基于多因素评分的轨道交通云资源需求匹配算法及系统的制作方法

摘要: 本技术涉及云计算与轨道交通信息,尤其涉及一种基于多因素评分的轨道交通云资源需求匹配算法及系统。背景技术:1、随着城市轨道交通向数字化、智能化方向发展,运营过程中...
基于多因素评分的轨道交通云资源需求匹配算法及系统的制作方法

本技术涉及云计算与轨道交通信息,尤其涉及一种基于多因素评分的轨道交通云资源需求匹配算法及系统。

背景技术:

1、随着城市轨道交通向数字化、智能化方向发展,运营过程中产生的海量数据和复杂计算需求日益增长。云计算技术逐步引入轨道交通信号控制、运营调度等关键系统,为其提供集中式的计算和存储能力,以提升整体运营效率。

2、然而,现有的轨道交通云资源调度方式存在不足:其一,传统轨道交通云平台往往采用预先配置的静态策略或简单规则分配资源,难以及时根据系统变化进行优化,导致资源利用率不高或关键任务出现响应延迟。其二,在云架构下众多业务共同竞争有限资源,如果仅依据单一因素(例如先到先服务或固定优先级)进行调度,容易出现资源供需不匹配的问题,无法兼顾不同业务的服务质量要求。

3、综上,相关技术中存在的技术问题有待得到改善。

技术实现思路

1、本技术方案的主要目的在于提出一种基于多因素评分的轨道交通云资源需求匹配算法及系统,该方法基于节点之间的匹配关系动态构建对应调度周期的影响子图,通过分析子图边界内外的潜在匹配增益与已获匹配增益关系,精准确定需要调度调整的节点范围,从而有效提高云资源的资源利用率以及调度准确率。

2、为实现上述目的,本技术方案的一方面提出了一种基于多因素评分的轨道交通云资源需求匹配方法,所述方法包括:

3、获取目标云资源平台的调度节点集合;所述调度节点集合包括若干个任务节点和若干个资源节点;基于所述调度节点集合内节点之间的匹配情况确定可行边集合以及已匹配边集合;所述可行边指示在当前调度周期可行的匹配对;所述已匹配边指示在上一调度周期到当前调度周期仍在生效的匹配对;所述匹配对用于指示任务节点与资源节点之间的匹配情况;

4、基于所述调度节点集合、所述可行边集合、所述已匹配边集合以及边集合中各匹配对在对应调度周期的匹配情况确定初始影响子图;从所述调度节点集合出发,沿可行边与已匹配边交替扩展所述初始影响子图,在每次扩展后计算所述初始影响子图的子图边界外的潜在匹配增益和子图边界内的已获匹配增益,直至所述初始影响子图的子图边界外的潜在匹配增益不大于子图边界内的已获匹配增益,根据扩展结果得到当前调度周期的影响子图;所述影响子图用于表征调度变化时所述调度节点集合中受影响的节点范围;所述匹配增益表征调度变化后节点范围内节点之间的匹配优化情况;

5、基于所述当前调度周期的影响子图调整所述调度节点集合中任务节点与资源节点之间的匹配关系,根据调整结果确定所述目标云资源平台在当前调度周期下的云资源调度情况。

6、可选地,所述匹配对在对应调度周期的匹配情况由所述匹配对在对应调度周期的匹配值表征;所述匹配对在对应调度周期的匹配值通过以下方式计算:

7、获取所述目标云资源平台在对应调度周期的各评分因子以及每个评分因子的权重;所述评分因子的类型包括任务评分因子、资源评分因子以及综合评分因子;

8、基于所述任务节点的任务需求信息以及所述对应调度周期的各任务评分因子进行计算,确定所述匹配对在对应调度周期的各任务评分因子对应的取值;基于所述资源节点的可用资源状态信息以及所述对应调度周期的各资源评分因子进行计算,确定所述匹配对在对应调度周期的各资源评分因子对应的取值;基于所述任务节点的任务需求信息、所述资源节点的可用资源状态信息以及所述对应调度周期的各综合评分因子进行计算,确定所述匹配对在对应调度周期的各综合评分因子对应的取值;

9、基于所述匹配对在对应调度周期的各评分因子对应的取值以及各评分因子的权重进行加权计算并归一化,得到所述匹配对在对应调度周期的匹配值。

10、可选地,所述调度节点集合还包括容量节点;所述容量节点由对应资源节点按可承载任务实例数展开得到;所述容量节点继承对应资源节点的节点属性和匹配情况,与任务节点组成匹配对时一一对应;所述当前调度周期的影响子图通过以下方式得到:

