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！

申请/专利权人：苏州简诺科技有限公司

摘要：本发明提供一种基于人工智能的系统资源需求规划方法及系统，涉及人工智能技术领域，包括获取系统资源数据，构建资源属性异构图，通过多轮次随机游走，生成资源节点序列集合，通过训练图嵌入模型学习节点邻域关系，构建候选特征矩阵，基于各候选特征的特征综合评分，生成最优特征子集；将待预测的系统资源时间序列数据，输入资源需求预测网络，通过捕捉各时间步依赖关系，生成混合高斯分布参数，确定条件概率分布，得到资源需求预测结果；按照资源需求预测结果，以及基于最优特征子集确定的系统资源，随机生成多个规划方案，构建迭代群落，将迭代群落输入资源分配算法中，生成最优解，确定最优规划方案。

主权项：1.基于人工智能的系统资源需求规划方法，其特征在于，包括：获取系统资源数据，构建资源属性异构图，基于所述资源属性异构图，通过多轮次随机游走，生成资源节点序列集合，通过训练图嵌入模型学习节点邻域关系，构建候选特征矩阵，基于各候选特征的特征综合评分，生成最优特征子集；将待预测的系统资源时间序列数据，输入资源需求预测网络，通过捕捉各时间步依赖关系，生成混合高斯分布参数，确定条件概率分布，得到资源需求预测结果；按照所述资源需求预测结果，以及基于所述最优特征子集确定的系统资源，随机生成多个规划方案，构建迭代群落，将所述迭代群落输入资源分配算法中，生成最优解，确定最优规划方案；获取系统资源数据，构建资源属性异构图，基于所述资源属性异构图，通过多轮次随机游走，生成资源节点序列集合，通过训练图嵌入模型学习节点邻域关系，构建候选特征矩阵，基于各候选特征的特征综合评分，生成最优特征子集包括：获取系统资源数据，确定资源实体和资源属性，以资源实体和资源属性为资源节点，以资源节点之间的关联权重为连接边，构建资源异构图；从所述资源异构图中，随机选择中心节点，通过随机游走，确定上下文节点，生成资源节点序列；经过多轮次随机游走，生成多个资源节点序列，构成资源节点序列集合；以所述资源节点序列集合为数据样本，所述中心节点为输入，所述上下文节点为输出，基于预先构建的图嵌入模型，学习节点邻域关系，生成每个节点对应的低维稠密向量表示，组合成候选特征矩阵；基于所述候选特征矩阵中的每一列特征向量，计算特征综合评分并排序，按照预设的最优特征数量，选取对应数量的候选特征，生成最优特征子集；从所述资源异构图中，随机选择中心节点，通过随机游走，确定上下文节点，生成资源节点序列包括：从所述资源异构图中，随机选择资源实体对应的资源节点作为起始节点，以起始节点为当前节点，开始随机游走：基于当前节点，计算节点度数，确定返回因子，同时计算邻域的聚集系数，确定探索因子，结合与当前节点相连的所有连接边的权重，确定邻居节点对应的转移概率分布，基于所述转移概率分布，设置随机轮盘，确定下一个节点，加入节点序列；将下一个节点设置为当前节点，重复随机游走，直到所述节点序列的长度达到预设的序列长度，生成资源节点序列；将待预测的系统资源时间序列数据，输入训练完成的最优资源需求预测网络，通过捕捉各时间步依赖关系，生成混合高斯分布参数，确定条件概率分布，得到资源需求预测结果包括：获取系统资源的时间序列数据，对所述时间序列数据进行预处理，基于预设的滑动窗口大小，将所述时间序列数据进行分割成多组，确定输入序列和输出序列，生成训练样本集合；构建资源需求预测网络，包括输入层、至少一个递归隐藏层和输出层，其中所述输入层接受所述输入序列；所述递归隐藏层基于长短时记忆网络构建，通过门控机制，控制输入序列的信息传递，捕捉长期依赖关系；所述输出层包括多个全连接层结构，分别通过直接输出、指数函数变换输出和激活函数归一化输出，生成混合高斯分布参数；将所述训练样本集合输入所述资源需求预测网络，基于梯度下降法进行训练，通过最大化损失函数，迭代调整模型参数，直到达到预设的迭代次数，生成最优资源需求预测网络；将待预测时间序列数据输入所述最优资源需求预测网络，得到混合高斯分布参数，确定条件概率分布，通过对条件概率分布计算期望，确定资源需求预测结果；所述资源分配算法的迭代过程包括：以规划方案为个体，初始化多个种群，构建迭代群落；基于预设的适应度函数，计算每个个体的适应度值，基于预设的精英数量，按照适应度值分配选中比例，通过比例随机的方式，确定精英个体；通过交叉操作，按照预设的交叉数量，对任意对精英个体进行规划方案部分互换，生成新生个体；通过变异操作，按照预设的变异数量，选择任意其他个体在解的空间中随机探索，生成变异个体，将所述精英个体、所述新生个体和所述变异个体组成第一类新种群；基于预设的迁移间隔，在经过对应轮次的迭代后，按照预设的迁移比例，从每个种群中选取对应数量的适应度值最大的个体作为迁移个体，在所有种群中互换迁移，生成第二类新种群；按照预设的联盟规模，将对应数量的种群合并，生成第三类新种群；所述第一类新种群、所述第二类新种群和所述第三类新种群，共同组成新群落，继续迭代；直到达到预设的迭代次数，从最终的迭代群落中，选取适应度值最大的个体，得到最优规划方案。

全文数据：

权利要求：

百度查询： 苏州简诺科技有限公司 基于人工智能的系统资源需求规划方法及系统