【技术实现步骤摘要】
本专利技术涉及一种网络资源调度优化系统，尤其涉及一种针对云计算环境中网络资源调度进行优化的系统。
技术介绍
1、云计算，作为一种突破性的计算资源和服务提供模式，已在网络中崭露头角。这一创新使得用户能够依据个人需求灵活获取、使用，并在不需要时释放计算资源。用户的灵活性不仅提升了操作的便捷性，也对资源的有效利用产生了积极影响。这种按需服务模式不仅令用户感到高效，同时也在资源分配方面带来了新的挑战和机遇。
2、在云计算环境中，网络资源调度扮演着关键的角色，其核心任务是有效地管理和分配网络资源，以最大程度地提高系统性能，并同时满足不断变化的用户需求。这不仅需要高效的算法，还需要智能的策略和强大的网络基础设施。
3、云环境中的网络资源不仅仅包括计算能力，还涵盖了带宽、路由、负载均衡等方面。这些组成要素构成了一个庞大而复杂的网络生态系统，需要细致入微的管理和协调，以确保整个系统的协同运作。
4、调度优化系统的采用进一步提升了云环境中网络资源的整体效能。这些方法的目标不仅仅是提高网络资源利用率，更包括降低延迟、增强...
【技术保护点】
1.一种云环境的网络资源调度优化系统，其特征在于：所述网络资源调度优化系统包括数据采集模块、机器学习模块和实时调度决策模块，所述数据采集模块利用实时数据集，包括历史网络流量和资源利用数据，进行数据采集与准备，并进行数据预处理，所述数据预处理包括清洗、去噪和特征提取；所述机器学习模块利用准备好的数据集通过深度学习神经网络机器学习模型进行训练，并调整模型参数和优化算法以适应不同的云计算环境，并利用实时性的更新机制，使模型持续学习和适应动态变化；所述实时调度决策模块将训练好的机器学习模型部署到云环境中，建立实时调度决策系统，所述实时调度决策系统根据当前网络流量和资源负载状态...
【技术特征摘要】
1.一种云环境的网络资源调度优化系统，其特征在于：所述网络资源调度优化系统包括数据采集模块、机器学习模块和实时调度决策模块，所述数据采集模块利用实时数据集，包括历史网络流量和资源利用数据，进行数据采集与准备，并进行数据预处理，所述数据预处理包括清洗、去噪和特征提取；所述机器学习模块利用准备好的数据集通过深度学习神经网络机器学习模型进行训练，并调整模型参数和优化算法以适应不同的云计算环境，并利用实时性的更新机制，使模型持续学习和适应动态变化；所述实时调度决策模块将训练好的机器学习模型部署到云环境中，建立实时调度决策系统，所述实时调度决策系统根据当前网络流量和资源负载状态，预测未来需求，并实时调整资源分配。
2.如权利要求1所述的一种云环境的网络资源调度优化系统，其特征在于：所述数据采集模块的数据采集源头来自云计算平台的日志、监测工具输出的实时数据以及网络设备的性能监控数据，对采集到的数据进行格式标准化，通过轻量级的工具或api接口获取云平台的数据至数据仓库，采用质量评估算法对所述数据进行数据清洗和去噪处理，并根据资源调度需求进行特征提取，包括时间序列特征、频谱特征和与节点负载相关的特征，设定阈值或利用历史数据对数据进行有监督的标注，并采用图表和仪表盘形式，对网络流量和资源利用情况进行实时监控和分析。
3.如权利要求1所述的一种云环境的网络资源调度优化系统，其特征在于：所述机器学习模块采用深度学习神经网络作为资源调度的机器学习模型，对数据集进行划分，包括训练集、验证集和测试集，用于模型学习、超参数调整和评估泛化性能，使用卷积神经网络(处理图像数据，使用循环神经网络(rnn)处理时序数据，使用长短时记忆网络(lstm)捕捉数据特征，并进一步确定神经网络的层数、每层神经元数量、激活函数参数。
4.如权利要求1或3所述的一种云环境的网络资源调度优化系统，其特征在于：所述机器学习模块进一步进行深度学习模型训练，通过设定初始参数，调整学习率、批量大小、初始化权重超参数优化收敛速度和性能，通过在线学习逐步采用新数据调整模型，实时自适应学习率算法调整学习率以适应不同数据分布和模型状态，采用异常值处理和模型状态保存机制，采用分布式训练框架将计算任务分配到多个计算节点上，采用批量处理技术提高训练效率，加速训练过程。
5.如权利要求1或3所述的一种云环境的网络资源调度优化系统，其特征在于：所述机器...
【专利技术属性】
技术研发人员：杨超，黄文思，李桐，徐长斌，刘扬，李军，杨舒钧，王斯诺，赵拴宝，范亚娜，李媛，
申请(专利权)人：国网辽宁省电力有限公司电力科学研究院，
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。