【技术实现步骤摘要】
本专利技术涉及智能系统运维，尤其涉及一种基于遗传算法的智能系统运维方法。
技术介绍
1、随着信息技术的发展，企业在日常运行和管理工作中使用各种智能业务管理系统处理相关数据已成为常态。智能系统的应用对企业的运营和发展能够起到十分关键的作用，因此保障这些智能系统的平稳运行是非常有必要的。在智能系统的日常运行过程中，系统用户会发现各种各样的问题，对于这些问题，用户可以发起运维工单，将所遇到的问题记录下来并上传，运维部门接收运维工单后根据用户描述的问题给出运维方案进行解决。对于大规模的业务系统，运维工单的数量也会相应增加，当运维部门来不及处理时，运维工单容易形成累积，此时若完全按照运维工单的提交顺序进行处理显然是不合理的，因为提交在先的运维工单重要性和紧急性可能不如在后提交的运维工单重要性、紧急性高，解决难度也不一定相同，目前运维部门对此基本是按照运维人员的主观判断进行处理，容易出现紧急、重要事务得不到及时处理，导致系统功能无法正常运行，相关线上业务难以推进的问题，因此如何对运维工单的解决顺序进行合理排序是一个亟待解决的问题。
技术实现思路
1、鉴于此，本专利技术的目的在于提供一种基于遗传算法的智能系统运维方法，通过遗传算法对智能系统的运维工单处理次序进行合理安排，从而在有序处理运维工单的基础上确保系统关键问题能够得到及时处理。
2、为实现上述专利技术目的，本专利技术提供一种基于遗传算法的智能系统运维方法，所述方法包括以下步骤：
3、s101、获取智能系统所有未处理
4、s102、根据第一运维工单集合中的运维工单获取与其对应的多个运维方案，基于所获取的多个运维方案生成第一运维方案集合；
5、s103、将第一运维工单集合和第一运维方案集合输入到遗传算法中，获得遗传算法输出的最优个体，遗传算法的目标为处理所有运维工单的总成本最小；
6、s104、将最优个体代表的完整运维方案作为最优运维方案执行，完整运维方案包括最优运维工单集合和最优运维方案集合，最优运维工单集合中的多个运维工单按照最优解决顺序排列，最优运维方案集合中的运维方案的排列次序与其对应的运维工单在最优运维工单中的排列次序相同。
7、进一步的，步骤s103中，遗传算法基于输入的第一运维工单集合和第一运维方案集合输出最优个体，具体包括以下步骤：
8、s201、基于第一运维工单集合和第一运维方案集合生成多个个体，形成初始种群；
9、s202、通过粒子群算法对初始种群中的个体进行选择并输出被选中的个体；
10、s203、对上一步骤输出的个体进行交叉操作和/或变异操作；
11、s204、迭代执行步骤s202和s203，直至算法达到收敛，输出种群。
12、进一步的，步骤s201具体包括以下步骤：
13、s301、将第一运维工单集合中的运维工单排列顺序进行随机打乱，形成新的运维工单排列顺序，作为第二运维工单集合；
14、s302、对重新排序的运维工单集合中的运维工单按序轮询，依序为每个运维工单找到与其对应的至少一个运维方案，并随机选择其中的一个运维方案，完成对运维工单的轮询后，将被选择的所有运维方案按照与其对应的运维工单相同的排列次序进行排序，形成第二运维方案集合；
15、s303、将第二运维工单集合和第二运维方案集合组成一个完整的运维方案，记为一个个体；
16、s304、统计已生成的个体数量是否满足初始种群数量要求，若以满足则执行步骤s202，否则执行步骤s301。
17、进一步的，步骤s102中，根据第一运维工单集合中的运维工单获取与其对应的多个运维方案，具体包括以下步骤：
18、s401、创建正序任务qtos和逆序任务stoq，qtos和stoq分别通过预训练模型实现任务目标，qtos的任务目标为根据运维工单生成可用于解决运维工单问题的运维方案，stoq的任务目标为根据存在的运维方案生成可能存在的运维工单，将可能存在的运维工单记为模拟工单；
19、s402、对qtos和stoq进行交替迭代训练，不断生成新的模拟工单和运维方案，在达到训练目标后，输出步骤s402生成的模拟工单和运维方案；
20、s403、将模拟工单与第一运维工单集合中的运维工单进行匹配，筛选出成功匹配的模拟工单；
21、s404、查询步骤s402中生成的、与筛选得到的模拟工单对应的运维方案，并将其输出。
22、进一步的，步骤s401中，在创建qtos和stoq后，分别使用成对工单-方案数据集对qtos和stoq的任务模型进行预训练，从而得到相应的预训练模型。
23、进一步的，步骤s402中，对qtos和stoq进行交替迭代训练，具体包括步骤：
24、s501、在第一次迭代训练时，首先使用qtos的预训练模型对运维工单训练集生成相应的运维方案，再使用qtos生成的运维方案输入到stoq中，生成模拟工单，更新qtos和stoq的预训练模型参数，得到更新后的预训练模型，完成第一次迭代训练；
