一种残膜回收机防缠绕挑膜装置的制 一种秧草收获机用电力驱动行走机构

一种量子与电子混合算力网络的控制方法及随动控制装置与流程

2023-01-17 16:22:00 来源:中国专利 TAG:


1.本发明涉及算力网络技术领域,特别是涉及一种量子与电子混合算力网络的控制方法、一种量子与电子混合算力网络的随动控制装置、一种量子与电子混合算力网络的控制设备以及一种计算机可读存储介质。


背景技术:

2.基于量子与电子计算机的混合算力节点配置是一个全新的算力网络架构问题,目前在“混合控制”方面技术还不成熟,有必要开辟算力网基于量子与电子混合算力节点选择方法新的技术路径。面对复杂算力网络系统,其对应的算力网络拓扑结构中有大量节点,如,量子计算机群和电子计算机群,因此,很难对算力网络中的每个节点都施加于控制器。所以如何实现对混合算力网络的全局控制是本领域技术人员急需解决的问题。


技术实现要素:

3.本发明的目的是提供一种量子与电子混合算力网络的控制方法,可以实现对算力网络的全局控制;本发明的另一目的在于提供一种量子与电子混合算力网络的随动控制装置、一种量子与电子混合算力网络的控制设备以及一种计算机可读存储介质。可以实现对算力网络的全局控制。
4.为解决上述技术问题,本发明提供一种量子与电子混合算力网络的控制方法,包括:
5.获取目标混合算力网络的拓扑结构;
6.确定所述目标混合算力网络中节点的联系跨度,基于所述拓扑结构中各个节点所对应的分层,根据所述联系跨度从属于同一分层的节点中确定关键节点;
7.基于所述拓扑结构中各个节点所对应的分块,以及所述关键节点生成备选策略树;
8.通过熵式度量模型及算法从所述备选策略树中确定最优策略树,将所述最优策略树确定的对应节点作为控制节点;
9.根据控制器对所述控制节点进行控制,以对所述目标混合算力网络进行全局控制。
10.可选的,所述确定所述目标混合算力网络中节点的联系跨度,基于所述拓扑结构中各个节点所对应的分层,根据所述联系跨度从属于同一分层的节点中确定关键节点包括:
11.确定所述目标混合算力网络中节点的联系跨度;
12.基于所述拓扑结构中各个节点所对应的分层,选取属于同一分层的节点中所述联系跨度最大的节点作为关键节点。
13.可选的,所述获取目标混合算力网络的拓扑结构包括:
14.对所述目标混合算力网络进行扫描,获取所述目标混合算力网络中各个节点的标
签;所述标签用于表征对应节点为量子计算机节点或电子计算机节点。
15.可选的,在所述基于所述拓扑结构中各个节点所对应的分块,以及所述关键节点生成备选策略树之前,还包括:
16.基于所述标签对所述目标混合算力网络进行划分,确定各个节点所对应的分块。
17.可选的,所述根据控制器对所述控制节点进行控制,以对所述目标混合算力网络进行控制包括:
18.根据控制器对所述控制节点进行监控,基于所述标签确定所述目标混合算力网络中算力溢出的节点。
19.可选的,所述根据控制器对所述控制节点进行控制,以对所述目标混合算力网络进行全局控制包括:
20.根据控制器对所述控制节点进行控制,基于所述标签将算力溢出的节点所对应的任务迁移至目标节点。
21.可选的,所述通过熵式度量模型及算法从所述备选策略树中确定最优策略树,将所述最优策略树确定的对应节点作为控制节点包括:
22.确定所述备选策略树的质量微观态总数;
23.根据所述质量微观态总数确定所述备选策略树的质量微观态实现概率值;
24.根据所述质量微观态实现概率值确定所述备选策略树的质量熵;
25.根据所述质量熵确定所述目标混合算力网络的总质量熵;
26.根据所述总质量熵确定所述备选策略树的质量;
27.从所述质量中确定最大质量所对应的备选策略树为最优策略树,将所述最优策略树确定的对应节点作为控制节点。
28.本发明还提供了一种量子与电子混合算力网络的控制装置,包括:
29.拓扑结构获取模块,用于获取目标混合算力网络的拓扑结构;
30.关键节点确定模块,用于确定所述目标混合算力网络中节点的联系跨度,基于所述拓扑结构中各个节点所对应的分层,根据所述联系跨度从属于同一分层的节点中确定关键节点;
31.策略树生成模块,用于基于所述拓扑结构中各个节点所对应的分块,以及所述关键节点生成备选策略树;
32.控制节点选取模块,用于通过熵式度量模型及算法从所述备选策略树中确定最优策略树,将所述最优策略树确定的对应节点作为控制节点;
33.控制器嵌入模块,用于根据控制器对所述控制节点进行控制,以对所述目标混合算力网络进行控制。
