13載入,且展開於記憶體12上,在處理器11上執行。OS19亦可為適配處理器11的任何OS。
OS19與分配程式亦可記憶於記憶體12中。
分配程式亦可被作為程式產品來提供。
***動作的說明***
分配裝置100的動作程序係相當於分配方法。此外,實現分配裝置100之動作的程式,係相當於分配程式。
第8圖係顯示了表示分配裝置100之動作之一例的流程圖。
(步驟S1:間隔抽出處理)
間隔抽出部120係確認記憶部110所記憶之所有通信種類的通信間隔,且抽出Cyc_min。
(步驟S2:周期算出處理)
周期算出部130係依每一通信種類,使用Cyc_min、記憶部110所記憶的通信間隔、及X而算出評估周期。評估周期係通信計劃中之通信周期的候補。評估周期係某通信種類別之通信間隔除以X之乘冪所得出的值,而且為Cyc_min/(2×X)以上Cyc_min/2以下的值。通信計劃係顯示執行複數個通信種類各者之通信的時期。周期算出部130係使所算出的評估周期記憶於記憶部110。
另外,假設在開始本步驟之處理之前,X的值已被設定。X的值係可藉由任何方法來設定。
(步驟S3:分配檢討處理)
分配檢討部150係針對所有的評估周期各者,執行通信頻率的算出、與編號分配。本步驟之處理的詳細內容將於後說明。
(步驟S4:周期決定處理)
周期決定部160係使用通信時間、評估周期、步驟S3中之編號分配的結果,而算出所有評估周期各者所對應的通信比例。周期決定部160係將最低之通信比例所對應的評估周期設為最佳的通信周期。
分配裝置100亦可將通信周期、與各通信種類的編號分配,作為抑制通信比例之通信時序資訊而輸出至其他機器等。
第9圖、與第10圖係顯示執行本步驟之處理之結果之具體例的圖。在本例中,係X:2、通信周期:15ms、系統通信周期:120ms。第9圖的表中,分配順序係顯示在步驟S3中被分配周期編號的順序,周期編號係顯示對於通信種類各者執行編號分配後的結果。
此等圖係顯示一個系統通信周期之範圍中的通信。
第11圖係分配檢討部150之動作的一例,顯示了表示步驟S3之動作之一例的流程圖。
(步驟S31:頻率算出處理)
分配檢討部150係選擇一個評估周期,求出X之乘冪的值且該值為通信間隔除以所選擇之評估周期之二倍(2×Cyc_ref)所得出之值以下的最大值,且將通信頻率設定為所求出之最大值的周期為一次。Cyc_ref係表示評估周期。
分配檢討部150係求出對應複數個通信間隔各者的複數個評估頻率。複數個評估頻率係基數經算數演算後的值,而且為複數個通信間隔各者除以評估周期以上之值所得出之值以下之自然數的值。分配檢討部150係將對應複數個通信間隔各者的複數個通信頻率,設定為複數個評估頻率各者所示之周期為一次。
(步驟S32:事前分配處理)
分配檢討部150係將通信頻率為每周期的通信分配於所有的周期編號。
(步驟S33:抽出處理)
分配檢討部150係抽出未被分配有周期編號的通信種類,而且通信時間為最大之通信種類中之通信頻率為最大的通信。通信頻率為最大的通信,係指最頻繁地進行通信。
以下,在本流程圖的說明中,將在本步驟中所抽出之通信種類的通信頻率設為X^i。
(步驟S34:分配處理)
分配檢討部150係針對j所可取得j的所有值,抽出周期編號為((X^i)×n+j)之通信時間中之通信時間最長者設為通信時間Dj
。分配檢討部150係將對應最小的Dj
的j設為jmin
,且將在步驟S33中所抽出的通信種類分配於周期編號((X^i)×n+jmin
)。
當有複數個Dj
為最小的j時,分配檢討部150係將任一個的值設為jmin
。
(步驟S35:事後分配處理)
分配檢討部150係選擇X^i以上的周期進行一次通信的通信種類別中之未被分配有周期編號的通信種類,而且通信時間為最大的通信種類作為選擇通信。分配檢討部150係將選擇通信分配於周期編號((X^i)×n+X^(i-1)×1+jmin
)的通信時間、與選擇通信之通信時間的和不會超過周期編號((X^i)×n+jmin
)的最大周期時間之周期編號((X^i)×n+X^(i-1)×1+jmin
)中之通信時間為最大的周期編號((X^i)×n+X^(i-1)×1+jmin
)。
分配檢討部150係重複地執行本步驟的處理。只要未再有要被分配的周期編號,分配檢討部150就前進至步驟S36。
若為X^i以上的周期進行一次通信的通信種類,分配檢討部150亦可選擇任何的通信種類作為選擇通信。
