一种自动化多维度计算的资源配置方法和系统技术方案

本发明专利技术提供一种自动化多维度计算的资源配置方法，首先根据计算任务的特征和需求，根据配置算法选取策略选取不少于两个的配置算法；根据机器学习和优化算法，确定配置算法的配置参数；将选取的不少于两个的配置算法，采用融合特征的方法两两交叉进行配置算法模型的融合，得到融合后的配置算法；将融合后的配置算法得到的资源配置结果，按照计算规则和权重分配策略，进行综合加权，以得到最终资源配置结果；根据资源配置结果进行计算，实时监控计算结果，并根据配置算法选取策略进行配置算法的切换，并重复上述步骤得到最终资源配置结果；本发明专利技术通过复合计算的方法，融合多个配置算法，并实时进行配置算法的调整，多维度提升计算的效率和准确性

【技术实现步骤摘要】
一种自动化多维度计算的资源配置方法和系统


[0001]本专利技术资源配置领域，特别是指一种自动化多维度计算的资源配置方法和系统
。

技术介绍

[0002]目前的资源配置中方法较为单一，且不能够根据计算任务不同时期的特点和需求进行实时调整和改变，计算效率和准确性较低，导致不能够满足客户需求
。

技术实现思路

[0003]本专利技术的主要目的在于克服现有技术中的上述缺陷，提出种自动化多维度计算的资源配置方法和系统，通过复合计算的方法，融合多个配置算法，且配置算法的选取结合计算任务的特点和需求，并根据计算任务的变化，实时进行配置算法的调整，多维度提升计算的效率和准确性
。
[0004]本专利技术采用的技术方案，
[0005]一种自动化多维度计算的资源配置方法，包括；
[0006]S1
：根据计算任务的特征和需求，根据配置算法选取策略选取不少于两个的配置算法；
[0007]S2
：根据机器学习和优化算法，通过分析历史数据和模型训练，确定配置算法的配置参数；
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种自动化多维度计算的资源配置方法，其特征在于，包括；
S1
：根据计算任务的特征和需求，根据配置算法选取策略选取不少于两个的配置算法；
S2
：根据机器学习和优化算法，通过分析历史数据和模型训练，确定配置算法的配置参数；
S3
：将选取的不少于两个的配置算法，采用融合特征的方法两两交叉进行配置算法模型的融合，得到融合后的配置算法；
S4
：将融合后的配置算法得到的资源配置结果，按照计算规则和权重分配策略，进行综合加权，以得到最终资源配置结果；
S5
：根据资源配置结果进行计算，实时监控计算结果，并根据配置算法选取策略进行配置算法的切换，并重复步骤
S2
‑
S4。2.
根据权利要求1所述的一种自动化多维度计算的资源配置方法，其特征在于，所述根据计算任务的特征和需求，具体包括但不限于：计算复杂性
、
数据规模
、
计算量
、
并行性
、
计算任务所需的计算资源
。3.
根据权利要求1所述的一种自动化多维度计算的资源配置方法，其特征在于，所述配置算法选取策略具体为：首先根据不同算法的特点
、
适用场景和性能指标，确定配置算法库；针对不同的计算任务，对配置算法库中的配置算法进行性能评估和测试，包括计算时间
、
资源利用率和准确性等指标；根据评估结果，对配置算法进行优化和调整；利用实验数据和实际应用场景进行验证，最终确定不同计算任务对应的配置算法；根据不同计算任务对应的配置算法确定配置算法选取策略
。4.
根据权利要求1所述的一种自动化多维度计算的资源配置方法，其特征在于，所述配置算法选取策略还包括对配置算法的评估，评估指标包括但不限于准确率
、
召回率
、
计算时间以及内存消耗
。5.
根据权利要求1所述的一种自动化多维度计算的资源配置方法，其特征在于，根据机器学习和优化算法，通过分析历史数据和模型训练，确定配置算法的配置参数，所述机器学习和优化算法包括但不限于，支持向量机<...

【专利技术属性】
技术研发人员：郑明程，
申请(专利权)人：英联厦门金融技术服务股份有限公司，
类型：发明
国别省市：