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！

龙图腾网恭喜华东理工大学;上海云参科技有限公司申请的专利一种用于云计算的虚拟机优化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：CN115016889B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202210423376.8，技术领域涉及：G06F9/455；该发明授权一种用于云计算的虚拟机优化调度方法是由丁炜超;单锦华;郭立;时昌银;费细兵设计研发完成，并于2022-04-21向国家知识产权局提交的专利申请。

本一种用于云计算的虚拟机优化调度方法在说明书摘要公布了：本发明涉及一种用于云计算的虚拟机优化调度方法，该方法以虚拟机多目标调度优化结果为输入参数，所述方法首先通过目标转换建立原始决策矩阵，然后结合资源调度过程的系统状态转移关系，建立资源调度流程所对应的马尔科夫决策过程MDP，进而通过强化学习技术训练得到带有虚拟机迁移代价信息的辅助决策矩阵，最后利用原始决策矩阵和辅助决策矩阵构建权衡决策矩阵，并根据用户对目标属性的偏好信息，输出全局最优调度方案。与现有技术相比，本发明具有不仅考虑了虚拟机调度方案执行前的稳态目标信息，如能耗、服务质量、资源使用率等，还兼顾了虚拟机调度方案执行后对后续资源整合所可能造成的潜在迁移代价等优点。

本发明授权一种用于云计算的虚拟机优化调度方法在权利要求书中公布了：1.一种用于云计算的虚拟机优化调度方法，其特征在于，该方法以虚拟机多目标调度优化结果为输入参数，所述方法首先通过目标转换建立原始决策矩阵，然后结合资源调度过程的系统状态转移关系，建立资源调度流程所对应的马尔科夫决策过程MDP，进而通过强化学习技术训练得到带有虚拟机迁移代价信息的辅助决策矩阵，最后利用原始决策矩阵和辅助决策矩阵构建权衡决策矩阵，并根据用户对目标属性的偏好信息，输出全局最优调度方案； 所述的方法具体包括以下步骤： 步骤S1、基于非劣解集建立原始决策矩阵将非劣解集X＝x1,x2,...,xj,...,xnT根据目标函数转换为目标函数集 步骤S2、建立辅助决策矩阵Q； 步骤S3、采用强化学习技术训练MDP模型，直至奖励矩阵Q-Value收敛，其中奖励矩阵为辅助决策矩阵； 步骤S4、基于原始决策矩阵与辅助决策矩阵Q建立权衡决策矩阵； 步骤S5、基于用户偏好构建加权规范决策矩阵 步骤S6、定义理想点使得理想点中各属性值均为决策集中的最优值，其中理想点各属性值为加权规范决策矩阵中各元素的最小值； 步骤S7、在加权规范决策矩阵中基于理想点输出全局最优解； 所述的步骤S2具体包括： 201确定迁移代价M的度量标准，以迁移代价M作为虚拟机调度方案xj所对应的奖励函数； 202以迁移代价M作为系统健壮性指标，基于虚拟机调度过程中的系统状态转移关系建立MDP模型； 所述的迁移代价M使用每个虚拟机vmj的迁移时间来度量，具体表示为： 其中，表示虚拟机vmj完成迁移所需时间；Mj表示虚拟机vmj迁移时的内存请求量；Bj表示物理主机的可用带宽； 所述的MDP模型以四元组定义为：M＝S,A,Psa,R； 其中，S为状态空间，有s∈S，st表示Agent在时间步t接收的状态； A为动作空间，有a∈A，at表示Agent时间步t执行的动作； Psa表示在当前s∈S状态下，经过动作a∈A作用后，Agent会转移到的其他状态s∈S的概率分布情况； R为奖励函数； 其中状态空间S定义为：将t时刻第i个物理主机的CPU利用率表示为sti，则时间步t时计算节点集群的状态空间表示为St＝st1,st2,...,stn，n表示物理主机数目； 动作空间A定义为：每一个非劣解均代表一种虚拟机调度方案，使用基于分布式支持向量机的方法将多目标资源调度问题的Pareto最优解集划分为能耗优先型动作、服务质量优先型动作以及资源使用效率优先型动作三类，即A＝{能耗优先，服务质量优先，资源使用效率优先}； 所述的步骤S4具体包括： 401计算按照xj执行虚拟机放置方案后的系统集群状态sj1,sj2,...,sjn； 402计算执行xj调度方案所对应的动作a； 403根据辅助决策矩阵获取状态sj1,sj2,...,sjn执行动作a所对应的奖励值Rewardji； 404将Rewardji作为非劣解xj的一个新目标函数值添加到决策矩阵中，构成权衡决策矩阵

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华东理工大学;上海云参科技有限公司，其通讯地址为：200237 上海市徐汇区梅陇路130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”。