第12圖係說明分配檢討部150將選擇通信分配於周期編號之處理之一例的圖。茲參照本圖具體地說明此處理。通信F係選擇通信。在本例的說明中,將周期編號((X^i)×n+jmin
)的最大通信時間稱為最大分配時間。在本例中,最大分配時間係通信D之通信時間、與通信E之通信時間的和。
通信A之通信時間、與通信F之通信時間的和,係超過最大分配時間。通信B之通信時間、與通信F之通信時間的和,係未超過最大分配時間。通信C之通信時間、與通信F之通信時間的和,係未超過最大分配時間。此外,通信B的通信時間,係較通信C的通信時間長。
因此,分配檢討部150係將對通信F分配於對應通信B的周期編號((X^i)×n+X^(i-1)×3+jmin
)。
(步驟S36:分配確認處理)
當對於所有通信種類執行了編號分配時,分配檢討部150係前進至步驟S37。除該以外的情形,分配檢討部150係前進至步驟S33。
(步驟S37:評估周期確認處理)
當選擇了所有評估周期時,分配檢討部150結束本流程圖的處理。除該以外的情形,分配檢討部150係前進至步驟S31。
***實施形態1之效果的說明***
綜上所述,依據本實施形態,分配裝置100係根據通信頻率而分配周期編號以可活用帶域。因此,分配裝置100係可將各通信頻率的通信時間平滑化,且可抑制即時通信的通信比例。此外,分配裝置100係藉由將通信頻率N限制為某基數X的乘冪、及僅比較即時通信時間之比例減少的通信周期,藉此即可簡化周期編號的分配、與最佳之通信周期的算出。
***其他構成***
<變形例1>
在本實施形態中,已說明了藉由軟體實現各功能構成要素的情形。然而,作為變形例,各功能構成要素亦可藉由硬體來實現。
第13圖係顯示本變形例的構成例。當各功能構成要素藉由硬體實現時,如本圖所示,分配裝置100係包括電子電路16以取代處理器11。或者,雖未圖示,分配裝置100係包括電子電路16以取代處理器11、記憶體12、及輔助記憶裝置13。電子電路16係實現各功能構成要素(及記憶體12與輔助記憶裝置13之功能的專用電子電路。電子電路有時亦稱為處理電路。
電子電路16係設定單一電路、複合電路、經程式化的處理器、經並聯程式化的處理器、邏輯(logic)IC、GA(Gate Array,閘陣列)、ASIC(Application Specific Integrated Circuit,特殊應用積體電路)、FPGA(Field-Programmable Gate Array,現場可程式閘陣列)。
各功能構成要素可藉由一個電子電路16來實現,各功能構成要素亦可分散於複數個電子電路16來實現。
或者,亦可一部分的各功能構成要素藉由硬體來實現,其他各功能構成要素藉由軟體來實現。
茲將前述之處理器11、記憶體12、輔助記憶裝置13、與電子電路16統稱為「處理電路系統(processing circuitry)」。換言之,各功能構成要素的功能係藉由處理電路系統來實現。
實施形態2
以下參照圖式詳細地說明與前述之實施形態不同之點。
第14圖係顯示了實施形態2之分配系統90的構成例。如本圖所示,分配系統90係包括分配裝置100、學習裝置200、推論裝置300、及學習完成模型記憶部400。
<學習階段>
以下說明學習階段。學習階段係學習裝置200所執行的處理。
***構成的說明***
第15圖係顯示了本實施形態之分配裝置100的構成例。如本圖所示,分配裝置100係包括通信部170。
通信部170係可與學習裝置200、及推論裝置300進行通信。
第16圖係顯示了本實施形態之分配裝置100的硬體構成例。如本圖所示,分配裝置100係包括通信IF(Interface)15。
通信部170係由處理器11、記憶體12、通信IF15所構成。
通信IF15係供電腦10與其他機器進行資料通信之用的介面,作為具體例,係Ethernet(乙太網路)(註冊商標)、或USB(Universal Serial Bus,通用序列匯流排)的端口(port)。通信IF15可存在複數個。
第17圖係顯示了學習裝置200的構成例,該學習裝置200為關於分配裝置100的機械學習裝置。如本圖所示,學習裝置200係包括資料取得部210、及模型產生部220。
資料取得部210係從分配裝置100取得學習用資料402。學習用資料402係學習裝置200使用於學習的資料。在學習用資料402中,若未特別聲明,假設包含有通信計劃、複數個通信間隔、複數個通信時間。通信計劃係包含通信周期、及執行各通信種類之通信之時序的資訊。
資料取得部210亦可取得分配裝置100之記憶部110所記憶的複數個通信間隔及複數個通信時間、與複數個通信間隔及複數個通信時間對應的通信計劃作為學習用資料402。
模型產生部220係根據學習用資料402而學習在已輸入之狀態中的通信計劃。亦即,產生從分配裝置100之通信間隔及通信時間推論在已輸入之狀態中之通信計劃的學習完成模型401。已輸入的狀態係已輸入之資訊中之關於狀態的資訊。
模型產生部220亦可使用學習用資料402來產生用以根據複數個通信間隔、與複數個通信時間來推論通信計劃的學習完成模型401。
模型產生部220亦可使用有教師的學習、無教師的學習、半教師的學習、或強化學習(Reinforcement Learning)等公知的演算法(algorithm)作為學習演算法。
茲說明學習裝置200使用了強化學習的情形作為一例。在強化學習中,係由某環境中的動作者(agent)(行動主體)觀測目前的狀態(環境的參數),且決定應採取的行動。環境係依動作者的行動而動態地變化。對於動作者,係依據環境的變化而賦予報酬。動作者重複此行動,學習通過一連串的行動而可獲得最多報酬的行動方針。在此,行動係指實際的行動本身。行動方針係指學習裝置200在某環境(輸入)中決定行動的思考方式(模型)。作為強化學習之代表性的方法,已知有Q學習(Q-learning)、與TD學習(TD-learning)。
例如,以Q學習的情形而言,行動價值函數Q(s,a)之一般的更新式,係以[公式1]來表示。
t係表示時刻。st
係表示時刻t中之環境的狀態。環境的狀態係由通信間隔與通信時間所構成。環境的狀態亦可由通信計劃所構成。at
係表示時刻t中之動作者的行動。當動作者執行行動at
時,狀態即從st
變化為st+1
。rt+1
係表示因為狀態從st
變化為st+1
而可獲得的報酬。γ(0<γ≦1)係表示扣除率。α(0<α≦1)係表示學習係數。行動at
係對應於變更通信計劃乙事。狀態st
係對應於通信間隔及通信時間。學習裝置200係對應於動作者。學習裝置200係學習時刻t之狀態st
中之最佳的行動at
。
若時刻t+1中之行動價值Q最高之行動a的行動價值Q較時刻t中所執行之行動a的行動價值Q更大,則[公式1]所表示的更新式係增大行動價值Q,反之則減小行動價值Q。換言之,學習裝置200係以使時刻t中之行動a的行動價值Q接近時刻t+1中之最佳之行動價值之方式更新行動價值函數Q(st
,at
)。藉此,使某環境中之最佳的行動價值,依序傳遞至其先前之環境中的行動價值。行動價值Q係行動價值函數的值。
模型產生部220係當藉由強化學習產生學習完成模型401時,包括有報酬計算部221、與函數更新部222。
報酬計算部221係根據學習用資料402而計算報酬。報酬計算部221係根據即時通信時間的比例而計算報酬r。報酬計算部221係當例如即時通信時間的比例因為執行行動a而減少時增大對於行動a的報酬r(例如賦予「1」的報酬),且當即時通信時間的比例因為執行行動a而增加時降低對於行動a的報酬r(例如給予「-1」的報酬)。
函數更新部222係依據藉由報酬計算部221所計算的報酬,更新用以決定在已輸入之狀態中之通信計劃的函數,且將學習完成模型401輸出至學習完成模型記憶部400。例如,當學習裝置200使用Q學習時,使用[公式1]所表示之行動價值函數Q(st
,at
)作為用以算出在已輸入之狀態中之通信計劃的函數。
重複執行如上所述的學習。學習完成模型記憶部400係記憶經由函數更新部222所更新的行動價值函數Q(st
,at
),亦即記憶學習完成模型401。
第18圖係顯示了學習裝置200的硬體構成例。學習裝置200係由電腦20所構成。電腦20係與本實施形態之電腦10相同。電腦20係包括處理器21、記憶體22、輔助記憶裝置23、資料匯流排24、及通信IF25。電腦20係與電腦10相同。
另外,電腦20亦可包括電子電路26。電子電路26係與電子電路16相同。
第19圖係顯示了學習完成模型記憶部400的構成例。如本圖所示,學習完成模型記憶部400係由記憶部410、及通信部420所構成。
記憶部410係可記憶學習完成模型401。
通信部420係可與學習裝置200、及推論裝置300進行通信。
第20圖係顯示了學習完成模型記憶部400的硬體構成例。學習完成模型記憶部400係由外部記憶裝置40所構成。如本圖所示,外部記憶裝置40係包括記憶裝置41、通信IF42、及資料匯流排43。記憶部410係由記憶裝置41所構成。通信部420係由通信IF42所構成。
記憶裝置41係與輔助記憶裝置13相同。
