買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜云南師范大學申請的專利一種基于超啟發式算法的微服務資源自適應調整方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119356801B 。

龍圖騰網通過國家知識產權局官網在2025-04-04發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411937909.X，技術領域涉及：G06F9/455；該發明授權一種基于超啟發式算法的微服務資源自適應調整方法是由郝佳;曹睿婕;楊瑞清;夏鴻晏設計研發完成，并于2024-12-26向國家知識產權局提交的專利申請。

本一種基于超啟發式算法的微服務資源自適應調整方法在說明書摘要公布了：本發明涉及一種基于超啟發式算法的微服務資源自適應調整方法，屬于微服務資源動態管理技術領域。該方法能夠精細管理CPU核數、內存大小、IO大小等關鍵資源，首先，運行基準測試工具模擬真實應用運行場景，收集云原生架構下的微服務節點在不同工作負載下的資源使用數據集，其次，利用生成對抗網絡增強已有的資源?性能數據，生成輔助標簽訓練樣本，隨后，構建一個“自訓練?半監督”的微服務節點性能預測模型，實現微服務節點資源的性能預測，最后，構建基于超啟發式算法的微服務資源調整模型，實現微服務節點資源的自適應調整，從而達到在滿足任務端到端的服務質量的同時，提高微服務節點的資源利用率的目的。

本發明授權一種基于超啟發式算法的微服務資源自適應調整方法在權利要求書中公布了：1.一種基于超啟發式算法的微服務資源自適應調整方法，其特征在于，所述的方法包括：Step1：運行基準測試工具模擬真實應用運行場景；Step2：在所述應用運行場景中利用監測工具采集微服務“資源-性能”數據；Step3：結合所采集的微服務“資源-性能”數據，構建SMPP模型預測微服務節點的響應時間；Step4：當所述預測微服務節點的響應時間不滿足預設服務質量要求時，結合AWSH模型生成資源調整決策；Step5：基于所述資源調整決策，利用資源管理工具對CPU資源、內存資源和IO資源實施調度；所述Step3具體為：Step3.1：基于GAN模型，引入回歸器，形成優化后的CTAB-GAN+模型；Step3.2：優化CTAB-GAN+模型中的生成器和鑒別器，所述生成器和所述鑒別器結構相同，均由CNN卷積神經網絡構成，其中，生成器的輸入為一個條件向量和一個從標準正態分布中隨機采樣的噪聲向量，生成器輸出的是生成的合成數據，作為鑒別器的輸入，鑒別器的輸出為對輸入屬于真實數據分布的置信度評估，通過計算生成器和鑒別器的損失函數來優化生成器和鑒別器；Step3.3：優化CTAB-GAN+模型中的回歸器，所述回歸器的輸入是生成器生成的合成數據中經過編碼和處理的特征向量，回歸器的輸出是對于給定輸入特征的連續預測值，并優化下游任務的性能，通過計算回歸器的損失函數來優化回歸器；Step3.4：重復Step3.2-Step3.3，不斷優化生成器、鑒別器與回歸器，當生成數據分布與真實數據分布相同時，或者達到預定的訓練迭代次數，則進入步驟Step3.5，且CTAB-GAN+模型輸出與所述微服務“資源-性能”數據呈一致性的高斯分布的帶標簽的輔助數據集；Step3.5：構建SMPP模型的自訓練部分，學習得到各微服務資源調用之間的潛在語義表征；Step3.6：利用所述帶標簽的輔助數據集及所述潛在語義表征，構建SMPP模型的半監督部分，從而完成整個SMPP模型的構建，實現對微服務節點響應時間的預測；所述Step4具體為：Step4.1：初始化資源分配方案集合作為解決方案空間，為第個資源分配方案，每個低級啟發式從中采樣進行學習，并且解決方案空間在每輪迭代時由被選中的低級啟發式根據其搜索最優資源分配方案的策略來更新；Step4.2：評估每個資源分配方案的適應度函數值，適應度函數以微服務節點的響應時間最短和系統整體資源利用率最優為目標，適應度函數的最優解為最優資源分配方案，計算公式如下： ，；其中，T代表時間，U代表資源利用率，、是平衡兩者的權重系數，資源利用率U由CPU、Memory、IO的利用率組成，計算公式如下： ； ； ； ；其中，、、分別是CPU、Memory、IO的權值，是CPU的利用率，cpu.id表示空閑時間，是內存的利用率，是虛擬內存使用量，是虛擬內存分配量，是IO的利用率，cpu.wa表示等待IO的所占的CPU時間；Step4.3：AWSH模型將蟻群算法作為高級啟發式，在每輪迭代中根據三個低級啟發式的先驗性能選擇其中一個低級啟發式，隨后，由被選中的低級啟發式針對資源分配問題使用自身的搜索策略來尋找最優資源分配方案，并更新解決方案空間，低級啟發式通過信息素被選中的概率的計算公式如下： ；式中，A為低級啟發式個數，為當前低級啟發式與下一個可能被選中的低級啟發式之間的信息素濃度；Step4.4：低級啟發式選擇完成后，更新低級啟發式被分配的信息素，計算公式如下： ；式中，為信息素揮發系數，為信息素增量，計算公式如下： ；其中，和分別是由低級啟發式和更新的解決方案空間中的最優資源分配方案的適應度函數值；Step4.5：重復Step4.1-Step4.4，當迭代次數達到最大迭代次數后終止迭代，AWSH模型輸出使適應度函數值最小的最優資源分配方案，作為最優微服務節點資源調整方案。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人云南師范大學，其通訊地址為：650500 云南省昆明市呈貢區聚賢街768號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。