11、从所述已匹配边集合中筛选出匹配值漂移上界大于劣化阈值的匹配对,根据筛选出来的匹配对所涉及的任务节点与容量节点得到第一初始节点集合;所述匹配值漂移上界基于各评分因子权重从上一调度周期到当前调度周期的实际调整量以及各评分因子的取值范围计算得到;所述劣化阈值基于匹配对在上一调度周期的匹配值以及预设比例计算得到;从所述调度节点集合中筛选出未匹配的任务节点以及可承载的容量节点,根据筛选出来的节点得到第二初始节点集合;

12、将所述第一初始节点集合以及所述第二初始节点集合纳入初始影响子图,计算所述初始影响子图的子图边界外的潜在匹配增益以及子图边界内的已获匹配增益;

13、若所述初始影响子图边界外的潜在匹配增益大于子图边界内的已获匹配增益,基于所述可行边集合将所述初始影响子图中各任务节点对应的可行容量节点依次纳入所述初始影响子图,并基于已匹配边集合将纳入的可行容量节点在上一调度周期承载的任务节点纳入所述初始影响子图;重新计算所述初始影响子图的子图边界外的潜在匹配增益以及子图边界内的已获匹配增益;

14、若所述初始影响子图边界外的潜在匹配增益不大于子图边界内的已获匹配增益,停止扩展所述初始影响子图;基于扩展后的所述初始影响子图输出当前调度周期的影响子图。

15、可选地,所述匹配值漂移上界通过以下方式计算:

16、基于所述目标云资源平台在上一调度周期以及当前调度周期内各评分因子的权重以及每个评分因子的取值范围进行计算,以确定各评分因子的实际调整量与取值最大跨度;

17、基于每个所述评分因子的实际调整量与取值最大跨度进行计算,得到每个所述评分因子在当前调度周期对匹配值的最大影响量;

18、计算每个所述评分因子在当前调度周期对匹配值的最大影响量之和,得到所述匹配值漂移上界。

19、可选地,所述初始影响子图的子图边界外的潜在匹配增益通过以下方式计算得到:

20、基于所述初始影响子图以及所述可行边集合筛选出在所述初始影响子图的子图边界上尚未探索的可行边集合以及子图边界内的任务节点集合;所述尚未探索的可行边的两端节点分别位于子图边界内外;

21、计算所述初始影响子图边界上尚未探索的可行边集合中各可行边对应的匹配值增益;筛选出所述尚未探索的可行边集合中各可行边对应的匹配值增益中的最大值,以确认最大探索增益;所述匹配值增益为所述尚未探索的可行边集合中对应可行边与所述对应可行边所涉及的任务节点在所述初始影响子图边界内所组成的匹配对的匹配值之差;

22、基于所述最大探索增益与所述子图边界内的任务节点数量进行计算,得到所述初始影响子图的子图边界外的潜在匹配增益。

23、可选地,所述初始影响子图的子图边界内的已获匹配增益通过以下方式计算得到:

24、基于所述初始影响子图内所涉及的任务节点与容量节点、所述可行边集合以及所述目标云资源平台在当前调度周期的各评分因子以及每个评分因子的权重,构建所述初始影响子图内的任务与容量节点匹配值矩阵表;所述任务与容量节点匹配值矩阵表指示对应节点范围内任务与容量节点的所有可行匹配情况;

25、基于预设算法以及所述任务与容量节点匹配值矩阵表进行计算,求解所述任务与容量节点匹配值矩阵表内任务节点与容量节点在当前调度周期对应匹配值最大的任务与容量节点配对方案对应的匹配值之和,得到第一匹配值之和;所述预设算法为带容量的最大权匹配算法或最小费用流算法;

26、基于所述任务与容量节点匹配值矩阵表、所述已匹配边集合以及所述目标云资源平台在上一调度周期的各评分因子及其权重进行计算,求解上一调度周期所述任务与容量节点匹配值矩阵表涉及的任务与容量节点对应的任务与容量节点配对方案对应的匹配值之和,得到第二匹配值之和;

27、基于所述第一匹配值之和以及所述第二匹配值之和进行计算,得到所述初始影响子图的子图边界内的已获匹配增益。

28、可选地,所述方法还包括:

29、在执行所述目标云资源平台在当前调度周期的云资源调度之后,获取当前调度周期的任务执行反馈数据;