通信IF42係與通信IF15相同。
***動作的說明***
學習裝置200的動作程序係相當於學習方法。此外,實現學習裝置200之動作的程式係相當於學習程式。
茲使用第21圖說明學習裝置200使用Q學習進行學習的處理。第21圖係顯示了表示學習裝置200之學習處理之動作之一例的流程圖。茲使用本圖來說明學習處理。
(步驟S201:資料取得處理)
資料取得部210係從分配裝置100取得學習用資料402。學習用資料402亦可為對應分配裝置100之執行日誌(log)的資料。
此外,當學習裝置200尚未將資料取得部210過去所取得之學習用資料402中所含的資訊全都學習完成時,學習裝置200亦可不取得學習用資料402即前進至下一個步驟。
(步驟S202:增減決定處理)
模型產生部220係根據學習用資料402而計算報酬。具體而言,報酬計算部221係取得學習用資料402,且根據預先規定之即時通信時間的比例而判斷是要增大報酬還是要減少報酬。
當即時通信時間的比例減少時,報酬計算部221係前進至步驟S203。當即時通信時間的比例增加時,報酬計算部221係前進至步驟S204。
(步驟S203:報酬增大處理)
報酬計算部221係使報酬增大。
(步驟S204:報酬減少處理)
報酬計算部221係使報酬減少。
(步驟S205:函數更新處理)
函數更新部222係根據經由報酬計算部221所計算的報酬,而更新學習完成模型記憶部400所記憶之[公式1]所表示的行動價值函數Q(st
,at
)。
(步驟S206:結束判定處理)
學習裝置200係當已學習到學習用資料402中所含的所有資訊時結束本流程圖的處理。除此以外的情形,學習裝置200均前進至步驟S201。
學習裝置200係重複執行步驟S201至步驟S205的處理。學習裝置200係記憶所產生的行動價值函數Q(st
,at
)作為學習完成模型401。
另外,學習裝置200亦可包括學習完成模型記憶部400。
<活用階段>
以下說明活用階段。活用階段係分配裝置100與推論裝置300所執行的處理。
***構成的說明***
第22圖係顯示了屬於關於分配裝置100之推論裝置之推論裝置300的構成例。如本圖所示,推論裝置300係包括資料取得部310、及推論部320。
資料取得部310係從分配裝置100取得推論用資料403。推論用資料403若未特別聲明,係包含通信間隔、與通信時間。
資料取得部310係取得分配裝置100之記憶部110所記憶的複數個通信間隔及複數個通信時間作為推論用資料403。
推論部320係利用學習完成模型401而推論在已輸入之狀態中的通信計劃。亦即,推論部320係將資料取得部310所取得的通信間隔及通信時間輸入於學習完成模型401,藉此可推論符合通信間隔及通信時間之在已輸入之狀態中的通信計劃。
推論部320亦可記憶學習完成模型401,該學習完成模型401係用以推論通信計劃,該通信計劃係顯示執行表示周期通信之種類之複數個通信種類各者之通信的時期。推論部320亦可使用學習完成模型401來推論對應推論用資料403的通信計劃。
另外,推論裝置300亦可從其他學習裝置200取得學習完成模型401,且根據此學習完成模型401而輸出在已輸入之狀態中的通信計劃。
第23圖係顯示了推論部320的硬體構成例。如本圖所示,推論部320係由電腦30所構成。電腦30係包括處理器31、記憶體32、輔助記憶裝置33、資料匯流排34、及通信IF35。電腦30係與電腦10相同。
另外,電腦30亦可包括電子電路36。電子電路36係與電子電路16相同。
***動作的說明***
推論裝置300的動作程序係相當於推論方法。此外,實現推論裝置300之動作的程式係相當於推論程式。
第24圖係顯示推論裝置300之動作之一例的流程圖。茲使用本圖來說明推論裝置300的動作。
(步驟S301:資料取得處理)
資料取得部310係從分配裝置100取得推論用資料403。
(步驟S302:推論處理)
推論部320係將推論用資料403輸入於被記憶於學習完成模型記憶部400中的學習完成模型401,以獲得在已輸入之狀態中的通信計劃。推論部320係將所獲得之在已輸入之狀態中的通信計劃輸出至分配裝置100。
(步驟S303:通信計劃設定處理)
分配裝置100係使用所輸出之在已輸入之狀態中的通信計劃,而設定通信計劃。
藉由本步驟的處理,分配裝置100係可削減即時通信時間的比例。
另外,在本實施形態中,雖已說明了將強化學習應用於學習裝置200所使用之學習演算法上的情形,但學習裝置200所使用的學習演算法不限定於此。除強化學習以外,學習裝置200亦可使用有教師的學習、無教師的學習、或半教師的學習等學習演算法。