34.本发明还提供了一种量子与电子混合算力网络的控制设备,所述设备包括:
35.存储器:用于存储计算机程序;
36.处理器:用于执行所述计算机程序时实现如上述任一项所述量子与电子混合算力网络的控制方法的步骤。
37.本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如上述任一项所述量子与电子混合算力网络的控制方法的步骤。
38.本发明所提供的一种量子与电子混合算力网络的控制方法,包括:获取目标混合算力网络的拓扑结构;确定目标混合算力网络中节点的联系跨度,基于拓扑结构中各个节点所对应的分层,根据联系跨度从属于同一分层的节点中确定关键节点;基于拓扑结构中各个节点所对应的分块,以及关键节点生成备选策略树;通过熵式度量模型及算法从备选策略树中确定最优策略树,将最优策略树确定的对应节点作为控制节点;根据控制器对控制节点进行控制,以对目标混合算力网络进行全局控制。
39.先将目标混合算力网络分层分块,基于联系跨度确定分层结构中各个分层的关键节点,可以确定同一分层中重要程度较高的节点;再基于分块结构生成跨越各个分块的策略树,使得策略树为整个混合算力网络中通讯路径中的主干路径;由此基于熵式度量模型及算法所最终确定出的控制节点具有很高的辐射范围,基于控制节点可以对整个目标混合算力网络的各个节点产生影响,基于对控制节点进行全局控制即可实现对整个目标混合算力网络中的各个节点进行控制,实现对目标混合算力网络中少量节点施加单一线性控制,得到保证复杂网络局部同步或反馈控制的充分条件控制。
40.本发明的另一目的在于提供一种量子与电子混合算力网络的控制装置、一种量子与电子混合算力网络的控制设备以及一种计算机可读存储介质,同样具有上述有益效果,在此不再进行赘述。
附图说明
41.为了更清楚的说明本发明实施例或现有技术的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
42.图1为本发明实施例所提供的一种量子与电子混合算力网络的控制方法的流程图;
43.图2为本发明实施例所提供的一种具体的量子与电子混合算力网络的控制方法的流程图;
44.图3为本发明实施例所提供的另一种具体的量子与电子混合算力网络的控制方法的流程图;
45.图4为一种具体的目标混合算力网络的拓扑结构示意图;
46.图5为本发明实施例所提供的一种量子与电子混合算力网络的控制装置的结构框图;
47.图6为本发明实施例所提供的一种量子与电子混合算力网络的控制设备结构框图。
具体实施方式
48.本发明的核心是提供一种量子与电子混合算力网络的控制方法及随动控制装置。在现有技术中,面对复杂算力网络系统,其对应的算力网络拓扑结构中有大量节点,如,量子计算机群和电子计算机群,因此,很难对算力网络中的每个节点都施加于控制器。
49.而本发明所提供的一种量子与电子混合算力网络的控制方法,包括:获取目标混
合算力网络的拓扑结构;确定目标混合算力网络中节点的联系跨度,基于拓扑结构中各个节点所对应的分层,根据联系跨度从属于同一分层的节点中确定关键节点;基于拓扑结构中各个节点所对应的分块,以及关键节点生成备选策略树;通过熵式度量模型及算法从备选策略树中确定最优策略树,将最优策略树确定的对应节点作为控制节点;根据控制器对控制节点进行控制,以对目标混合算力网络进行全局控制。
50.先将目标混合算力网络分层分块,基于联系跨度确定分层结构中各个分层的关键节点,可以确定同一分层中重要程度较高的节点;再基于分块结构生成跨越各个分块的策略树,使得策略树为整个混合算力网络中通讯路径中的主干路径;由此基于熵式度量模型及算法所最终确定出的控制节点具有很高的辐射范围,基于控制节点可以对整个目标混合算力网络的各个节点产生影响,基于对控制节点进行全局控制即可实现对整个目标混合算力网络中的各个节点进行控制,实现对目标混合算力网络中少量节点施加单一线性控制,得到保证复杂网络局部同步或反馈控制的充分条件控制。
51.为了使本技术领域的人员更好地理解本发明方案,下面结合附图和具体实施方式对本发明作进一步的详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
52.请参考图1,图1为本发明实施例所提供的一种量子与电子混合算力网络的控制方法的流程图。
53.参见图1,在本发明实施例中,量子与电子混合算力网络的控制方法包括:
54.s101:获取目标混合算力网络的拓扑结构。
