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！

龙图腾网获悉西北大学申请的专利一种基于维度学习策略和灰狼优化的云平台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：CN115454612B 。

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：202211226529.6，技术领域涉及：G06F9/48；该发明授权一种基于维度学习策略和灰狼优化的云平台任务调度方法是由王小凤;孙超;陈思煜;梁璐;田蓉蓉;耿国华;吴昊;王宾;贺小伟设计研发完成，并于2022-10-09向国家知识产权局提交的专利申请。

本一种基于维度学习策略和灰狼优化的云平台任务调度方法在说明书摘要公布了：本发明公开了一种基于维度学习策略和灰狼优化的云平台任务调度方法，包括步骤1、初始化DLH‑GWO算法的各项参数；2、选取执行成本、最大完工时间、等待时间和资源利用率构建多目标优化模型，并计算灰狼个体的适应度，得到表现最好的前三匹狼的位置；3、结合维度学习DLH的搜索策略及前三匹狼的位置，计算出灰狼种群N中其余狼的两个候选更新位置；4、比较两个候选更新位置及灰狼个体当前位置的适应度值，选取更优的位置对灰狼个体进行位置更新；5、对所有灰狼个体执行相同策略的位置调整、选择和更新操作；6、判断第t次迭代是否到达最大迭代次数，若否，则继续下一次搜索，否则输出最优解，平衡了算法的全局和局部搜索能力，提高云平台的可用性。

本发明授权一种基于维度学习策略和灰狼优化的云平台任务调度方法在权利要求书中公布了：1.一种基于维度学习策略和灰狼优化的云平台任务调度方法，其特征在于，具体包括以下步骤： 步骤1、初始化DLH-GWO算法的各项参数，使灰狼种群N的位置信息以随机分布状态存储在一个N行D列的矩阵Position中； 步骤2、选取执行成本ExecutionCost、最大完工时间MakeSpan、等待时间WaitTime和资源利用率Utilization构建多目标优化模型，自定义多目标适应度函数为： F＝min{ExecutionCost,Makespan,WaitTime}+max{Utilization}1 根据公式1计算灰狼个体的适应度，得到表现最好的前三匹狼的位置信息Xα、Xβ和Xδ； 步骤3、结合基于维度学习DLH的搜索策略及前三匹狼的位置信息Xα、Xβ和Xδ，分别计算出灰狼种群N中其余狼的两个候选更新位置，在DLH搜索策略中，灰狼Xit的新位置的每个维度表示为： Xi-DLHt+1＝Xi,dt+rand×Xn,dt-Xr,dt2 式中，Xn,dt表示Xit所相邻的灰狼的第d维度，Xr,dt表示从矩阵Position中随机选取的灰狼的第d维度，Xi-DLHt+1表示DLH搜索策略为灰狼Xit生成的一个新的候选位置的第d维度； Xn,dt表示在Xit的邻域Nit中随机选择，邻域Nit表示为： Nit＝{Xjt|DiXit,Xjt≤Rit,Xjt∈Q}3 式中，Di为Xit和Xjt之间的欧几里得距离，Rit为邻域半径，其表达式为： Rit＝||Xit-Xi-GWOt+1||4 式中，Xi-GWO位置搜索定义为： 式中，Dα、Dβ和Dδ分别表示ω狼与α狼、β狼和δ狼之间的距离，和为系数向量，用以控制灰狼个体搜索猎物时的发散程度，代表w狼的位置信息，和分别表示表示α狼、β狼和δ狼的位置信息，和表示灰狼个体分别受到α狼、β狼和δ狼单独影响所做出的位置更新； 步骤4、比较两个候选更新位置Xi-GWOt+1和Xi-DLHt+1及灰狼个体当前位置的适应度值，选取更优的位置对灰狼个体进行位置更新，表示为： 步骤5、重复步骤2～步骤4，对所有灰狼个体执行相同策略的位置调整、选择和更新操作； 步骤6、判断第t次迭代是否到达最大迭代次数Maxiter，若tMaxiter，则返回步骤2继续下一次搜索过程；否则，输出最优解。

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西北大学，其通讯地址为：710069 陕西省西安市太白北路229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。