此外,模型產生部220亦可使用學習特徵量本身之抽出的深層學習(Deep Learning)作為學習演算法。模型產生部220例如亦可依據神經網路(Neural Network)、遺傳程式化、功能推論程式化、或支援向量機(support vector machine)等其他公知的方法而執行機械學習。
另外,學習裝置200及推論裝置300亦可為有別於分配裝置100之單獨的裝置。學習裝置200及推論裝置300亦可例如經由網路而連接於分配裝置100。此外,學習裝置及推論裝置亦可內建於分配裝置100中。
再者,學習裝置200及推論裝置300亦可不存在於雲端伺服器(cloud server)上。
此外,模型產生部220亦可設為使用從複數個分配裝置100所取得的學習用資料402,而學習在已輸入之狀態中的通信計劃。另外,模型產生部220亦可從在相同的區域中所使用的複數個分配裝置100取得學習用資料402。模型產生部220亦可利用從在不同的區域獨立地動作的複數個分配裝置100所收集的學習用資料402而學習在已輸入之狀態中的通信計劃。此外,亦可在途中將收集學習用資料402的分配裝置100追加於對象中,或者,亦可從對象中去除。再者,亦可設為將針對某分配裝置100學習了在已輸入之狀態中之通信計劃的學習裝置200,應用於有別於其之另外的分配裝置100上,且針對該另外的分配裝置100再度學習在已輸入之狀態中的通信計劃而進行更新。
***實施形態2之效果的說明***
綜上所述,依據本實施形態,分配裝置100係可使用推論裝置300所推論的通信計劃。
***其他實施形態***
可進行前述之各實施形態之自由的組合、或各實施形態之任意之構成要素的變更、或是可在各實施形態中省略任意的構成要素。
此外,實施形態不限定於實施形態1及2所示者,亦可視需要進行各種變更。
10:電腦
11:處理器
12:記憶體
13:輔助記憶裝置
14:資料匯流排
15:通信IF
16:電子電路
19:OS
20:電腦
21:處理器
22:記憶體
23:輔助記憶裝置
24:資料匯流排
25:通信IF
26:電子電路
29:OS
30:電腦
31:處理器
32:記憶體
33:輔助記憶裝置
34:資料匯流排
35:通信IF
36:電子電路
39:OS
40:外部記憶裝置
41:記憶裝置
42:通信IF
43:資料匯流排
90:分配系統
100:分配裝置
110:記憶部
120:間隔抽出部
130:周期算出部
150:分配檢討部
160:周期決定部
170:通信部
200:學習裝置
210:資料取得部
220:模型產生部
221:報酬計算部
222:函數更新部
300:推論裝置
310:資料取得部
320:推論部
400:學習完成模型記憶部
401:學習完成模型
402:學習用資料
403:推論用資料
410:記憶部
420:通信部
B,C,D,E,F:通信
N:通信頻率
Q:行動價值函數
r:報酬
t:時刻
X:基數
第1圖係顯示周期通信的圖。
第2圖係顯示即時通信之通信時間、與非即時通信之通信時間的圖。
第3圖係用以具體地說明周期通信除以X的圖。
第4圖係用以具體地說明周期通信除以X的圖。
第5圖係用以具體地說明通信比例減少的圖。
第6圖係實施形態1之分配裝置100的構成圖。
第7圖係實施形態1之分配裝置100的硬體構成圖。
第8圖係顯示實施形態1之分配裝置100之動作的流程圖。
第9圖係顯示實施形態1之比例算出處理之執行結果的圖。
第10圖係顯示實施形態1之比例算出處理之執行結果的圖。
第11圖係顯示實施形態1之分配檢討部150之動作的流程圖。
第12圖係用以具體地說明實施形態1之分配檢討部150之動作的圖。
第13圖係實施形態1之變形例之分配裝置100的硬體構成圖。
第14圖係實施形態2之分配系統90的構成圖。
第15圖係實施形態2之分配裝置100的構成圖。
第16圖係實施形態2之分配裝置100的硬體構成圖。
第17圖係實施形態2之學習裝置200的構成圖。
第18圖係實施形態2之學習裝置200的硬體構成圖。
第19圖係實施形態2之學習完成模型記憶部400的構成圖。
第20圖係實施形態2之學習完成模型記憶部400的硬體構成圖。
第21圖係顯示實施形態2之學習裝置200之動作的流程圖。
第22圖係實施形態2之推論裝置300的構成圖。
第23圖係實施形態2之推論裝置300的硬體構成圖。