55.复杂网络系统在动态运行过程中,各种因素错综复杂地相互作用,很难推导出系统变化的精确规则,给出具有算力网络拓扑结构的算力节点的混合群组控制机制。群组控制,是指通过对网络中的一个节点施加单一线性控制,得到保证复杂网络局部同步的充分条件的控制。而混合群组控制,是指算力网络中既有量子计算机算力节点又有电子计算机算力节点,对其算力节点所实施的群组控制。为了减少控制器的数量,针对复杂网络中的某个节点施加单一线性控制,就得到保证算力网络局部同步控制的充分条件,也就是说,只需要对算力网络中被称为控制节点的少量节点施加局部线性的反馈控制,就可以使整个网络实现算力节点混合控制,最终实现依据反馈控制机制来操纵算力网中基于量子计算机与电子计算机混合算力节点的混合控制。随动控制装置是一个软件系统,将其嵌入在控制节点上,实现从软件上将一个物理系统转变成一个处理器,起到软件系统充当硬件的作用。
56.为了实现对目标混合算力网络的混合群组控制,在本步骤中首先可以通过对目标混合算力网络进行搜索,得到该目标混合算力网络中各个节点的信息,以获取目标混合算力网络的拓扑结构。在后续步骤中,会基于上述拓扑结构计算控制节点。
57.基于量子与电子节点的混合算力网络是一个复杂网络系统。而复杂网络系统通常可以看成是分层、分块体系。其底层工作任务相对固定,上层工作任务相对灵活;在每一层上任务及子系统或模块,即节点间具有交互关系或产生交互作用,因此,整个复杂网络系统既是分层又是分块的,可以将算力网络的这种结构,称为分层分块型结构。所以,对混合算力网络的混合群组控制既要进行分层控制,又要进行分块控制。
58.s102:确定目标混合算力网络中节点的联系跨度,基于拓扑结构中各个节点所对
应的分层,根据从属于同一分层的节点的联系跨度确定关键节点。
59.网络联系强度,是指网络模型中两个或两个以上的边相互依赖于对方的一个量度。节点v的联系跨度,是指在拓扑结构中与该元素v有直接联系的元素总数量,即与节点v相连接的节点的数量。分层控制,也就是关注控制外部信息。将混合算力网络拓扑结构中任意一个节点v看成群组控制的独立节点,拓扑结构是由节点群组成的集合构成,并呈现出层次结构,这样由j(j=1,2,...,m)层将被看作搜索寻址由关键节点vj(j=1,2,,...,nj)个决策单元组成;寻优信息有多个群组i(i=1,2,...,n)组成,每个群组nj信息都从网络底层节点向顶层节点流动,或信息由顶层节点向底层节点流动;用联系跨度来定量化混合算力网络的联系强度,在同一分层中,根据联系跨度选择关键节点,通常是选择联系跨度最大的节点作为关键节点,也就是节点vj变化会牵涉影响与其他多个节点变化的节点作为关键节点。从底层的节点搜索后,由“决策者”对该分层搜索一遍后进行“审查”,通常为比较联系跨度的最大值作为优选节点一个指标,找出重要性节点,以此作为确定该分层的关键节点;分层控制搜索过程的“审查”权力由底层向上逐渐递增,直到在最上一层给出搜索结果为止。顶层的关键节点拥有最大的群组控制“决策权”。
60.相应的,本步骤通常具体包括:确定所述目标混合算力网络中节点的联系跨度;基于所述拓扑结构中各个节点所对应的分层,选取属于同一分层的节点中所述联系跨度最大的节点作为关键节点。通过先计算各个节点的联系跨度,在确定同一分层中联系跨度最大的节点作为关键节点,可以保证该关键节点可以牵涉影响最多的节点。
61.s103:基于拓扑结构中各个节点所对应的分块,以及关键节点生成备选策略树。
62.在本发明实施例中会基于上述混合算力网络的拓扑结构对其节点以块结构进行划分,得到各个分块,每个节点会对应一个分块,该分块可以跨上述分层。
63.分块控制,也就是关注控制内部信息。实现控制混合算力网络的关键节点抉择看作是对多个群组进行搜索,即是分块搜索,也就是将层次型结构看成由多个群组构成,进一步按照群组分块,对多个群组搜索,接受某个方案的“审查”,再送到邻近的上层进行二次搜索,否则,就放弃。
64.分层控制时,信息的来源看成是控制外部信息;分块控制时,信息的来源看成是控制内部信息。采用群组控制的熵决策方法实现分层分块控制,也就是将控制内部信息和控制外部信息统一考虑。对“群组”关键节点和控制信息组成的集合称为一个搜索方案,或称为一个搜索策略。这样每次搜索路径不同,有不同的搜索方案或搜索策略,形成的搜索策略称为算力网络系统拓扑结构策略树。确定拓扑结构策略树的最优方案,其节点为群组控制的随动控制装置布局节点,以实现“以点带面”的全局控制。
