一种基于AI的科研资源整合优化系统的制作方法

本发明涉及云边协同资源调度，更具体地说，本发明涉及一种基于ai的科研资源整合优化系统。

背景技术：

1、在云边协同的科研资源优化中，边缘节点部署于科研院所、实验室或仪器终端，用于感知本地科研资源的可用状态、负载信息和服务能力，并按照固定时间间隔向中心云上报。中心云汇聚各边缘节点上报的状态信息，形成全局科研资源视图，并利用人工智能算法（ai）进行资源匹配、任务调度和优化分配。由于边缘节点数量多、资源类型多样，中心云对资源状态的感知主要依赖各边缘节点周期性上报的状态快照。

2、但现有技术中，部分科研资源，如大型科学仪器、实验装置或专用软件的可用窗口具有短期突发特性，其空闲状态可能在相邻两次上报之间出现并消失，固定周期上报方式无法及时捕获这类突发可用状态，导致中心云构建的全局资源视图相对于实际资源状态存在采样失真，人工智能优化调度无法感知并及时利用这些短时可用资源，造成稀缺科研资源在可用窗口内未被调度而闲置，制约科研资源整合优化系统的资源利用效率。

技术实现思路

1、为了克服现有技术的上述缺陷，本发明提供一种基于ai的科研资源整合优化系统以解决上述背景技术中提出的问题。

2、一种基于ai的科研资源整合优化系统，包括边缘节点和中心云，边缘节点和中心云被配置为执行以下步骤：

3、s1：边缘节点在科研资源由不可用变为可用且偏离周期上报时刻时，向中心云发送包含科研资源的资源标识和可用起始时刻的即时状态上报；

4、s2：中心云接收即时状态上报，获取与资源标识具有使用依赖关系的关联科研资源的最近一次周期上报状态；当关联科研资源的状态为不可用时，判断可用变化属于突发短时窗口；

5、s3：当属于突发短时窗口时，中心云将科研资源的类型与当前排队任务列表中各任务所期望的科研资源类型进行匹配；

6、s4：当存在匹配的排队任务时，中心云获取关联科研资源所依赖的上游科研资源的状态，提取资源标识对应的全局历史状态序列，基于上游科研资源的状态和全局历史状态序列，通过依赖链传递和条件推断预测科研资源的可用窗口持续时长；

7、s5：中心云将可用起始时刻和预测的可用窗口持续时长插入全局资源视图，并触发人工智能优化调度；

8、s6：中心云执行人工智能优化调度，基于全局资源视图生成调度任务并发送至对应边缘节点执行。

9、进一步地，s1包括：边缘节点从本地资源状态监测记录中获取科研资源的可用状态变化；边缘节点在科研资源由不可用变为可用时，记录科研资源的可用起始时刻；边缘节点确定科研资源的可用起始时刻与最近一次周期上报时刻之间的第一时间间隔；边缘节点确定科研资源的可用起始时刻与下一周期上报时刻之间的第二时间间隔；边缘节点在第一时间间隔大于第二时间间隔时，生成包含科研资源的资源标识和科研资源的可用起始时刻的即时状态上报；边缘节点向中心云发送即时状态上报。

10、进一步地，s2包括：中心云接收即时状态上报并解析出资源标识；中心云根据资源标识从科研资源依赖关系中查找与资源标识具有使用依赖关系的关联科研资源标识；中心云从周期上报状态记录中获取关联科研资源标识对应的关联科研资源的最近一次周期上报状态；中心云判断关联科研资源的最近一次周期上报状态是否为不可用；中心云在关联科研资源的最近一次周期上报状态为不可用时，判断科研资源由不可用变为可用的可用变化属于突发短时窗口。

11、进一步地，判断科研资源由不可用变为可用的可用变化属于突发短时窗口包括：中心云从全局历史状态序列中获取关联科研资源的全部不可用持续时长；中心云计算关联科研资源的平均不可用持续时长；中心云获取关联科研资源的最近一次周期上报状态为不可用的持续时长；中心云在关联科研资源的最近一次周期上报状态为不可用的持续时长小于关联科研资源的平均不可用持续时长时，判断科研资源由不可用变为可用的可用变化属于突发短时窗口。

12、进一步地，s3包括：中心云在可用变化属于突发短时窗口时，根据资源标识获取科研资源的类型；中心云获取当前排队任务列表；中心云从当前排队任务列表中提取各任务所期望的科研资源类型；中心云判断各任务所期望的科研资源类型中是否存在与科研资源的类型相同的科研资源类型；中心云在存在与科研资源的类型相同的科研资源类型时，标记科研资源的类型与当前排队任务列表中的任务匹配成功。