第24圖係顯示實施形態2之推論裝置300之動作的流程圖。
100:分配裝置
110:記憶部
120:間隔抽出部
130:周期算出部
150:分配檢討部
160:周期決定部
Claims (12)
- 一種分配裝置,係包括: 記憶部,係記憶有:屬於正的值的基數;顯示周期通信之種類的複數個通信種類;複數個通信間隔,係針對前述複數個通信種類各者而顯示執行二個連續之通信之間隔的上限;及評估周期,係顯示通信計劃中之周期通信的候補,該通信計劃係顯示執行前述複數個通信種類各者之通信的時期;及 分配檢討部,係求出前述基數經算數演算後的值且該值為將前述複數個通信間隔各者除以前述評估周期以上的值所得出之值以下之自然數的值,以作為對應前述複數個通信間隔各者的複數個評估頻率,且將對應前述複數個通信間隔各者的複數個通信頻率設定為前述複數個評估頻率各者所示的周期為一次,將指定周期的周期編號分配至前述複數個通信種類的任一個通信種類,藉此執行決定前述通信計劃的分配處理。
- 如請求項1之分配裝置,其中前述分配檢討部係在執行前述分配處理之前,執行將周期編號分配於通信頻率為一周期一次之通信種類的事前分配處理;在前述分配處理中,僅處理對應通信頻率所示之周期為2以上之通信頻率的前述通信種類。
- 如請求項1或請求項2之分配裝置,其中前述記憶部係記憶有複數個評估周期;該分配裝置係包括周期算出部,該周期算出部係算出:當設前述基數為X、設前述複數個通信間隔的最小值為Cyc_min時,將前述複數個通信間隔各者除以X之乘冪所得出的值且該值為Cyc_min/(X×2)以上Cyc_min/2以下的值作為前述評估周期。
- 如請求項1或請求項2之分配裝置,其中前述分配檢討部係將連續的周期編號設定於連續的周期,且使用一個以上而且前述複數個評估頻率各者所顯示之所有周期之最大值以下的值作為前述周期編號,且將設定有周期編號的所有周期設為對象周期。
- 如請求項4之分配裝置,其中前述記憶部係記憶有2以上的整數作為基數、及顯示前述複數個通信種類各者之一次通信所需之時間的複數個通信時間;前述分配檢討部係在前述分配處理中,求出前述基數之乘冪的值且該值為前述複數個通信間隔各者除以前數評估周期之二倍所得出之值以下的最大值作為前述複數個評估頻率,且抽出前述複數個通信時間之最大值所對應之通信種類中之對應通信種類之通信頻率為最大的通信種類作為對象通信,當設對應前述對象通信之通信頻率所示的周期為C、j為整數而且1≦j≦C、及n為0以上的整數時,在j與n所可取得的範圍中,抽出周期編號為C×n+j之周期中之通信時間最長之周期的通信時間作為Dj ,當設j所可取得之範圍中之Dj 之最小值所對應的j為jmin 時,抽出未被分配有周期編號的通信種類作為分配對象通信,且將C×n+jmin 作為周期編號分配於前述分配對象通信。
- 如請求項5之分配裝置,其中前述記憶部係記憶有複數個評估周期;當前述對象周期由複數個周期構成時,針對前述複數個評估周期各者,根據已被分配於前述複數個通信種類各者的周期編號,而求出在構成前述對象周期之各者的周期中一周期之時間所佔之通信時間之合計的比例,以作為複數個暫定通信比例,且針對前述複數個評估周期各者求出前述複數個暫定通信比例的最大值以作為複數個通信比例,且將前述複數個通信比例之最小值所對應的評估周期作為前述通信計劃的通信周期。
- 如請求項6之分配裝置,其中前述分配檢討部係在設n為0以上的整數、i為2以上的整數、C為X^i、k為整數而且1≦k≦X^(i-1)、k除以X^(i-1)時的餘數與j除以X^(i-1)時的餘數不一致的時候,在執行了前述分配處理之後,以周期為X^i以上的通信種類且該通信種類為未被分配有周期編號之通信種類的任一者作為選擇種類,執行將(X^i)×n+X^(i-1)+jmin 作為周期編號分配於前述選擇種類的事後分配處理。
- 如請求項7之分配裝置,其中前述分配檢討部係在前述事後分配處理中,於n所可取得的範圍內,將周期編號分配於前述選擇種類,以不超出周期編號為(X^i)×n+jmin 之周期之通信時間之合計的最大值。
- 一種學習裝置,係包括:資料取得部,係取得請求項5至請求項8中任一項之分配裝置之記憶部所記憶的複數個通信間隔及複數個通信時間、與通信計劃作為學習用資料,該通信計劃係顯示執行表示周期通信之種類之複數個通信種類各者之通信之時期的通信計劃且該通信計劃為對應前述複數個通信間隔及前述複數個通信時間的通信計劃;及模型產生部,係使用前述學習用資料而產生用以根據前述複數個通信間隔、與前述複數個通信時間而推論通信計劃的學習完成模型。