65.具体的,在本步骤中会基于拓扑结构中各个节点所对应的分块,以及关键节点生成备选策略树,上述策略树为根据拓扑结构中的路径为线路,以关键节点为基础,选取出的各个跨分块的路径,作为备选策略树。
66.在混合算力网络的策略树中,实现群组控制的节点选取如下:从拓扑结构的最底层开始搜索,选择群组控制的关键节点,即选择同一层次中跨度最大的节点作为关键节点;将若干个搜索策略或搜索方案看成若干棵算力节点的策略树,之后可以以策略树的“最优质量”作为度量获得同步控制效果的衡量指标。
67.之所以混合算力网络中策略树的“最优质量”作为衡量指标,这是因为,基于控制
者实现步调一致的基本目标,通常的质量措施是快速的过程执行,较少“返工”和降低成本。为此,我们以混合算力网络中策略树的“最优质量”作为衡量算力节点混合控制策略优劣的指标。
68.具体的,在本步骤之前,还可以包括:对所述目标混合算力网络进行扫描,获取所述目标混合算力网络中各个节点的标签;所述标签用于表征对应节点为量子算力节点或电子算力节点。即在本发明实施例中在获取目标混合算力网络的拓扑结构时,可以同时获取其各个节点的标签,确定各个节点的属性,包括确定各个节点为量子计算机算力节点还是电子计算机算力节点。该步骤之后,在本步骤之前还可以包括:基于所述标签对所述目标混合算力网络进行划分,确定各个节点所对应的分块。即根据上述“标签”对算力网络进行划分,将相邻的,同属于量子节点或同属于电子节点的节点划分在同一分块中。当然也可以根据其他标准将不同的节点划分至同一分块,其视具体情况而定,在此不做具体限定。需要说明的是,上述标签在表征各个节点为量子计算机节点或电子计算机节点之外,还相当于表征了该节点的运算能力,以至于在后续对各个节点的监控以及控制时,可以基于该标签进行具体的算力分配控制。控制器具体内容将在下述发明实施例中做详细介绍,在此不再进行赘述。
69.s104:通过熵式度量模型及算法从备选策略树中确定最优策略树,将最优策略树确定的对应节点作为控制节点。
70.所谓熵式度量模型及算法即基于熵式度量算法所构建的模型,其与熵式度量算法等同,该算法是针对上述拓扑结构的结构形式,所构建的熵式算法。通过熵式度量算法可以计算上述各个备选策略树所对应的质量,进而选取最优质量所对应的备选策略树为最优策略树,将最优策略树确定的对应节点作为控制节点。有关熵式度量模型及算法的具体内容将在下述发明实施例中做详细介绍,在此不再进行赘述。
71.s105:根据控制器对控制节点进行控制,以对目标混合算力网络进行控制。
72.在本发明实施例中,可以仅在上述控制节点设置控制器,通过控制器对上述控制节点进行直接控制,进而实现对整个目标混合算力网络进行控制。该控制过程的具体内容将在下述发明实施例中做详细介绍,在此不再进行赘述。
73.本发明实施例所提供的一种量子与电子混合算力网络的控制方法,先将目标混合算力网络分层分块,基于联系跨度确定分层结构中各个分层的关键节点,可以确定同一分层中重要程度较高的节点;在基于分块结构生成跨越各个分块的策略树,使得策略树为整个混合算力网络中通讯路径中的主干路径;由此基于熵式度量模型及算法所最终确定出的控制节点具有很高的辐射范围,基于控制节点可以对整个目标混合算力网络的各个节点产生影响,基于对控制节点进行控制即可实现对整个目标混合算力网络中的各个节点进行全局控制,实现对目标混合算力网络中少量节点施加单一线性控制,得到保证复杂网络局部同步或反馈控制的充分条件控制。
74.有关本发明所提供的一种量子与电子混合算力网络的控制方法的具体内容将在下述发明实施例中做详细介绍。
75.请参考图2,图2为本发明实施例所提供的一种具体的量子与电子混合算力网络的控制方法的流程图。
76.参见图2,在本发明实施例中,量子与电子混合算力网络的控制方法包括:
77.s201:获取目标混合算力网络的拓扑结构。
78.s202:确定目标混合算力网络中节点的联系跨度,基于拓扑结构中各个节点所对应的分层,根据联系跨度从属于同一分层的节点中确定关键节点。
79.s203:基于拓扑结构中各个节点所对应的分块,以及关键节点生成备选策略树。
80.上述s201至s203与上述发明实施例中s101至s103基本一致,详细内容已在上述发明实施例中做详细介绍,在此不再进行赘述。
81.s204:确定备选策略树的质量微观态总数。
82.在本发明实施例中,定义评价混合算力网络中各条策略树的质量不确定性的大小用质量熵,熵值越小,质量就越好。
