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！

龙图腾网获悉长春大学申请的专利一种基于监督学习和强化学习的弹性资源分配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116048785B 。

龙图腾网通过国家知识产权局官网在2025-12-12发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202211623990.5，技术领域涉及：G06F9/50；该发明授权一种基于监督学习和强化学习的弹性资源分配方法是由李丽娜;许一鸣;李念峰;黄盛奎设计研发完成，并于2022-12-15向国家知识产权局提交的专利申请。

本一种基于监督学习和强化学习的弹性资源分配方法在说明书摘要公布了：本发明公开了一种基于监督学习和强化学习的弹性资源分配方法，包括：步骤一、基于爬取并处理后的测试数据，划分第一训练集和第一测试集，同时构建第二训练集；步骤二、建立第一神经网络，基于监督学习技术，通过第一训练集对第一神经网络进行训练调参，通过RMSprop优化算法和第一测试集调优训练后的监督模型；步骤三、建立第二神经网络，初始化第二神经网络，基于强化学习技术，通过第二训练集对第二神经网络训练调参，通过Adam优化算法调优训练后的强化学习模型；步骤四、通过训练优化后的第二神经网络对真实数据集进行资源分配，输出最优的资源分配结果。采用监督学习技术初始化神经网络，再结合强化学习技术，从而有效地提高了资源分配的精准性。

本发明授权一种基于监督学习和强化学习的弹性资源分配方法在权利要求书中公布了：1.一种基于监督学习和强化学习的弹性资源分配方法，其特征在于，包括： 步骤一、基于网络爬虫爬取并处理后的测试数据，划分第一训练集和第一测试集，同时构建第二训练集； 第一部分测试数据作为算子的输入数据，根据算子的数据处理能力和缓存占用量，采用最优分配算法，得到算子的最优并行度，即线程数T，同时，重新计算算子的缓存占用量β，即线程数T和缓存占用量一起作为算法输出，T既是算子资源分配的最优值，也是监督学习的标签； 将算子的每个输入数据和经过最优算法返回的缓存占用量和单个线程的CPU数据处理量还有最优分配线程数组成四元组，再对所有四元组划分为第一训练集和第一测试集； 步骤二、建立第一神经网络，基于监督学习技术，通过第一训练集对第一神经网络进行训练调参，通过RMSprop优化算法和第一测试集调优训练后的监督学习模型； 步骤三、建立第二神经网络，初始化第二神经网络，基于强化学习技术，通过第二训练集对第二神经网络训练调参，通过Adam优化算法调优训练后的强化学习模型； 在每个训练步骤t中，根据算子状态St，即算子的输入数据和缓存占用量，通过第二神经网络，即策略网络，在给定的并行度集合中选择一个并行度，在执行该并行度对应的资源分配后，算子的状态过渡到下一个训练步骤t+1的算子状态st+1，同时，算子收到奖励rt，该奖励值引导第二神经网络选择偏向最优资源分配值的并行度； 基于参数初始化的第二神经网络，进一步结合强化学习技术，将第二训练集里的当前数据、单个线程的CPU数据处理量和前一个数据处理后的缓存占用量作为算子的输入数据，训练和优化第二神经网络，得到接近最优资源分配目标的第二神经网络； 步骤四、通过训练优化后的第二神经网络对真实数据集进行资源分配，输出最优的资源分配结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人长春大学，其通讯地址为：130022 吉林省长春市朝阳区卫星路6543号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。