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！

龙图腾网获悉聊城大学申请的专利无服务器MapReduce多目标调度优化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：CN121636121B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202610147708.2，技术领域涉及：G06F9/48；该发明授权无服务器MapReduce多目标调度优化方法是由桑红燕;陈传智;刘泓清;申恒杰;毕颖;王明奕设计研发完成，并于2026-02-03向国家知识产权局提交的专利申请。

本无服务器MapReduce多目标调度优化方法在说明书摘要公布了：本发明涉及云计算与分布式计算调度技术领域，具体属于一种无服务器MapReduce多目标调度优化方法。包括：构建有向无环图，将资源分配决策编码为从源节点到目标节点的解，采用混合初始化策略生成初始种群，适应度评估，计算每个非支配前沿中解的拥挤距离，依次执行锦标赛选择、自适应交叉策略、拓扑修复变异策略，周期性执行启发式搜索引导的解注入策略，进行拥挤距离选择，更新全局帕累托最优解集，达到时间输出当前的全局帕累托最优解集，反之返回迭代。本发明具有平衡MapReduce作业的执行成本与执行时间、提升多目标调度方案的全局帕累托最优解集质量、增强算法收敛速度和鲁棒性的积极效果。

本发明授权无服务器MapReduce多目标调度优化方法在权利要求书中公布了：1.一种无服务器MapReduce多目标调度优化方法，其特征在于，包括以下步骤， 步骤1，初始化启发式搜索引导的非支配排序遗传算法运行参数，包括种群大小、交叉率、变异率、启发式搜索引导的注入间隔； 步骤2，构建无服务器MapReduce作业的资源分配的有向无环图，将资源分配决策编码为从源节点到目标节点的解； 步骤3，采用混合初始化策略生成初始种群，所述的混合初始化策略包括启发式搜索引导过程和约束感知随机生成过程，在启发式搜索引导过程中，使用启发式搜索生成最小执行成本的解和最小执行时间的解，在约束感知随机生成过程中，通过深度优先搜索和动态剪枝方法构造不同的解，其中， 使用启发式搜索生成最小执行成本的解时，采用自适应阈值方式，实现过程为，从源节点开始，维护一个开放列表和一个关闭列表，开放列表存储待扩展的节点，关闭列表存储已扩展的节点，每次从开放列表中选择评估函数值最小的节点进行扩展，评估函数定义为 ，其中表示节点的评估函数值，表示有向无环图中的节点，表示从源节点到节点的实际执行成本，表示从节点到目标节点的估计执行成本，为动态调整的松弛因子，当扩展的节点为目标节点时，回溯路径得到最小执行成本的解； 使用启发式搜索生成最小执行时间的解时，采用反向搜索方式，实现过程为，从目标节点向源节点进行反向搜索，维护一个开放列表和一个关闭列表，每次从开放列表中选择累积执行时间最小的节点进行扩展，当扩展的节点为源节点时，回溯路径得到最小执行时间的解； 深度优先搜索的具体过程为，从源节点开始，初始化当前节点为源节点，初始化路径为空，将源节点加入路径，当当前节点不等于目标节点时，获取当前节点的邻接列表，邻接列表存储从当前节点出发的所有边，若邻接列表为空则终止当前路径的生成，从邻接列表中随机均匀选择一条边，将选择的边所连接的目标节点更新为当前节点，将当前节点、边的执行成本和执行时间加入路径； 动态剪枝方法的具体过程为，在每次节点扩展后，计算从源节点到当前节点的累积执行成本和累积执行时间，当累积执行成本大于预算限制或累积执行时间大于截止期限时，终止当前路径的扩展，回溯到路径中上一个满足资源约束条件的节点，从上一个满足资源约束条件的节点的邻接列表中移除已尝试的边，重新随机选择满足资源约束条件的边进行扩展，若回溯后仍无法找到满足资源约束条件的边，则放弃当前路径并重新从源节点开始生成新路径； 步骤4，对当前种群中的每个解进行适应度评估，采用最小化任务完成时间的目标函数和最小化执行成本的目标函数对每个解进行评价，并将当前种群作为父代种群； 步骤5，对当前种群进行非支配排序，基于支配关系初始化支配计数，迭代构建非支配前沿，计算每个非支配前沿中解的拥挤距离； 步骤6，依次执行锦标赛选择、自适应交叉策略、拓扑修复变异策略并生成子代种群；所述的拓扑修复变异策略包括选择变异节点过程、确定节点过程、修复过程，针对解编码序列=，分别表示路径在各资源决策阶段对应的节点，在选择变异节点过程中，从均匀分布中随机选择一个变异节点，表示解编码序列中节点的总数量；在确定节点过程中，从变异节点的前驱节点的邻接列表中随机选择一条新边进行替换，边替换必须满足拓扑连续性约束，即存在从前驱节点到新边目标节点的边且新边的目标节点不等于变异节点，其中新边的目标节点表示新边指向的节点；在修复过程中，若新边导致解编码序列中变异节点之后的部分与目标节点的连接性断裂或拓扑连续性约束违反，则触发修复机制，检查是否存在从断开节点到目标节点的路径，若不存在则识别并移除不满足资源约束条件的节点，从断开节点开始，在断开节点的邻接列表中选择满足资源约束条件的边构建路径，到达下一节点，以此类推，直至到达目标节点； 步骤7，周期性执行启发式搜索引导的解注入策略，将单目标最优解注入到子代种群中，更新子代种群；所述的启发式搜索引导的解注入策略的具体过程为， 每隔代对子代种群进行非支配排序，从第一非支配前沿中按拥挤距离从大到小排序选择解，选择拥挤距离最大的解作为代表性解，为预设的启发式搜索引导的注入间隔；提取代表性解的总执行成本或总执行时间作为约束条件；以最小化执行成本为目标，在代表性解的总执行成本约束下，使用启发式搜索获得最小执行时间的解；以最小化执行时间为目标，在代表性解的总执行时间约束下，使用启发式搜索搜索最小执行成本的解；将生成的单目标最优解注入到子代种群中，替换非支配排序的等级较高或拥挤距离较小的解，或补充子代种群中拥挤距离较小的区域，更新子代种群； 步骤8，合并父代种群和子代种群，对合并后的临时种群进行拥挤距离选择，生成新种群； 步骤9，更新全局帕累托最优解集； 步骤10，判断是否达到时间限制，若达到则输出当前的全局帕累托最优解集和当前全局帕累托最优解集对应的总执行成本和总执行时间，反之返回步骤4继续迭代。

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聊城大学，其通讯地址为：252000 山东省聊城市东昌府区湖南路1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。