83.在本步骤会基于混合算力网络的拓扑结构中,对应的第i棵策略树,即备选棵策略树;第j个层级,即对应分层;最大跨度节点集vj(vj=1,2,...,nj),即关键节点集,vj对应的跨度值为在同一分层中可能有几个相同跨度的节点,则上述备选策略树的质量微观态总数为:
[0084][0085]
s205:根据质量微观态总数确定备选策略树的质量微观态实现概率值。
[0086]
在本步骤中定义混合算力网络第i棵备选策略树,第j个分层中,关键节点vj的跨度值为的质量微观态实现概率值为:
[0087][0088]
s206:根据质量微观态实现概率值确定备选策略树的质量熵。
[0089]
在本步骤中,将备选策略树的质量不确定性大小的度量称为策略树的质量熵,测量值为:
[0090][0091]
结合上述两个公式可得:
[0092][0093]
s207:根据质量熵确定目标混合算力网络的总质量熵。
[0094]
因此,上述混合算力网络中第i棵备选策略树的总质量熵测度为:
[0095][0096]
此时备选策略树第j层最大质量熵为:
[0097]
[0098]
也就是,混合算力网络中备选策略树的质量微观态的策略树最大质量熵测度为:
[0099][0100]
s208:根据总质量熵确定备选策略树的质量。
[0101]
在本步骤中,混合算力网络中备选策略树的质量记为定义如下:
[0102][0103]
s209:从质量中确定最大质量所对应的备选策略树为最优策略树,将最优策略树确定的对应节点作为控制节点。
[0104]
在本步骤中会比较混合算力网络n棵备选策略树的质量,选择最大值对应的策略方案为最优策略,即选择最大值对应的备选策略树为最优策略树,即:
[0105][0106]
也就是,最大值对应的最优策略树组成的关键节点集即为布局控制器的“控制装置集”,在本步骤中会将为关键节点集中的节点作为控制节点,设置控制器。
[0107]
以策略树最大质量值作为对算力节点控制策略树最优质量的测度值。也就是,最大质量值值越大,表征算力网策略树越优,反之亦然。
[0108]
在对应算力节点的策略树的关键节点上实施群组控制并布局随动控制器,实现“以点带面”的同步群组控制。
[0109]
s210:根据随动控制器对控制节点进行控制,以对目标混合算力网络进行全局控制。
[0110]
本步骤与上述发明实施例中s105基本一致,详细内容请参考上述发明实施例,在此不再进行赘述。
[0111]
本发明实施例所提供的一种量子与电子混合算力网络的控制方法,通过上述熵式度量模型及算法可以准确的得到在目标混合算力网络中可以影响全局的控制节点,通过对少量控制节点进行控制,可以实现对目标混合算力网络中少量节点施加单一线性控制,得到保证复杂网络局部同步或反馈控制的充分条件控制。
[0112]
有关本发明所提供的一种量子与电子混合算力网络的控制方法的具体内容将在下述发明实施例中做详细介绍。
[0113]
请参考图3,图3为本发明实施例所提供的另一种具体的量子与电子混合算力网络的控制方法的流程图。
[0114]
参见图3,在本发明实施例中,量子与电子混合算力网络的控制方法包括:
[0115]
s301:对目标混合算力网络进行扫描,获取目标混合算力网络中各个节点的标签。
[0116]
在本发明实施例中,所述标签用于表征对应节点为量子节点或电子节点。在本发明实施例中可以设置量子计算机及电子计算机接口特征值,量子计算机节点对应《0,1》,电子计算机节点对应{0,1};之后根据该特征值确定各个节点的标签。
[0117]
s302:确定目标混合算力网络中节点的联系跨度,基于拓扑结构中各个节点所对应的分层,根据联系跨度从属于同一分层的节点中确定关键节点。
[0118]
s303:基于拓扑结构中各个节点所对应的分块,以及关键节点生成备选策略树。
[0119]
s304:通过熵式度量模型及算法从备选策略树中确定最优策略树,将最优策略树确定的对应节点作为控制节点。
[0120]
上述s302至s304与上述发明实施例中s102至s104基本一致,详细内容请参考上述发明实施例,在此不再进行赘述。
[0121]
s305:根据控制器对控制节点进行监控,基于标签确定目标混合算力网络中算力溢出的节点。
[0122]
算力溢出(arithmetic overflow)是指计算机进行算术运算产生的结果超出机器所能表示的范围。即算力溢出是指算力节点不支持其对应算力运算的实现。在本步骤中,可以基于控制器对各个控制节点进行监控。而当节点进行运算时,其状态会发生改变。而通过对各个节点进行监控,基于各个节点所对应的标签可以确定节点是否发生算力溢出。由于量子计算机算力节点与电子计算机算力节点所对应的算力溢出条件明显不同,因此在确定各个节点是否发生算力溢出时,具体会结合其标签所表征的类型进行判断,其具体需要根据实际情况在随动控制装置中设定。
