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！

龙图腾网获悉大连大学申请的专利一种异构云环境下多目标MAVOA算法优化任务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：CN115454601B 。

龙图腾网通过国家知识产权局官网在2025-10-21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：202211121786.3，技术领域涉及：G06F9/48；该发明授权一种异构云环境下多目标MAVOA算法优化任务调度方法是由周士华;王思婕;胡轶男设计研发完成，并于2022-09-15向国家知识产权局提交的专利申请。

本一种异构云环境下多目标MAVOA算法优化任务调度方法在说明书摘要公布了：本发明公开了一种异构云环境下多目标MAVOA算法优化任务调度方法，该方法首先对异构云环境下的任务调度问题进行建模，明确目标函数、变量范围以及约束条件；其次将MAVOA中的种群个体位置对应于任务与处理机之间映射问题的候选解，其中位置向量的每一个维度代表一个分配规则。最后，MVAOA通过多次迭代得出最优候选解和最优适应度值，其中最优候选解即为任务与处理器节点的最佳映射关系，而最优适应度值则是目标函数的最小化平台耗费成本。本发明能够获得优秀的任务调度方案，良好地解决平台中系统资源利用不均的问题，有效地降低平台服务成本。

本发明授权一种异构云环境下多目标MAVOA算法优化任务调度方法在权利要求书中公布了：1.一种异构云环境下多目标MAVOA算法优化任务调度方法，其特征在于，包括： 步骤1：对异构云环境下的任务调度问题进行建模，确定优化目标和约束条件，并得到所述任务调度问题的目标函数； 步骤2：设定maxiterations和种群数量N，获取初始种群X，所述种群中的个体表示任务和处理器节点之间的映射关系，每个个体Xi的位置对应着一个候选解，Xij则代表了第i个候选解的第j个维度上数值，即第i个任务绑定在处理器节点j上； 步骤3：根据所述任务调度问题的目标函数评估种群；获取每个候选解的适应度值F；更新当前最优候选解BestX、SecondBestX和最优适应度值BestF、SecondBestF； 步骤4：获取判断值P1，将适应度值F大于1且判断值P1大于随机数rand的候选解标记为1类候选解，将适应度值F大于1且判断值P1小于等于随机数rand的候选解标记为2类候选解，并更新所述1类候选解和2类候选解； 步骤5：当第t次迭代的最优适应度值BestFt与第t-1次迭代的最优适应度值BestFt-1相等时，突变计数count加1；当所述突变计数count累积到设定值时发生一次个体位置更新，此时突变计数count归0，转至步骤9； 步骤6：获取判断值P2，将适应度值F大于等于0.5、小于1且判断值P2大于等于随机数rand的候选解标记为3类候选解；将适应度值F大于等于0.5、小于1且判断值P2小于随机数rand的候选解标记为4类候选解，并更新所述3类候选解和4类候选解； 步骤7：获取判断值P3，将适应度值F小于0.5且判断值P3大于等于随机数rand的候选解标记为5类候选解；将适应度值F小于0.5且判断值P3小于随机数rand的候选解标记为6类候选解；并更新所述5类候选解和6类候选解； 步骤8：使用基于Metropolis准则的局部调度策略优化种群中的非支配解，并更新溢出边界范围的个体位置，进而更新种群； 步骤9：通过动态阈值分类处理节点，采用修正后的余弦相似度负载均衡策略迁移过载以及轻载处理节点上的任务，均衡系统资源利用率，并更新个体位置； 步骤10：判断是否达到最大迭代次数，若达到最大迭代次数则进行步骤11，否则返回步骤3； 步骤11：得到最优候选解BestX和最优适应度值BestF，所述最优候选解BestX即为任务与处理器节点的最佳映射关系，所述最优适应度值BestF即为目标函数的最小化平台耗费成本。

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大连大学，其通讯地址为：116622 辽宁省大连市经济技术开发区学府大街10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”。

以上内容由龙图腾AI智能生成。