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！

龍圖騰網恭喜浙江工業大學申請的專利基于LSTM和遺傳算法的分布式系統資源優化分配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：CN114528094B 。

龍圖騰網通過國家知識產權局官網在2025-05-30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：202210041802.1，技術領域涉及：G06F9/50；該發明授權基于LSTM和遺傳算法的分布式系統資源優化分配方法是由胡亞紅;潘恩宇;毛家發設計研發完成，并于2022-01-14向國家知識產權局提交的專利申請。

本基于LSTM和遺傳算法的分布式系統資源優化分配方法在說明書摘要公布了：一種基于LSTM時間預測模型和遺傳算法的資源分配方法，包括：1進行基于LSTM網絡的作業執行時間預測模型的訓練；2使用遺傳算法為批作業中每個作業分配合理的資源量；把遺傳算法的適應度函數改為基于LSTM的時間預測模型，通過遺傳算法的選擇，交叉，變異，迭代出適合每個作業的資源量大小；3使用基于遺傳算法的資源分配算法針對不同作業給予不同的資源量；當Spark分布式計算框架收到作業時，將根據不同的作業能使用的集群資源量進行計算，得到作業最短的處理時間。將需要處理的批作業信息提交后，本發明能夠給出各作業的優化資源分配方案，從而達到批作業運行時間最短的優化目標。

本發明授權基于LSTM和遺傳算法的分布式系統資源優化分配方法在權利要求書中公布了：1.基于LSTM和遺傳算法的分布式系統資源優化分配方法，其特征在于，包括以下步驟：1進行基于LSTM網絡的作業執行時間預測模型的訓練；LSTM網絡的輸入為作業的信息，其中，作業的信息包括作業類型和數據量、需要的內存、CPU核數，以及節點數，輸出信息為作業的運行時間；2使用遺傳算法為批作業中每個作業分配合理的資源量；把遺傳算法的適應度函數改為基于LSTM的時間預測模型，通過遺傳算法的選擇，交叉，變異，迭代出適合每個作業的資源量大小；3使用基于遺傳算法的資源分配算法針對不同作業給予不同的資源量；當Spark分布式計算框架收到作業時，將根據不同的作業能使用的集群資源量進行計算，以得到作業最短的處理時間；步驟1具體包括：1.1在集群運行過程中，對用戶作業的運行時間影響因素進行分析，最終確定了五個用戶作業執行時間的影響因子：作業類型、作業的數據量、作業使用的CPU核數、作業使用的內存大小和作業使用的節點數；1.2在真實分布式集群中運行不同的作業，描述作業的參數為作業類型、數據量、作業使用的CPU核數、內存大小和節點數，收集作業運行時間，作為時間預測模型的訓練和測試數據；1.3基于LSTM的時間預測模型的輸入分別是作業類型、作業數據量、作業使用的CPU核數、內存大小和節點數，模型輸出為作業的運行時間；模型所采用的損失函數為均方差MeanSquareError,MSE，計算方法如下： 其中，yi表示作業的真實運行時間，表示作業的預測執行時間，m是作業樣本數量；1.4進行模型超參數的選擇；對于學習率的取值，采用分步實驗的方法；首先，針對經典的學習率取值進行實驗，用迭代過程中對應的損失值來確定最佳學習率的量級；隨后，調整此量級中學習率的數值，進一步進行試驗，最終得到最佳的學習率；對于迭代次數，使用不同的迭代次數進行實驗，取對應的損失值最小的數據作為最優迭代次數；選取不同的網絡層數進行模型運行，取對應的損失值最小的數據作為最優網絡層數；選取不同的Dropout率進行模型運行，取對應的損失值最小的數據作為最優Dropout率；隱藏層節點個數使用下面的經驗公式和實驗確定； 其中nh,ni,no分別代表是神經網絡的隱含層節點數、輸入層節點數和輸出層的節點數；確定隱藏層節點個數的優化搜索算法包括下面幾步：a確定隱含層節點數的初始取值區間；b取值區間縮小；c取值區間拓展；d確定最優隱藏層節點數。

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浙江工業大學，其通訊地址為：310014 浙江省杭州市拱墅區潮王路18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”。