- 一種推論裝置,係包括:資料取得部,係取得請求項5至請求項8中任一項之分配裝置之記憶部所記憶之複數個通信間隔及複數個通信時間作為推論用資料;及推論部,係記憶有用以推論顯示執行表示周期通信之種類之複數個通信種類各者之通信之時期之通信計劃的學習完成模型,而且,使用前述學習完成模型而推論對應前述推論用資料的通信計劃。
- 一種分配方法,係由記憶部記憶有:屬於正的值的基數;顯示周期通信之種類的複數個通信種類;複數個通信間隔,係針對前述複數個通信種類各者而顯示執行二個連續之通信之間隔的上限;及評估周期,係顯示通信計劃中之周期通信的候補,該通信計劃係顯示執行前述複數個通信種類各者之通信的時期;及由分配檢討部求出前述基數經算數演算後的值且該值為將前述複數個通信間隔各者除以前述評估周期以上的值所得出之值以下之自然數的值,以作為對應前述複數個通信間隔各者的複數個評估頻率,且將對應前述複數個通信間隔各者的複數個通信頻率設定為前述複數個評估頻率各者所示的周期為一次,將指定周期的周期編號分配至前述複數個通信種類的任一個通信種類,藉此執行決定前述通信計劃的分配處理。
- 一種程式產品,係使電腦執行分配處理者;該電腦係記憶有:屬於正的值的基數;顯示周期通信之種類的複數個通信種類;複數個通信間隔,係針對前述複數個通信種類各者而顯示執行二個連續之通信之間隔的上限;及評估周期,係顯示通信計劃中之周期通信的候補,該通信計劃係顯示執行前述複數個通信種類各者之通信的時期;該分配處理係求出前述基數經算數演算後的值且該值為將前述複數個通信間隔各者除以前述評估周期以上的值所得出之值以下之自然數的值,以作為對應前述複數個通信間隔各者的複數個評估頻率,且將對應前述複數個通信間隔各者的複數個通信頻率設定為前述複數個評估頻率各者所示的周期為一次,將指定周期的周期編號分配至前述複數個通信種類的任一個通信種類,藉此執行決定前述通信計劃的分配處理。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2020/002720 WO2021152652A1 (ja) | 2020-01-27 | 2020-01-27 | 割当装置、学習装置、推論装置、割当方法、及び、割当プログラム |
WOPCT/JP2020/002720 | 2020-01-27 |
Publications (1)
Publication Number | Publication Date |
---|---|
TW202130155A true TW202130155A (zh) | 2021-08-01 |
Family
ID=77078669
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TW109114013A TW202130155A (zh) | 2020-01-27 | 2020-04-27 | 分配裝置、學習裝置、推論裝置、分配方法、以及分配程式產品 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220276642A1 (zh) |
JP (1) | JP7038927B2 (zh) |
DE (1) | DE112020005639B4 (zh) |
TW (1) | TW202130155A (zh) |
WO (1) | WO2021152652A1 (zh) |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003333048A (ja) * | 2002-05-16 | 2003-11-21 | Denso Corp | 車載通信制御システム |
JP2007081628A (ja) | 2005-09-13 | 2007-03-29 | Nec Electronics Corp | ネットワークの設計方法、ネットワーク設計プログラム、及びネットワーク設計装置 |
JP5308536B2 (ja) * | 2009-11-20 | 2013-10-09 | ボッシュ株式会社 | 送信メッセージ送信タイミング設定方法 |
-
2020
- 2020-01-27 DE DE112020005639.2T patent/DE112020005639B4/de active Active