[0123]
当控制节点发生算力溢出时,可以被随动控制装置直接检测到,从而确定目标混合算力网络中算力溢出的节点。而当非控制节点发生算力溢出时,其具体会影响到上述控制节点,因此该发生算力溢出的节点可以被控制器间接检测到,从而确定目标混合算力网络中算力溢出的节点,进而可以进行预警。因此,在本发明实施例中可以实现实时预警控制,对混合算力网络运行过程异常情况的监测控制,只需在控制节点上放置一个控制器,一旦算力网络某个子网或某个节点出现异常情况,包括算力溢出等物理的变化,控制节点上的控制器就会预警。
[0124]
s306:根据控制器对控制节点进行控制,基于标签将算力溢出的节点所对应的任务迁移分配至目标节点。
[0125]
在网计算与存储过程,某个节点可能会出现算力溢出,即不支持其对应算力运算的实现,在控制节点上的控制器就会利用分配调度系统软件对其计算主体重新规划分配。
[0126]
在本步骤中,基于各个节点的标签,可以将发生算力溢出的节点做执行的任务迁移分配至目标节点,该目标节点可以与发生算力溢出的节点为同一类型的节点,例如同为量子节点或同为电子节点;也可以是不同的节点,例如将发生算力溢出的电子节点中的任务迁移至量子节点,而上述目标节点的选取通常需要依赖上述标签。在本步骤中,会通过控制器将算力溢出的节点所对应的任务迁移、分配至目标节点,保证目标任务的正常执行。而控制器会直接作用于控制节点,实现对整个目标混合算力网络的全局控制。
[0127]
本发明实施例所提供的一种量子与电子混合算力网络的控制方法,可以实现实时群组控制,即通过对网络中的一个节点施加单一线性控制,得到保证复杂网络局部同步或反馈控制的充分条件控制;实时预警控制,即对算力网络运行过程异常情况的监测控制,只需对控制节点上放置一个控制装置,一旦算力网络某个子网或某个节点出现异常情况,如物理的变化,关键节点上的装置就会预警;实时调度控制,即在网计算与存储过程,某个节点可能会出现算力溢出,即不支持其对应算力运算的实现,在控制节点上的控制装置就会
利用分配调度系统软件对其计算主体重新规划分配。
[0128]
请参考图4,图4为一种目标混合算力网络的拓扑结构示意图。在本发明实施例中具体以图4为例,通过上述发明实施例所提供的流程确定最终控制节点。
[0129]
根据上述发明实施例所提供的一种量子与电子混合算力网络的控制方法,对图4网络中的节点按照分层进行搜索原则,得到:
[0130]
第一分层:含有节点1-6,节点7-8;
[0131]
第二分层:节点9-10,节点11-13,节点14;
[0132]
第三分层:节点15-16,节点17,节点18-20,节点21,节点22-23,节点24。
[0133]
按照分块进行搜索原则,可以得到不同的分块,比如下述三个分块:
[0134]
分块1:节点7与节点1、2、3、4、5、6;
[0135]
分块2:节点8与节点9、10、11、12、13、14;
[0136]
分块3:节点24与节点15、16、17、18、19、20、21、22、23;
[0137]
最终计算结果如下表1算力网络局部控制关键节点集策略树质量一览表,所示:
[0138]
表1算力网络局部控制关键节点集策略树质量-览表
[0139]
[0140]
上述表1的分析如下:
[0141]
基于上述确定关键节点的步骤可以得到关键节点集:{7,8,9,10,11,12,13,14,24}。
[0142]
计算关键节点质量值:节点7与节点8同在第1层,不同的块,且质量值相同;节点9与节点10同在第2层,不同的块,且质量值相同;节点11、节点12、节点13同在第2层且质量值相同。
[0143]
算力节点的策略树质量值控制策略树路径分析,得到备选策略树集为:{7,9,24},{7,10,24},{8,9,24},{8,10,24},{7,11,24},{7,12,24},{7,13,24},{7,14,24},{8,11,24},{8,12,24},{8,13,24},{8,14,24}。
[0144]
算力节点最大质量集为:
[0145]
={0.7515,0.7905,0.6972}
[0146]
上述最优策略树对应最优控制节点集为{{7},{9},{24}}或{{7},{10},{24}},或{{8},{9},{24}},或{{8},{10},{24}}。