25、s502、在后续迭代训练过程中，每次使用的训练数据集都是上一次迭代过程中qtos和stoq的预训练模型分别生成的新的模拟工单和运维方案数据，直至预训练模型达到收敛后停止迭代。
26、进一步的，步骤s203中，变异操作包括以下类型：
27、随机从第二运维工单集合中选择一个运维工单，改变其对应的运维方案；
28、随机从第二运维工单结合中选择至少两个运维工单，改变所选择运维工单的相对顺序，并相应调整其对应的运维方案顺序；
29、随机从第二运维方案集合中选择一个运维方案，从第二运维工单集合中找到其对应的至少两个运维工单，调整所找到运维工单的相对顺序。
30、进一步的，步骤s203中，交叉操作包括以下类型：
31、第一交叉类型：随机从种群中选择两个个体作为父体和母体，将父体和母体的第二运维工单集合分别切分为两个部分，将父体切分后的第二运维工单集合与母体切分后的第二运维工单集合进行拼接形成新的运维工单集合，对父体和母体的第二运维方案集合进行相同的操作，形成新的运维方案集合，基于新的运维工单集合和运维方案集合形成新的个体；
32、第二交叉类型：随机从种群中选择两个个体作为父体和母体，将父体和母体的第二运维工单集合分别切分为三个部分，将父体切分后的第二运维工单集合与母体切分后的第二运维工单集合进行拼接形成新的运维工单集合，对父体和母体的第二运维方案集合进行相同的操作，形成新的运维方案集合，基于新的运维工单集合和运维方案集合形成新的个体。
33、进一步的，步骤s203中，对上一步骤输出的个体进行交叉操作和/或变异操作，具体为在每次执行变异/交叉操作时，随机选择一种类型的变异/交叉操作类型执行。
34、进一本文档来自技高网...
【技术保护点】
1.一种基于遗传算法的智能系统运维方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于遗传算法的智能系统运维方法，其特征在于，步骤S103中，遗传算法基于输入的第一运维工单集合和第一运维方案集合输出最优个体，具体包括以下步骤：
3.根据权利要求2所述的一种基于遗传算法的智能系统运维方法，其特征在于，步骤S201具体包括以下步骤：
4.根据权利要求1所述的一种基于遗传算法的智能系统运维方法，其特征在于，步骤S102中，根据第一运维工单集合中的运维工单获取与其对应的多个运维方案，具体包括以下步骤：
5.根据权利要求4所述的一种基于遗传算法的智能系统运维方法，其特征在于，步骤S401中，在创建QtoS和StoQ后，分别使用成对工单-方案数据集对QtoS和StoQ的任务模型进行预训练，从而得到相应的预训练模型。
6.根据权利要求5所述的一种基于遗传算法的智能系统运维方法，其特征在于，步骤S402中，对QtoS和StoQ进行交替迭代训练，具体包括步骤：
7.根据权利要求2所述的一种基于遗传算法的智
8.根据权利要求7所述的一种基于遗传算法的智能系统运维方法，其特征在于，步骤S203中，交叉操作包括以下类型：
9.根据权利要求8所述的一种基于遗传算法的智能系统运维方法，其特征在于，步骤S203中，对上一步骤输出的个体进行交叉操作和/或变异操作，具体为在每次执行变异/交叉操作时，随机选择一种类型的变异/交叉操作类型执行。
10.根据权利要求1所述的一种基于遗传算法的智能系统运维方法，其特征在于，步骤S103中运维工单的总成本为资源成本和拖延成本的总和，资源成本包括计算资源成本和人力资源成本。
...【技术特征摘要】
1.一种基于遗传算法的智能系统运维方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的一种基于遗传算法的智能系统运维方法，其特征在于，步骤s103中，遗传算法基于输入的第一运维工单集合和第一运维方案集合输出最优个体，具体包括以下步骤：
3.根据权利要求2所述的一种基于遗传算法的智能系统运维方法，其特征在于，步骤s201具体包括以下步骤：
4.根据权利要求1所述的一种基于遗传算法的智能系统运维方法，其特征在于，步骤s102中，根据第一运维工单集合中的运维工单获取与其对应的多个运维方案，具体包括以下步骤：
5.根据权利要求4所述的一种基于遗传算法的智能系统运维方法，其特征在于，步骤s401中，在创建qtos和stoq后，分别使用成对工单-方案数据集对qtos和stoq的任务模型进行预训练，从而得到相应的预训练模型。
6...
【专利技术属性】
技术研发人员：吕志鹏，郭玮，许家伟，隋海滨，
申请(专利权)人：海南电网有限责任公司信息通信分公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。