- 2020-01-27 WO PCT/JP2020/002720 patent/WO2021152652A1/ja active Application Filing
- 2020-01-27 JP JP2021564625A patent/JP7038927B2/ja active Active
- 2020-04-27 TW TW109114013A patent/TW202130155A/zh unknown
-
2022
- 2022-05-20 US US17/749,810 patent/US20220276642A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
JPWO2021152652A1 (zh) | 2021-08-05 |
JP7038927B2 (ja) | 2022-03-18 |
US20220276642A1 (en) | 2022-09-01 |
DE112020005639B4 (de) | 2023-10-19 |
DE112020005639T5 (de) | 2022-09-08 |
WO2021152652A1 (ja) | 2021-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11361483B2 (en) | Graph partitioning for massive scale graphs | |
CN110390387B (zh) | 对深度学习应用所用资源进行评估 | |
JP2022511716A (ja) | 非集中的な分散型深層学習 | |
US9081618B2 (en) | Method and apparatus for the scheduling of computing tasks | |
CN112559163B (zh) | 优化张量计算性能的方法及装置 | |
US20220035544A1 (en) | Memory allocation method and device, and electronic apparatus | |
JP6083290B2 (ja) | 分散処理システム | |
CN111158613A (zh) | 基于访问热度的数据块存储方法、装置及存储设备 | |
CN112162861B (zh) | 线程分配方法、装置、计算机设备及存储介质 | |
CN111813523A (zh) | 时长预估模型生成方法、系统资源调度方法、装置、电子设备和存储介质 | |
CN109597687A (zh) | 数据同步的资源分配方法、装置、存储介质和电子设备 | |
CN116684420A (zh) | 集群资源调度方法、装置、集群系统和可读存储介质 | |
US20200089729A1 (en) | Optimization problem arithmetic method and optimization problem arithmetic apparatus | |
CN111124644A (zh) | 任务调度资源的确定方法、装置及系统 | |
US20240176657A1 (en) | Task processing method and apparatus, electronic device, storage medium and program product | |
CN114429195A (zh) | 混合专家模型训练的性能优化方法和装置 | |
TW202130155A (zh) | 分配裝置、學習裝置、推論裝置、分配方法、以及分配程式產品 | |
CN116962438A (zh) | 一种梯度数据同步方法、系统、电子设备及可读存储介质 | |
CN116737370A (zh) | 一种多资源调度方法、系统、存储介质及终端 | |
CN109408722B (zh) | 社区划分方法、装置、计算设备及存储介质 | |
JP2019191710A (ja) | 情報処理装置、情報処理方法および情報処理プログラム | |
CN106126343B (zh) | 基于增量式分区策略的MapReduce数据均衡方法 | |
CN112241324B (zh) | 内存管理方法及装置 | |
JP2017228223A (ja) | 信号処理装置 | |
JPWO2014027444A1 (ja) | スケジューリング装置、及び、スケジューリング方法 |