[0147]
因此,我们只需要选择上述任意一组算力节点等处加之控制器即可实现“以点带面”的全局控制。
[0148]
下面对本发明实施例所提供的一种量子与电子混合算力网络的随动控制装置进行介绍,下文描述的量子与电子混合算力网络的随动控制装置与上文描述的量子与电子混合算力网络的控制方法可相互对应参照。
[0149]
在本发明实施例中,随动控制装置包括基于硬件的软件控制模块,用于承载上述软件控制模块的存储器、处理器、以及用于实现上述各发明实施例,存储有计算机程序的计算机可读存储介质。上述随动控制装置通常具体嵌入在上述控制节点,可以基于对控制节点的线性控制,实现对混合算力网络的全局控制。
[0150]
请参考图5,图5为本发明实施例所提供的一种量子与电子混合算力网络的控制装置的结构框图。
[0151]
参见图5,在本发明实施例中,量子与电子混合算力网络的控制装置可以包括:
[0152]
拓扑结构获取模块100,用于获取目标混合算力网络的拓扑结构。
[0153]
关键节点确定模块200,用于确定所述目标混合算力网络中节点的联系跨度,基于所述拓扑结构中各个节点所对应的分层,根据从属于同一分层的节点的联系跨度确定关键节点。
[0154]
策略树生成模块300,用于基于所述拓扑结构中各个节点所对应的分块,以及所述关键节点生成备选策略树。
[0155]
控制节点选取模块400,用于通过熵式度量模型及算法从所述备选策略树中确定最优策略树,将所述最优策略树确定的对应节点作为控制节点。
[0156]
控制器嵌入模块500,用于根据控制器对所述控制节点进行控制,以对所述目标混合算力网络进行实时控制。
[0157]
作为优选的,在本发明实施例中,关键节点确定模块200包括:
[0158]
联系跨度单元,用于确定所述目标混合算力网络中节点的联系跨度。
[0159]
关键节点单元,用于基于所述拓扑结构中各个节点所对应的分层,选取属于同一分层的节点中所述联系跨度最大的节点作为关键节点。
[0160]
作为优选的,在本发明实施例中,拓扑结构获取模块100具体用于:
[0161]
对所述目标混合算力网络进行扫描,获取所述目标混合算力网络中各个节点的标签;所述标签用于表征对应节点为量子节点或电子节点。
[0162]
作为优选的,在本发明实施例中,还包括:
[0163]
分块模块,用于基于所述标签对所述目标混合算力网络进行划分,确定各个节点所对应的分块。
[0164]
作为优选的,在本发明实施例中,控制器嵌入模块500用于:
[0165]
根据控制器对所述控制节点进行监控,基于所述标签确定所述目标混合算力网络中算力溢出的节点。
[0166]
作为优选的,在本发明实施例中,控制器嵌入模块500用于:
[0167]
根据控制器对所述控制节点进行控制,基于所述标签将算力溢出的节点所对应的任务迁移分配至目标节点。
[0168]
作为优选的,在本发明实施例中,控制节点选取模块400包括:
[0169]
质量微观态总数单元,用于确定所述备选策略树的质量微观态总数。
[0170]
质量微观态实现概率值单元,用于根据所述质量微观态总数确定所述备选策略树的质量微观态实现概率值。
[0171]
质量熵单元,用于根据所述质量微观态实现概率值确定所述备选策略树的质量熵。
[0172]
总质量熵单元,用于根据所述质量熵确定所述目标混合算力网络的总质量熵。
[0173]
质量单元,用于根据所述总质量熵确定所述备选策略树的质量。
[0174]
最优策略树单元,用于从所述质量中确定最大质量所对应的备选策略树为最优策略树,将所述最优策略树确定的对应节点作为控制节点。
[0175]
本实施例的量子与电子混合算力网络的控制装置用于实现前述的量子与电子混合算力网络的控制方法,因此量子与电子混合算力网络的控制装置中的具体实施方式可见前文中量子与电子混合算力网络的控制方法的实施例部分,例如,拓扑结构获取模块100,关键节点确定模块200,策略树生成模块300,控制节点选取模块400,控制器嵌入模块500分别用于实现上述量子与电子混合算力网络的控制方法中步骤s101至s105,所以,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
[0176]
下面对本发明实施例提供的一种量子与电子混合算力网络的控制设备进行介绍,下文描述的量子与电子混合算力网络的控制设备与上文描述的量子与电子混合算力网络的控制方法以及量子与电子混合算力网络的随动控制装置可相互对应参照。