30、基于所述任务执行反馈数据对已执行的匹配对构建可微代理损失函数;所述可微代理损失函数包括各维反馈量、各维反馈量目标值之差的加权平方和以及对应匹配对的匹配值与观测匹配质量之差的正则项;

31、基于所述可微代理损失函数对各评分因子的权重变化求梯度,得到各评分因子的梯度求解结果;

32、基于每个所述评分因子的梯度求解结果与预设学习率的乘积确定下一调度周期每个所述评分因子权重的候选调整量。

33、可选地,所述基于每个所述评分因子的梯度求解结果与预设学习率的乘积确定下一调度周期每个所述评分因子权重的候选调整量,包括:

34、基于每个所述评分因子的梯度求解结果与预设学习率的乘积确定每个所述评分因子权重的候选调整量;

35、基于每个所述评分因子权重的候选调整量重新计算当前调度周期中所述目标云资源平台内任务节点与资源节点所组成的各匹配对对应的匹配值,并判断各匹配对对应的匹配值的排序是否发生改变;

36、若各匹配对对应的匹配值的排序未发生改变,以每个所述评分因子权重的候选调整量作为下一调度周期每个所述评分因子权重的候选调整量;

37、若各匹配对对应的匹配值的排序发生改变,将排序发生改变的匹配对对应产生影响的评分因子的候选调整量按单周期变化幅度上限截断,根据截断结果确定下一调度周期每个所述评分因子权重的候选调整量;所述单周期变化幅度上限基于当前调度周期的次优调度方案确定。

38、为实现上述目的,本技术方案的另一方面提出了一种基于多因素评分的轨道交通云资源需求匹配系统,所述系统包括:

39、数据获取模块,用于获取目标云资源平台的调度节点集合;所述调度节点集合包括若干个任务节点和若干个资源节点;基于所述调度节点集合内节点之间的匹配情况确定可行边集合以及已匹配边集合;所述可行边指示在当前调度周期可行的匹配对;所述已匹配边指示在上一调度周期到当前调度周期仍在生效的匹配对;所述匹配对用于指示任务节点与资源节点之间的匹配情况;

40、影响子图构建模块,用于基于所述调度节点集合、所述可行边集合、所述已匹配边集合以及边集合中各匹配对在对应调度周期的匹配情况确定初始影响子图;从所述调度节点集合出发,沿可行边与已匹配边交替扩展所述初始影响子图,在每次扩展后计算所述初始影响子图的子图边界外的潜在匹配增益和子图边界内的已获匹配增益,直至所述初始影响子图的子图边界外的潜在匹配增益不大于子图边界内的已获匹配增益,根据扩展结果得到当前调度周期的影响子图;所述影响子图用于表征调度变化时所述调度节点集合中受影响的节点范围;所述匹配增益表征调度变化后节点范围内节点之间的匹配优化情况;

41、调度模块,用于基于所述当前调度周期的影响子图调整所述调度节点集合中任务节点与资源节点之间的匹配关系,根据调整结果确定所述目标云资源平台在当前调度周期下的云资源调度情况。

42、为实现上述目的,本技术方案的另一方面提出了一种电子设备,所述电子设备包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现前面所述的方法。

43、本技术方案至少包括以下有益效果:本技术方法提供一种基于多因素评分的轨道交通云资源需求匹配方法、系统以及电子设备;该方案包括:首先,获取目标云资源平台的调度节点集合,然后根据节点之间组成的匹配情况确定可行边集合以及已匹配边集合,再根据确定的节点集合和边集合以及各匹配对之间的匹配情况,构建随调度周期动态变化的影响子图;最后根据影响子图确定调度变化时受影响的节点范围,进而调整调度节点集合中节点之间的匹配关系,完成对目标云资源平台在当前调度周期下的云资源调度;一方面,本技术方法分别从点、边以及面三个递进层次对云资源平台的资源调度情况进行分析,分析节点之间的匹配情况、各匹配边在对应调度周期的匹配情况以及影响子图的子图边界内外的匹配增益情况,从而最终确定需要调整调度的节点范围,从多方面多维度确定云资源调度方案,能够有效提高云资源的资源利用率和调度准确率;另一方面,与传统方法仅考虑单一因素进行调度的简单调度规则不同,本技术方法基于边界匹配增益算法,沿可行边与已匹配边交替扩展初始影响子图并在每次扩展后考虑子图边界内外的匹配增益变化情况,最终构建得到用于确定调度节点范围的影响子图,以更具解释性的方式确定云资源调度方案,能够有效提高云资源调度的调度准确率。