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！

龙图腾网恭喜云南师范大学申请的专利一种基于超启发式算法的微服务资源自适应调整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：CN119356801B 。

龙图腾网通过国家知识产权局官网在2025-04-04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：202411937909.X，技术领域涉及：G06F9/455；该发明授权一种基于超启发式算法的微服务资源自适应调整方法是由郝佳;曹睿婕;杨瑞清;夏鸿晏设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本一种基于超启发式算法的微服务资源自适应调整方法在说明书摘要公布了：本发明涉及一种基于超启发式算法的微服务资源自适应调整方法，属于微服务资源动态管理技术领域。该方法能够精细管理CPU核数、内存大小、IO大小等关键资源，首先，运行基准测试工具模拟真实应用运行场景，收集云原生架构下的微服务节点在不同工作负载下的资源使用数据集，其次，利用生成对抗网络增强已有的资源‑性能数据，生成辅助标签训练样本，随后，构建一个“自训练‑半监督”的微服务节点性能预测模型，实现微服务节点资源的性能预测，最后，构建基于超启发式算法的微服务资源调整模型，实现微服务节点资源的自适应调整，从而达到在满足任务端到端的服务质量的同时，提高微服务节点的资源利用率的目的。

本发明授权一种基于超启发式算法的微服务资源自适应调整方法在权利要求书中公布了：1.一种基于超启发式算法的微服务资源自适应调整方法，其特征在于，所述的方法包括：Step1：运行基准测试工具模拟真实应用运行场景；Step2：在所述应用运行场景中利用监测工具采集微服务“资源-性能”数据；Step3：结合所采集的微服务“资源-性能”数据，构建SMPP模型预测微服务节点的响应时间；Step4：当所述预测微服务节点的响应时间不满足预设服务质量要求时，结合AWSH模型生成资源调整决策；Step5：基于所述资源调整决策，利用资源管理工具对CPU资源、内存资源和IO资源实施调度；所述Step3具体为：Step3.1：基于GAN模型，引入回归器，形成优化后的CTAB-GAN+模型；Step3.2：优化CTAB-GAN+模型中的生成器和鉴别器，所述生成器和所述鉴别器结构相同，均由CNN卷积神经网络构成，其中，生成器的输入为一个条件向量和一个从标准正态分布中随机采样的噪声向量，生成器输出的是生成的合成数据，作为鉴别器的输入，鉴别器的输出为对输入属于真实数据分布的置信度评估，通过计算生成器和鉴别器的损失函数来优化生成器和鉴别器；Step3.3：优化CTAB-GAN+模型中的回归器，所述回归器的输入是生成器生成的合成数据中经过编码和处理的特征向量，回归器的输出是对于给定输入特征的连续预测值，并优化下游任务的性能，通过计算回归器的损失函数来优化回归器；Step3.4：重复Step3.2-Step3.3，不断优化生成器、鉴别器与回归器，当生成数据分布与真实数据分布相同时，或者达到预定的训练迭代次数，则进入步骤Step3.5，且CTAB-GAN+模型输出与所述微服务“资源-性能”数据呈一致性的高斯分布的带标签的辅助数据集；Step3.5：构建SMPP模型的自训练部分，学习得到各微服务资源调用之间的潜在语义表征；Step3.6：利用所述带标签的辅助数据集及所述潜在语义表征，构建SMPP模型的半监督部分，从而完成整个SMPP模型的构建，实现对微服务节点响应时间的预测；所述Step4具体为：Step4.1：初始化资源分配方案集合作为解决方案空间，为第个资源分配方案，每个低级启发式从中采样进行学习，并且解决方案空间在每轮迭代时由被选中的低级启发式根据其搜索最优资源分配方案的策略来更新；Step4.2：评估每个资源分配方案的适应度函数值，适应度函数以微服务节点的响应时间最短和系统整体资源利用率最优为目标，适应度函数的最优解为最优资源分配方案，计算公式如下： ，；其中，T代表时间，U代表资源利用率，、是平衡两者的权重系数，资源利用率U由CPU、Memory、IO的利用率组成，计算公式如下： ； ； ； ；其中，、、分别是CPU、Memory、IO的权值，是CPU的利用率，cpu.id表示空闲时间，是内存的利用率，是虚拟内存使用量，是虚拟内存分配量，是IO的利用率，cpu.wa表示等待IO的所占的CPU时间；Step4.3：AWSH模型将蚁群算法作为高级启发式，在每轮迭代中根据三个低级启发式的先验性能选择其中一个低级启发式，随后，由被选中的低级启发式针对资源分配问题使用自身的搜索策略来寻找最优资源分配方案，并更新解决方案空间，低级启发式通过信息素被选中的概率的计算公式如下： ；式中，A为低级启发式个数，为当前低级启发式与下一个可能被选中的低级启发式之间的信息素浓度；Step4.4：低级启发式选择完成后，更新低级启发式被分配的信息素，计算公式如下： ；式中，为信息素挥发系数，为信息素增量，计算公式如下： ；其中，和分别是由低级启发式和更新的解决方案空间中的最优资源分配方案的适应度函数值；Step4.5：重复Step4.1-Step4.4，当迭代次数达到最大迭代次数后终止迭代，AWSH模型输出使适应度函数值最小的最优资源分配方案，作为最优微服务节点资源调整方案。

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云南师范大学，其通讯地址为：650500 云南省昆明市呈贡区聚贤街768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”。