13、进一步地，s4包括：中心云在科研资源的类型与当前排队任务列表中的任务匹配成功时，根据关联科研资源标识从科研资源依赖关系中查找关联科研资源所依赖的上游科研资源标识，并获取上游科研资源标识对应的上游科研资源的最近一次周期上报状态；提取资源标识对应的全局历史状态序列，并从全局历史状态序列中提取关联科研资源在上游科研资源的最近一次周期上报状态下的不可用持续时长样本；利用不可用持续时长样本估计关联科研资源的预计不可用持续时长；从全局历史状态序列中查找科研资源在关联科研资源不可用持续时长等于预计不可用持续时长时的可用窗口持续时长，并将查找到的可用窗口持续时长作为预测的科研资源的可用窗口持续时长。

14、进一步地，从全局历史状态序列中提取关联科研资源在上游科研资源的最近一次周期上报状态下的不可用持续时长样本包括：中心云从全局历史状态序列中获取关联科研资源的全部不可用时段；中心云获取每个不可用时段内上游科研资源的周期上报状态；中心云筛选出上游科研资源的周期上报状态与上游科研资源的最近一次周期上报状态相同的不可用时段；中心云将筛选出的每个不可用时段的持续时长记录为不可用持续时长样本。

15、进一步地，利用不可用持续时长样本估计关联科研资源的预计不可用持续时长包括：中心云将不可用持续时长样本按照不可用持续时长数值从小到大的顺序进行排序；中心云取排序后的不可用持续时长样本中位于中间位置的不可用持续时长作为关联科研资源的预计不可用持续时长。

16、进一步地，s5包括：中心云获取科研资源的可用起始时刻和预测的科研资源的可用窗口持续时长；中心云根据资源标识在全局资源视图中查找科研资源的资源状态记录；中心云将科研资源的可用起始时刻和预测的科研资源的可用窗口持续时长写入科研资源的资源状态记录；中心云在科研资源的资源状态记录写入后更新全局资源视图；中心云在全局资源视图更新后触发人工智能优化调度。

17、进一步地，s6包括：中心云在全局资源视图更新后执行人工智能优化调度，获取匹配成功的任务；中心云从匹配成功的任务中提取任务执行时长；中心云将预测的科研资源的可用窗口持续时长与任务执行时长进行比较；中心云在预测的科研资源的可用窗口持续时长不小于任务执行时长时，根据科研资源的可用起始时刻和预测的科研资源的可用窗口持续时长生成调度任务；中心云根据调度任务确定对应边缘节点标识，并将调度任务发送至对应边缘节点标识对应的边缘节点执行。

18、与现有技术相比，本发明具有如下有益效果：

19、1.边缘节点对科研资源由不可用变为可用且偏离周期上报时刻的变化直接生成即时状态上报，使中心云不需要等待下一周期上报即可感知突发可用变化。中心云收到即时状态上报后，结合与该科研资源具有使用依赖关系的关联科研资源的最近一次周期上报状态进行判断，只有关联科研资源处于不可用时才认定该可用变化属于突发短时窗口，避免将普通恢复可用误判为突发短时窗口。在认定突发短时窗口后，中心云将科研资源类型与当前排队任务列表中的任务期望类型进行匹配，仅对存在匹配任务的窗口继续处理，减少了不必要的预测和调度开销。匹配通过后，中心云进一步获取关联科研资源所依赖的上游科研资源的状态，从全局历史状态序列中提取条件样本，并通过依赖链传递和条件推断预测科研资源的可用窗口持续时长，使预测结果受到关联资源和上游资源状态的约束，相对于仅依赖目标资源自身历史状态的预测更加贴近实际可用窗口。

20、2.中心云将科研资源的可用起始时刻和预测的可用窗口持续时长写入全局资源视图，并触发人工智能优化调度，使后续调度决策基于更新后的全局资源视图进行，避免调度任务与突发短时窗口不匹配。中心云执行人工智能优化调度后，根据全局资源视图生成调度任务并发送至对应边缘节点执行，整个处理过程由边缘节点完成局部感知和即时上报，由中心云完成全局条件判断、时长预测和调度生成，体现了云边协同下边缘侧对突发状态的快速捕获能力与中心云对全局科研资源的整合优化能力的结合，从而提高了科研资源在突发可用窗口内的利用效率。