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！

龙图腾网获悉江西师范大学申请的专利一种基于进化算法的分布式异构任务调度方法及系统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：CN119987975B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202510452461.0，技术领域涉及：G06F9/48；该发明授权一种基于进化算法的分布式异构任务调度方法及系统是由程艳;王佳琦;陈豪迈设计研发完成，并于2025-04-11向国家知识产权局提交的专利申请。

本一种基于进化算法的分布式异构任务调度方法及系统在说明书摘要公布了：本发明公开了一种基于进化算法的分布式异构任务调度方法及系统，该方法包括如下步骤：分析分布式异构任务调度的影响因素并量化；将异构芯片、服务器以及量化后的分布式异构任务调度的影响因素作为优化的目标函数，建立整体功耗规划模型；利用改进进化优化算法，以整体功耗规划模型为评估依据，对分布式异构任务进行调度优化，得到最优调度方案；本发明通过改进的进化算法，结合整体功耗规划模型和动态浮动功耗计算，能够在大规模数据场景下快速收敛至最优解，提升调度的效率和稳定性。

本发明授权一种基于进化算法的分布式异构任务调度方法及系统在权利要求书中公布了：1.一种基于进化算法的分布式异构任务调度方法，其特征在于，包括如下步骤： 步骤S1：分析分布式异构任务调度的影响因素并量化； 步骤S2：将异构芯片、服务器以及量化后的分布式异构任务调度的影响因素作为优化的目标函数，建立整体功耗规划模型； 步骤S3：利用优化算法，以整体功耗规划模型为评估依据，对分布式异构任务进行调度优化，得到最优调度方案； 整体功耗规划模型表示为： ； 式中，表示服务器整体功耗；表示浮动功耗,表示异构芯片基础功耗，表示内存设备待机功耗，表示存储设备待机功耗，表示固定开销；表示系统能效； 优化算法采用改进进化算法，通过改进进化优化算法，以整体功耗规划模型为评估依据，对分布式异构任务进行调度优化，得到最优调度方案的具体过程为： 步骤S3.1：初始化改进进化优化算法的种群； 步骤S3.2：根据整体功耗规划模型，计算每个个体的适应度值； 步骤S3.3：通过选择策略筛选当前种群中的个体，选择策略采用轮盘赌选择与随机竞争选择相结合的方式进行； 步骤S3.4：通过感知的脉冲进化策略更新个体位置，感知的脉冲进化策略包括能效驱动的交叉策略和功耗敏感的量子化变异； 步骤S3.5：使用局部搜索优化机制优化当前最优个体； 步骤S3.6：判断当前迭代是否满足终止条件，未满足则继续迭代；满足，停止迭代，输出当前种群中的最优个体作为最优任务调度方案； 浮动功耗表示为： ； 式中，表示第个分布式异构任务完成所带来的消耗；表示服务器功耗浮动值；表示第个分布式异构任务所需要的运行时间；表示第分布式异构任务所需要的异构芯片数量，表示分布式异构任务数量； 异构芯片基础功耗表示为： ； 式中，表示异构芯片基础功耗；表示异构芯片工作电压；表示待机状态下的工作电流；表示完成所有分布式异构任务所需要的最长运行时间； 内存设备待机功耗表示为： ； 式中，表示内存设备待机功耗，表示内存设备的工作电压，表示单个内存设备待机状态下的工作电流，表示内存设备的数量； 存储设备待机功耗表示为： ； 式中，表示存储设备待机功耗，表示存储设备的工作电压，表示单个存储设备待机状态下的工作电流，表示存储设备的数； 改进进化优化算法的种群表示为： ； 式中，表示种群中第个个体的位置，，表示第个分布式异构任务分配到的服务器，，表示分布式异构任务数量；表示种群中个体的总数，每个个体代表一种可能的分布式异构任务调度方案； 根据整体功耗规划模型，计算每个个体的适应度值，表示为： ； 式中，表示第个个体的适应度值；表示产生的浮动功耗；表示第个分布式异构任务的运行时间； 步骤S3.3的具体过程为：计算当前种群中每个个体被选中的概率以及每个个体累计被选中的概率，表示为： ； ； 式中，表示第个个体被选中的概率；表示第个个体累计被选中的概率，用于确定个体在轮盘赌选择中的位置；表示种群中第个个体，即第个分布式异构任务调度方案；表示第个个体被选中的概率，即该个体适应度值与种群总适应度值的比值；表示种群中所有个体适应度值的总和，用于归一化概率； 生成概率随机数，选择满足的个体，表示第个个体累计被选中的概率； 从满足的个体中随机选择两个个体并比较适应度值，选择出适应度值低的个体； 步骤S3.4的具体过程为： 通过计算种群的标准差来衡量种群的多样性，进而动态调整交叉概率，表示为： ； ； 式中，式中，表示种群的平均适应度值,表示种群多样性的阈值，用于判断种群是否过于集中或分散，表示温度参数，用于控制交叉概率的变化速度；表示自然对数的底数； 计算交叉概率后，从选择策略选出的个体中，按种群个体顺序依次进行两两比较；针对每对个体，生成0到1之间的第一随机数、第二随机数和第三随机数，当小于，则对这对个体进行交叉操作，同时，当和满足，为个体编码长度，则将这对个体在到之间的编码进行交叉互换，完成个体交叉； 对于变异操作，使用功耗敏感的量子化变异，变异强度计算表示为： ； 式中，表示第个个体的变异步长；表示第个个体的总功耗，包括运行功耗和待机功耗；、分别为种群功耗的上下边界，即当前种群中所有个体的最大与最小功耗；表示最大变异步长，即变异操作的最大调整幅度； 同时，当当前种群中最优个体在连续若干代迭代中未发生变化，则触发隧穿变异，隧穿变异概率的计算方式表示为： ； ； 式中，表示势能，即当前个体的功耗与能效的比值；代表动能，表示种群的动态变化率；表示缩放因子，用于调整动能的量级；表示当前迭代次数；表示在第次迭代时种群适应度的标准差； 生成第四随机数，当小于，则触发隧穿变异，此时根据变异步长，执行变异，改变基因值，完成个体变异。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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”。

以上内容由龙图腾AI智能生成。