买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉长沙理工大学申请的专利动态融合遗传算法的边缘容器多目标蚁群优化调度方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116107692B 。

龙图腾网通过国家知识产权局官网在2025-08-19发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211623080.7，技术领域涉及：G06F9/455；该发明授权动态融合遗传算法的边缘容器多目标蚁群优化调度方法是由杨硕;唐小勇设计研发完成，并于2022-12-16向国家知识产权局提交的专利申请。

本动态融合遗传算法的边缘容器多目标蚁群优化调度方法在说明书摘要公布了：本发明提供一种动态融合遗传算法的边缘容器多目标蚁群优化调度方法，方法包括步骤：S1、获取边缘环境系统模型和网络模型的配置信息；S2、将用户请求任务封装在Container中，准备开始Pod调度；S3、根据待调度的Pod属性和Node节点属性建立多目标优化函数；S4、利用遗传算法前期快速随机搜索能力得到初始解，若在迭代中的进化率小于最小进化率跳出遗传算法阶段；S5、遗传算法的初始解和适应度函数动态融合到蚁群算法的信息素、信息素更新规则和启发信息中，进行蚁群算法的精确求解，迭代循环结束，输出Pareto最优解集。

本发明授权动态融合遗传算法的边缘容器多目标蚁群优化调度方法在权利要求书中公布了：1.一种动态融合遗传算法的边缘容器多目标蚁群优化调度方法，其特征在于，包括如下步骤： S1、获取系统模型和网络模型，所述系统模型包括多个边缘服务器、若干无线基站组、一个云服务中心；边缘计算的所述网络模型由用户与边缘服务器云服务器的连接方式确定；用户通过WLAN连接到最近的边缘服务器，边缘服务器间通过城域网MAN互相连接，边缘服务器与云端通过广域网WAN进行连接，所有边缘服务器都使用具有千兆以太网容量的共享城域网，如果将任务卸载到远程边缘服务器，则使用MAN，在这种情况下通过至少两跳访问，通过WLAN和MAN调度到合适的节点； S2、用户具有t种不同请求需求的任务，将t种任务封装到t种不同的Container中，待调度的Pod有i个，P＝{P0,P1,...,Pi-1}则为待调度的pod队列，每个Pod由n个容器构成，Pi＝{C1,C2,...,Cn}，待部署的Node节点有j个，N＝{N0,N1,...,Nj-1}表示待部署节点的队列，每个Node上有k种资源Nj＝{1,2,...,k}，一个Pod只能对应在一个Node节点运行，对于任意一种资源k，边缘服务器上所有的Node节点资源分配小于该边缘服务器的相应资源容量； S3、根据网络模型信息和待调度的pod属性，得到pod调度到边缘服务器的网络传输开销、计算时延和负载均衡度，建立多目标优化函数； S4、使用遗传算法群体性的快速随机全局搜索能力，产生目标函数的初始解，在遗传算法阶段，采用间接编码方式，对每个pod被分配到的Node节点进行编码，根据kubernetes默认调度中判断资源优先级的思想定义遗传算法中的适应度函数，预先设置遗传算法的最小迭代次数gmin、最大迭代次数gmax以及最小进化率gratio，然后统计迭代过程中子代群体的进化率，若在给定的迭代次数范围内有连续gs代的进化率均低于gratio，则终止遗传算法搜索，开始进入蚁群算法求解； S5、信息素规则决定Pod调度到相应Node节点的概率，将遗传算法得到的初始解转化为蚁群算法的初始化信息素浓度，基于遗传算法中变异操作保持种群的多样性防止算法陷入早熟加入蚁群算法局部信息素更新思想，并将蚂蚁为节点的打分值作为更新启发信息值，进行最优解求解； 所述步骤S4根据kubernetes默认调度中判断资源优先级的思想定义遗传算法中的适应度函数，具体包括： 步骤一：根据在Kubernetes的默认调度方法中由Node空闲资源与Node资源总量的比值来决定Node评分，空闲资源越多，评分越高，得到计算公式如下： 其中，Ncpu、Nmem和Nst分别表示Node节点的CPU、内存和磁盘总资源量，Nusedu、Nusedm和Nusedst分别表示Node节点通过遗传算法求解后得到的已用的CPU、内存和磁盘资源量，Prequ、Preqm和Preqst分别表示Pod请求的CPU、内存和磁盘资源量； 步骤二：建立遗传算法的适应度函数： Fiti＝aRcpu+bRst+cRmem 根据求得的Rcpu、Rst和Rmem比较三个值的大小得出a，b，c的权值系数大小依次为0.5，0.3，0.2； 所述步骤S5信息素规则具体包括： 步骤一：基于遗传算法变异操作防止算法陷入早熟加入蚁群算法局部信息素更新，局部信息素浓度公式为： τijt+1＝1-ρτijt+rFiti Fiti为遗传算法中的适应度函数，将其作为影响因子加入局部信息素浓度更新公式，该值越大，则部署到节点的可能性越大，r为适应度的权重系数； 步骤二：当所有蚂蚁为全部待调度pod分配到相应的Node节点之后，可以计算出此次循环迭代的全局最优解，并对Pareto解集中所有最优解构建的放置方案中每个Pod所分配节点的映射进行信息素全局更新，更新公式如下所示： 为该最优解放置方案的信息素增量，其值为 f为pareto解集中的解对应的放置方案，为f方案对应得网络开销归一化函数，其值为 是物理机j上的最高能源消耗。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长沙理工大学，其通讯地址为：410114 湖南省长沙市天心区万家丽路二段960号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。