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！

龙图腾网获悉福州大学申请的专利云环境中面向可靠性约束的工作流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：CN116126498B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202310016340.2，技术领域涉及：G06F9/48；该发明授权云环境中面向可靠性约束的工作流调度方法是由陈星;李金亮设计研发完成，并于2023-01-06向国家知识产权局提交的专利申请。

本云环境中面向可靠性约束的工作流调度方法在说明书摘要公布了：本发明涉及一种云环境中面向可靠性约束的工作流调度方法，包括以下步骤：步骤S1:构建在工作流总体可靠性约束下使用三角模糊数表示任务的执行时间和传输时间的问题模型；步骤S2:改进PSO算法，构建基于遗传算法的自适应粒子群算法；步骤S3:基于遗传算法的自适应粒子群算法在满足工作流的总体可靠性约束下，优化工作流的模糊完成时间和模糊执行代价,得到最优的工作流调度方案。本发明在云环境存在服务器可能发生性能波动和宕机等问题下，对带可靠性约束的工作流调度具有更佳的适应性。

本发明授权云环境中面向可靠性约束的工作流调度方法在权利要求书中公布了：1.一种云环境中面向可靠性约束的工作流调度方法，其特征在于，包括以下步骤： 步骤S1:构建在工作流总体可靠性约束下使用三角模糊数表示任务的执行时间和传输时间的问题模型； 步骤S2:改进PSO算法，构建基于遗传算法的自适应粒子群算法； 步骤S3:基于遗传算法的自适应粒子群算法在满足工作流的总体可靠性约束下，优化工作流的模糊完成时间和模糊执行代价,得到最优的工作流调度方案； 工作流总体可靠性约束下的完成时间和执行代价的优化调度问题，可形式化表示为： 其中，Ttotal为工作流的总体执行时间，Ctotal为工作流执行代价，Rel为当前调度方案的工作流总体可靠性数值，σrel为预定义的可靠性约束阈值； 所述基于遗传算法的自适应粒子群算法，具体如下： 1使用云计算资源和任务组成的二维离散粒子的编码方式，一个粒子代表问题空间中的一个解，粒子i在t时刻的位置如下所示： 其中，表示第i个粒子的第1个任务在t时刻所处的虚拟机编号； 2目标在于满足工作流的总体可靠性约束下优化工作流的总代价f，总代价f包含工作流的模糊执行代价和模糊执行时间调度目标有两个，属于多目标规划问题，故将适应度函数设为： 其中k1和k2分别表示完成时间和执行代价的权重系数，Tone,Cone表示所有任务仅在一台服务器上执行所花费的完成时间和执行代价； 3引入了遗传算法的交叉算子和变异算子，粒子i在第t次迭代时，粒子的更新方式如下所示，其中和⊙分别表示交叉算子和变异算子： 在传统PSO更新公式的惯性部分引入了变异算子，其更新方式如下： 其中，r1是0,1的随机数，pm为给定的变异概率，当r1pm，则发生变异操作，会随机更改的一个分位的服务器编码，若r1≥pm则不发生变异行为； 对于个人认知部分和社会认知部分，引入了交叉算子对传统更新公式相应部分进行更新，其更新方式如下： 其中，这两个公式分别对个人认知部分和社会认知部分进行更新，r2和r3是0,1的随机数，pc为给定的交叉概率，当r2pc或r3pc时，则发生变异操作，Cp或Cg会随机选择粒子的2个分位，将粒子分位之间的服务器编码与或gBestt‑1对应的分位之间的服务器编码进行交叉； 4新的惯性因子w的调整策略，能够根据当前粒子与历史全局最佳粒子gBestt‑1的差异自适应调整w的值，w的更新方式如下： 其中，表示粒子与历史全局最佳粒子gBestt‑1之间的不同分位的数量，|T|表示工作流中子任务的数量； 将待比较的两个粒子的具体情况分成下面三种情况进行讨论： 1对于待比较的两个粒子，若两个粒子都满足可靠性约束，则选择总代价较小的粒子2若一个粒子满足可靠性约束，一个粒子不满足可靠性约束，则选择满足可靠性约束的粒子3若两个粒子都不满足可靠性约束，对于两个都不满足约束的粒子，选择可靠性大的粒子，因为该粒子经过迭代后更可能成为可行解，则

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福州大学，其通讯地址为：350108 福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学；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”。

以上内容由龙图腾AI智能生成。