申请/专利权人：南京理工大学

申请日：2023-02-13

公开（公告）日：2024-01-23

公开（公告）号：CN116128139B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q30/0645;G06Q30/0283;G06Q30/0201;G06F9/48;G06F9/50

优先权：

专利状态码：有效-授权

法律状态：2024.01.23#授权;2023.06.02#实质审查的生效;2023.05.16#公开

摘要：本发明公开了一种基于顾客敏感性分析的云服务利润最优化方法及系统。方法包括以下内容：首先建立双租赁多服务器系统模型，并根据提出的顾客敏感性模型计算顾客敏感因子；然后基于敏感因子计算出预测的服务请求相对截止时间和价格函数，并提出基于顾客敏感性分析的利润计算表达式；最后根据数学解析法推导出最优解的特征，并据此设计启发式算法得到最佳服务请求调度方案和相应的最大利润。本发明在服务请求调度时同时考虑截止时间约束和顾客敏感性，增加了云服务提供商的利润。

主权项：1.一种基于顾客敏感性分析的云服务利润最优化方法，其特征在于，所述方法包括以下步骤：步骤1，建立具有长期租赁和短期租赁双重资源租赁模式的云服务器系统模型，建立顾客敏感因子计算模型；具体包括：步骤1-1，建立具有长期租赁和短期租赁双重资源租赁模式的云服务器系统模型，具体为：将云服务器系统中的云服务器视为MMM+D队列模型，由M台速度分别为{s1,s2,...,sM}的异构长期租赁服务器和D台速度为sshort的短期租赁服务器组成，其中，长期租赁服务器在每个时间间隙中长期运行，短期租赁服务器仅在有服务请求分配给短期租赁服务器时才运行，因此设置为每个分配到短期租赁服务器的服务请求独占一个短期租赁服务器，并在任务结束后即停止租赁；步骤1-2，建立顾客敏感因子模型，顾客敏感因子seni计算公式为： 式中，是一个包含五个元素的向量参数，由交易平台的历史数据采用最小二乘法等方法拟合得到，为顾客i个性评分，计算方式如下： 式中，Ep、An、Cp、Nn、Op、En、Ap、Cn、Np以及On分别表示TIPI量表中每个项目的评分；步骤2，基于顾客敏感因子，构建服务请求相对截止时间预测机制和顾客感知的云服务定价策略，之后计算云服务提供商的收入和成本，并构建利润计算表达式；具体包括：步骤2-1，基于顾客敏感因子，预测服务请求相对截止时间Di，计算公式为： 式中，Dsla表示服务等级协议SLA中规定的服务请求相对截止时间，maxr表示调度时隙内服务请求工作量的上限，maxs表示云服务平台中速度最快的服务器运行速度；步骤2-2，顾客感知的云服务定价，价格函数计算为： 式中，pi是关于服务请求相对截止时间Di的分段函数，pb是云服务提供商规定的云服务期望销售价格，fDi是一个与服务请求相对截止时间Di有关的函数，计算方式为：fDi＝∣Di-Dsla∣*Δp5式中，Δp表示服务请求相对截止时间Di与SLA中规定的服务请求相对截止时间Dsla相比每延长或缩短一个单位时间时，云服务价格降低或升高的幅度；步骤2-3，计算云服务提供商的成本Cost，包括两部分：服务器租赁费和服务器运行产生的电费，其中每一部分都包含长期租赁服务器和短期租赁服务器分别产生的费用，一个调度时隙内的成本Cost计算方式为： 式中，Ele表示产生的电费，Ren表示产生的租赁费，M表示长期租赁服务器数量，D表示短期租赁服务器数量，也即为分配到短期租赁服务器上的服务请求数量，|t|表示一个调度时隙长度，nk表示分配到长期租赁服务器k上的服务请求数量，表示单位电价，Ceff,k、vk、fk、Psta,k、sk和δk分别表示长期租赁服务器k的有效开关电容、电源电压、时钟频率、静态功耗、速度和单位时间的租赁费，ETi,k表示服务请求i在长期租赁服务器k上运行完成所需的时间，表达式为Ceff,sho、vsho、fsho、Psta,sho、ssho和δsho分别表示短期租赁服务器的有效开关电容、电源电压、时钟频率、静态功耗、速度和单位时间的租赁费；ri表示长期租赁服务器上服务请求i的工作量，rj表示短期租赁服务器上服务请求j的工作量；步骤2-4，构建利润Profit的计算表达式： 式中，Rev为云服务提供商在一个调度时隙内完成所有服务请求获得的收入，n为一个调度时隙内云服务请求的数量；步骤3，基于利润计算表达式，以利润最优化为目标，利用解析法推导出服务请求调度问题的最优解形式，根据最优解的特征设计启发式服务请求调度算法，求得最佳调度方案和相应的最大利润；具体包括：步骤3-1，基于所述利润计算表达式构建利润最大化优化问题，具体为： 式中，i表示服务请求i，ETi表示服务请求i的执行时间，Di表示预测的服务请求i的相对截止时间；利润表达式具体为： 步骤3-2，利用解析法根据利润计算表达式推导服务请求调度问题的最优解形式；步骤3-3，根据最优解的特征设计启发式服务请求调度算法，求得最优解即为最佳的服务请求调度方案及相应的最大利润；步骤3-2中利用解析法根据利润计算表达式推导服务请求调度问题的最优解形式为： 分配到短期租赁服务器的服务请求的工作量等于总工作量减去分配到长期租赁服务器的服务请求的工作量，即： 式中，n为服务请求总个数，M为长期租赁服务器个数，D为短期租赁服务器个数，也即为分配到短期租赁服务器上的服务请求个数，nk为分配到长期租赁服务器k上的服务请求个数；令 因此利润Profit继续推导为： 在调度时隙t内，服务请求集合、长期租赁服务器和短期租赁服务器的配置给定后，Profit表达式的第一项和第三项为常数，令为Profit表达式的第二项，即 再令 两个向量AM＝[A1,A2,...,AM]和BM＝[B1,B2,...,BM]T表示Profit表达式中变化的部分，AM和服务器配置有关，BM和服务请求集合有关，则的计算公式为： 对于每一个长期租赁服务器，计算其Ak值，并按照Ak值进行降序排列；BM的和为常数，则服务请求的调度结果满足B1≤B2≤...≤BM的情况时，即为服务请求调度问题的最优解，云服务提供商的利润Profit最大。

全文数据：

权利要求：

百度查询： 南京理工大学 基于顾客敏感性分析的云服务利润最优化方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD