基于遗传算法的流量阈值的确定方法及装置制造方法及图纸

本公开提供了一种基于遗传算法的流量阈值的确定方法，可以应用于人工智能领域。该基于遗传算法的流量阈值的确定方法包括：对多个目标流量值进行二进制编码生成所述多个目标流量值的编码，其中所述多个目标流量值是根据目标服务支持的流量阈值范围确定的；确定初始化种群个体数和遗传算法参数，其中，每一种群个体唯一对应一个编码，所述遗传算法参数包括预设遗传代数、交叉率和变异率；以及对所述多个目标流量值的编码进行选择、交叉和变异操作，以确定目标流量阈值。本公开还提供了一种基于遗传算法的流量阈值的确定装置、设备、存储介质和程序产品。储介质和程序产品。储介质和程序产品。

【技术实现步骤摘要】
基于遗传算法的流量阈值的确定方法及装置


[0001]本公开涉及人工智能
，更具体地涉及一种基于遗传算法 的流量阈值的确定方法、装置、设备、存储介质和程序产品。

技术介绍

[0002]随着互联网的发展，网络系统运行中存在由于网络流量过大引发 网络拥塞、甚至系统崩溃的问题。
[0003]一般对于网络流量激增问题都会使用流控机制，当资源成为瓶颈 时，服务框架需要对消费者进行限流。流量控制有很多策略，比如常 见的：固定窗口算法、滑动窗口算法、令牌桶算法、漏桶算法等都属 于以静态方法即阈值固定的方式进行限流。
[0004]然而采用阈值固定的方式进行限流时，每次业务发生变更时都要 进行压力测试计算评估出最新的阈值，增量了测试工作量，同时由于 环境的不确定性导致计算的阈值不够准确。