[0177]
请参考图6,图6为本发明实施例所提供的一种量子与电子混合算力网络的控制设备结构框图。
[0178]
参照图6,该量子与电子混合算力网络的控制设备可以包括处理器11和存储器12。
[0179]
所述存储器12用于存储计算机程序;所述处理器11用于执行所述计算机程序时实现上述发明实施例中所述的量子与电子混合算力网络的控制方法。
[0180]
本实施例的量子与电子混合算力网络的控制设备中处理器11用于安装上述发明实施例中所述的量子与电子混合算力网络的随动控制装置,同时处理器11与存储器12相结合可以实现上述任一发明实施例中所述的量子与电子混合算力网络的控制方法。因此,量
子与电子混合算力网络的控制设备中的具体实施方式可见前文中的量子与电子混合算力网络的控制方法的实施例部分,其具体实施方式可以参照相应的各个部分实施例的描述,在此不再赘述。
[0181]
本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一发明实施例中所介绍的一种量子与电子混合算力网络的控制方法。其余内容可以参照现有技术,在此不再进行展开描述。
[0182]
本发明还提供了一种量子与电子混合算力网络的动态数据管理系统,该系统通常包括用户层、应用服务器层和数据层等。
[0183]
用户层s1:能够同时满足基于上述任一发明实施例所提供的一种量子与电子混合算力网络的控制方法中数据选择、调度,以及实现数据层数据交互。也就是在一种量子与电子混合算力网络的控制方法中,该系统关于待选的控制节点在选优过程中,与各个功能模块实现数据交流。
[0184]
应用服务器层s2:应用服务器层是数据层与用户层之间设置的中间层。实现统一数据库管理,知识库管理,用户对数据库的访问,保护数据库的安全与工作效率等。用户界面通过中间层与数据层相连接。
[0185]
数据库管理,包括用户和权限管理,不同的用户分配不同的权限。
[0186]
知识库管理是对控制对象特征参数的资料库、统计数据库等进行管理和维护,包括信息的添加、删除、编辑和查询等。
[0187]
数据层s3:用于存储或被调用数据,包括满足一种量子与电子混合算力网络的控制方法优化数据和待优化策略树在各个环节功能模块中的存储或被调用数据,与数据库交流的部分数据,提前预置数据,需要存储的中间数据等。起到数据存储库作用。
[0188]
存储或被调用数据,包括,混合算力网络基于一种量子与电子混合算力网络的控制方法对应的策略树集合,其质量数据对应的相关待计算的初始态数据、中间运算数据、分析过程数据、分项运算数据、综合运算数据等。
[0189]
基于上述量子与电子混合算力网络的控制系统,可以具体实现上述任一发明实施例所提供的一种量子与电子混合算力网络的控制方法。其具体内容已在上述发明实施例中做详细介绍,在此不再进行赘述。
[0190]
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。对于实施例公开的随动控制装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
[0191]
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
[0192]
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存
储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
[0193]
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个
……”
限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0194]
以上对本发明所提供的一种量子与电子混合算力网络的控制方法及随动控制装置进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以对本发明进行若干改进和修饰,这些改进和修饰也落入本发明权利要求的保护范围内。
再多了解一些

本文用于创业者技术爱好者查询,仅供学习研究,如用于商业用途,请联系技术所有人。

发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表

相关文献