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！

龙图腾网获悉赖汝珍申请的专利基于深度学习和大数据的云计算系统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：CN115495222B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202211337531.0，技术领域涉及：G06F9/48；该发明授权基于深度学习和大数据的云计算系统是由赖汝珍设计研发完成，并于2022-10-28向国家知识产权局提交的专利申请。

本基于深度学习和大数据的云计算系统在说明书摘要公布了：本发明公开了基于深度学习和大数据的云计算系统，涉及云平台任务调度技术领域，设置任务收集模块收集云平台接收到的任务数据并将任务根据使用的处理器进行分类；设置云平台数据收集模块预先收集云平台的数据存储空间、CPU计算算力以及GPU计算算力；设置历史数据收集模块收集云平台历史的任务处理数据；设置深度强化学习模型训练模块根据云平台的历史的任务处理数据训练出可对任务选择进行决策的深度强化学习模型；设置任务调度模块使用训练完成的深度强化学习模型云平台的任务选择决策；解决了云平台任务智能调度的问题。

本发明授权基于深度学习和大数据的云计算系统在权利要求书中公布了：1.基于深度学习和大数据的云计算系统，其特征在于，包括任务收集模块、云平台数据收集模块、历史数据收集模块、深度强化学习模型训练模块以及任务调度模块；其中，各个模块之间通过电气方式连接； 所述任务收集模块用于收集云平台接收到的任务数据并将任务进行分类；所述任务收集模块将收集的任务集合C和任务集合G中的任务发送至任务调度模块； 所述云平台数据收集模块用于预先收集云平台的基础数据；所述云平台数据收集模块将收集的云平台基础数据发送至深度强化学习模型训练模块； 所述历史数据收集模块用于收集云平台历史的任务处理数据；所述历史数据收集模块预先收集的任务处理数据包括历史上云平台接收到的数据处理任务信息以及云平台信息；所述历史数据收集模块将收集的云平台历史任务处理数据发送至深度强化学习模型训练模块； 所述深度强化学习模型训练模块用于训练出从任务集合中选择最优数据处理任务进行处理的深度强化学习模型；所述深度强化学习模型训练模块将训练完成的深度强化学习模型M发送至任务调度模块； 所述任务调度模块使用深度强化学习模型M从任务集合中选择最优的若干任务进行处理； 所述任务收集模块将所有任务分为两类；具体的，将使用CPU运算的任务标记为C类；将使用GPU运算的任务标记为G类；进一步的，将所有C类任务保存在任务集合C中；将所有G类任务保存在任务集合G中；任务集合C中的任务标记为c，任务集合G中的任务标记为g；对于任务c，将其所需要的存储空间标记为Mc；需要的算力大小标记为Cc；将其处理时长标记为Tc；对于任务g，将其所需要的存储空间标记为Mg；需要的算力大小标记为Cg；将其处理时长标记为Tg； 所述云平台数据收集模块预先收集的基础数据包括：云平台的存储空间上限、CPU单位时间运算算力上限以及GPU单位时间运算算力上限；将云平台的存储空间上限标记为Mmax；将CPU单位时间运算算力标记为Cmax；将GPU单位时间运算算力标记为Gmax； 所述深度强化学习模型训练模块以最大化奖励和惩罚的差值为训练目标，使用历史数据收集模块发送的历史任务数据进行深度强化学习模型的训练；并将训练完成的深度强化学习模型标记为M； 所述深度强化学习模型训练模块每次决策所产生的奖励包括选择的数据处理任务的数量以及选择的数据处理任务的总等待时长；将选择的数据处理任务集合标记为S；任务集合中任务的数量标记N；任务集合S中每个任务c或g的等待时长即为当前时间减去其到达云平台的时间；将任务c和g的等待时长分别标记为Wc以及Wg；则任务集合S中的所有任务的总等待时长W即为；则奖励函数J表示为J=a*N+b*W；其中，a和b分别为预设的奖励系数； 所述深度强化学习模型训练模块每次决策所产生的惩罚包括：任务集合S中的任务总需求存储空间超出云平台剩余存储空间Rm时的惩罚、总的CPU算力需求超出云平台剩余CPU单位时间算力Rc时的惩罚、总的GPU算力需求超出云平台剩余GPU单位时间算力Rg时的惩罚、剩余的任务需要等待的总时长以及剩余任务的平均体量大小；其中，将所述剩余任务的平均体量标记为V；则平均体量V的计算公式为；其中，o和k均为预设的比例系数。

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赖汝珍，其通讯地址为：517139 广东省河源市连平县忠信镇司前村委会伍队屋；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。