技术实现思路

[0005]鉴于上述问题，本公开提供了基于遗传算法的流量阈值的确定方 法、装置、设备、介质和程序产品。
[0006]根据本公开的第一个方面，提供了一种基于遗传算法的流量阈值 的确定方法，包括：
[0007]对多个目标流量值进行二进制编码生成所述多个目标流量值的 编码，其中所述多个目标流量值是根据目标服务支持的流量阈值范围 确定的；
[0008]确定初始化种群个体数和遗传算法参数，其中，每一种群个体唯 一对应一个编码，所述遗传算法参数包括预设遗传代数、交叉率和变 异率；以及
[0009]对所述多个目标流量值的编码进行选择、交叉和变异操作，以确 定目标流量阈值。
[0010]根据本公开的实施例，所述对所述多个目标流量值的编码进行选 择、交叉、变异操作确定目标流量阈值包括：
[0011]根据适应度函数确定种群内所有个体的第一适应度；
[0012]根据所述第一适应度和预设选择规则对种群内所有个体进行第 一选择操作；
[0013]根据所述交叉率对经过第一选择操作的个体进行交叉操作；
[0014]根据所述变异率对交叉后的个体进行变异操作；
[0015]根据所述适应度函数确定当前种群内所有个体的第二适应度；
[0016]根据所述第二适应度和所述预设选择规则对当前种群内所有个 体进行第二选择操作；
[0017]重复上述交叉操作、变异操作和选择操作直至迭代次数大于预设 遗传代数，确定适应度最高的编码对应的流量值为目标流量阈值。
[0018]根据本公开的实施例，所述根据适应度函数确定种群内所有个体 的第一适应度包括：
[0019]获取种群内所有个体的历史服务器性能数据；以及
[0020]根据所述历史服务器性能指标和所述适应度函数确定种群内所 有个体的第一适应度。
[0021]根据本公开的实施例，所述根据所述第一适应度和预设选择规则 对种群内所有个体进行第一选择操作包括：
[0022]根据所述第一适应度剔除一半的种群个体。
[0023]根据本公开的实施例，所述根据所述交叉率对经过第一选择操作 的个体进行交叉操作包括：
[0024]根据所述交叉率确定偶数个进行交叉操作的个体；
[0025]将所述偶数个进行交叉操作的个体进行随机配对；以及
[0026]将完成配对的两个体的前半段编码进行交换生成两个新的个体。
[0027]根据本公开的实施例，根据所述变异率对交叉后的个体进行变异 操作包括：
[0028]根据所述变异率和交叉操作产生的新个体确定进行变异操作的 个体；以及
[0029]对所述进行变异操作的个体的任意一位编码进行取反操作。
[0030]根据本公开的第二个方面，提供了一种基于遗传算法的流量阈值 的确定装置，包括：
[0031]编码装置，用于对多个目标流量值进行二进制编码生成所述多个 目标流量值的编码，其中，所述多个目标流量值是根据目标服务支持 的流量阈值范围确定的；
[0032]第一确定装置，用于确定初始化种群个体数和遗传算法参数，其 中，每一种群个体唯一对应一个编码，所述遗传算法参数包括预设遗 传代数、交叉率和变异率；以及
[0033]第二确定装置，用于对所述多个目标流量值的编码进行选择、交 叉、变异操作确定目标流量阈值。
[0034]本公开的第三方面提供了一种电子设备，包括：一个或多个处理 器；存储器，用于存储一个或多个程序，其中，当所述一个或多个程 序被所述一个或多个处理器执行时，使得一个或多个处理器执行上述 基于遗传算法的流量阈值的确定方法。
[0035]本公开的第四方面还提供了一种计算机可读存储介质，其上存储 有可执行指令，该指令被处理器执行时使处理器执行上述基于遗传算 法的流量阈值的确定方法。
[0036]本公开的第五方面还提供了一种计算机程序产品，包括计算机程 序，该计算机程序被处理器执行时实现上述基于遗传算法的流量阈值 的确定方法。
[0037]通过本公开提供的基于遗传算法的流量阈值的确定方法，通过将 目标流量值进行编码，建立初始化种群，利用遗传算法对种群内个体 进行选择、交叉、变异、再选择操作，根据适应度函数计算种群内个 体的适应度，进而确定目标流量阈值，相较于现有技术人工确定流量 阈值的方法，本公开的方法计算结果更准确，减少人工介入，效率更 高。
附图说明
[0038]通过以下参照附图对本公开实施例的描述，本公开的上述内容以 及其他目的、特征和优点将更为清楚，在附图中：
[0039]图1示意性示出了根据本公开实施例的基于遗传算法的流量阈 值的确定方法、装置、设备、存储介质和程序产品的应用场景图；
[0040]图2示意性示出了根据本公开实施例的实现确定流量阈值方法 的流程图；
[0041]图3示意性示出了根据本公开实施例的一种基于遗传算法的流 量阈值的确定方法的流程图；
[0042]图4示意性示出了根据本公开实施例的目标流量阈值的确定方 法的流程图；
[0043]图5示意性示出了根据本公开实施例的适应度的确定方法的流 程图；
[0044]图6示意性示出了根据本公开实施例的种群个体进行交叉操作 的流程图；
[0045]图7示意性示出了根据本公开实施例的种群个体进行变异操作 的流程图；
[0046]图8a示意性示出了根据本公开实施例的基于遗传算法的流量阈 值的确定装置的结构框图；
[0047]图8b示意性示出了根据本公开实施例的第二确定模块的结构框 图；
[0048]图8c示意性示出了根据本公开实施例的第一确定子模块的结构 框图；
[0049]图8d示意性示出了根据本公开实施例的交叉子模块的结构框图；
[0050]图8e示意性示出了根据本公开实施例的变异子模块的结构框图； 以及
[0051]图9示意性示出了根据本公开实施例的适于实现基于遗传算法 的流量阈值的确定方法的电子设备的方框图。
具体实施方式
[0052]以下，将参照附图来描述本公开的实施例。但是本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传算法的流量阈值的确定方法，其特征在于，包括：对多个目标流量值进行二进制编码生成所述多个目标流量值的编码，其中所述多个目标流量值是根据目标服务支持的流量阈值范围确定的；确定初始化种群个体数和遗传算法参数，其中，每一种群个体唯一对应一个编码，所述遗传算法参数包括预设遗传代数、交叉率和变异率；以及对所述多个目标流量值的编码进行选择、交叉和变异操作，以确定目标流量阈值。2.根据权利要求1所述的方法，其特征在于，所述对所述多个目标流量值的编码进行选择、交叉、变异操作确定目标流量阈值包括：根据适应度函数确定种群内所有个体的第一适应度；根据所述第一适应度和预设选择规则对种群内所有个体进行第一选择操作；根据所述交叉率对经过第一选择操作的个体进行交叉操作；根据所述变异率对交叉后的个体进行变异操作；根据所述适应度函数确定当前种群内所有个体的第二适应度；根据所述第二适应度和所述预设选择规则对当前种群内所有个体进行第二选择操作；以及重复上述交叉操作、变异操作和选择操作直至迭代次数大于预设遗传代数，确定适应度最高的编码对应的流量值为目标流量阈值。3.根据权利要求2所述的方法，其特征在于，所述适应度函数包括服务器性能指标和预设指标权重，所述根据适应度函数确定种群内所有个体的第一适应度包括：获取种群内所有个体的历史服务器性能数据；以及根据所述历史服务器性能指标和所述适应度函数确定种群内所有个体的第一适应度。4.根据权利要求2所述的方法，其特征在于，所述根据所述第一适应度和预设选择规则对种群内所有个体进行第一选择操作包括：根据所述第一适应度...

【专利技术属性】
技术研发人员：石瑶，
申请(专利权)人：中国工商银行股份有限公司，
类型：发明
国别省市：