CN119420658A 一种互联网资源的管理方法及系统 （智唐科技(北京)股份有限公司）

本发明公开了一种互联网资源的管理方法自适应熵权混合优化算法，以获得资源分配方权混合优化算法，以实现动态调整资源分配策熵权混合优化算法的构建与资源分配方案的生2接收互联网的资源数据指标，并对所述资源数据指标进行标准通过数字孪生技术对所述资源分配方案进行实时仿真并获得仿真结获取互联网资源的状态预测，并将所述状态预测输入优化后i个资源指标的初始熵权，"是资源指标的总数；监控网络的变化趋势，并根据反馈的变化数据动态计算资源的熵,其中，W(t)为第i个资源指标在时刻t的动态熵权，W(t-1)为第i个资源指标在上一个时刻的熵权，si(t)为第i个资源指标在时刻t的反馈i个资源指标在时刻t的动态熵权，为第i个资源指标在时刻t的资源需求；3根据仿真结果对自适应熵权混合优化算法的参si(t+1)=f(si(t),si(t-1),..,si(t-n),p),其中，si(t+1)为目标预测状态，si(t),S:(t-1)，…,si(t-n)为第i个资源指标在时刻t，t-1，...，将计算出的资源状态预测输入优化后的自适应熵权混合优化算法A;(t+1)=ws(t)·si(t+1)·R;(t)，其中，A;(t+1)为第i个资源指标在时刻t+1的资源分配量，W(t)为第i个资源指标在时刻t的动态熵权，si(t+1)为第i个资源指标的资源状态预测值，Ri(t)为第i个资源指标在时刻t的资源需求；RA(t+1)={A1(t+1),A2(t+1),.,A(t+1)},其中，A:(t+1)为第i个资源指标数据处理模块，用于接收互联网的资源数据指标，并对所述资资源分配模块，用于基于所述动态熵权构建自适应熵权混仿真优化模块，用于通过数字孪生技术对所述资源分配方案进行实动态分配模块，用于获取互联网资源的状态预测，并将机程序被处理器执行时实现上述权利要求1_6任一项9.一种电子设备，包括存储器、处理器及存储在机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1_6任一项所述的方45效管理和分配互联网资源成为重要的研究方向。互联网资源管理涉及多种数据指标的采配策略缺乏实时性和灵活性。传统的资源指标权重计算方法通常基于固定权值或经验权于所述仿真结果优化所述自适应熵权混合优化算法的参数；获取互联网资源的状态预测，6[0005]可选地，所述基于所述资源数据指标矩阵计算各资源指标的动态熵权的方法包i个资源指标在时刻t的动态熵权，W(t-1)为第i个资源指标在上一个时刻的熵权，si(t)为第i个资源指标在时刻t的反为第i个资源指标在时刻t的资源需求；基于计算出的适应度进行资源分配的遗传算法迭si(t+1)=f(si(t),si(t-1),..,si(t-n),p),其中，si(t+1)为目标预测状态，si(t),S:(t-1)，…,si(t-n)为第i个资源指标在时刻t，t-1混合优化算法，并结合当前的动态熵权w(t)和当前资源需求Ri(t)进行动态计算，并输出资A;(t+1)=w(t)·s:(t+1)·R(t)，其中，A;(t+1)为第i个资源指标在时刻t+1的资源分配量，W(t)为第i个资源指标在时刻t的动态熵权，si(t+1)为第i个资源指标的资源状态预测值，Ri(t)为第i个资源指标在时刻t的资源需求；7RA(t+1)={A1(t+1),A2(t+1),.,A(t+1),其中，A:(t+1)为第i个资源[0010]本发明进一步公开了一种计算机可读存储介质，所述存储介质存储有计算机程8位置关系。这些术语主要是为了更好地描述本申请及其实施方式，并非用于限定所指示的1si≤m，1≤j≤n。[0022]使用最大最小归一化和Z_score标准化将原始数据集转化为无量纲的标准化值并值，min(xj)为第j个资源指标的最小值，max(9,其中，第个样本的第个资源指标值的标准化值，i个资源指标的初始熵权，"是资源指标的总数；i个资源指标在时刻t的动态熵权，W(t-1)为第i个资源指标在上一个时刻的熵权，si(t)为第i个资源指标在时刻t的反总量R、每个任务在当前时刻t的资源需求Ri(t)以及资源需求对应的资源指标在时刻t时的动态熵权w(t)。si(t)=pix1sj(t),其中，m为资源样本总数,pi为当前资源需求优先级。为第i个资源指标在时刻t的资源需求；基于计算出的适应度进行资源分配的遗传算法迭代优化，最终输出资源分配方基于数字孪生技术构建网络资源的虚拟模型，以实时反应资源的使用和分配情si(t+1)=f(si(t),si(t-1),..,si(t-n),p),其中，si(t+1)为目标预测状态，si(t),S:(t-1)，…,si(t-n)为第i个资源指标在时刻t，t-1A;(t+1)=w(t)·s:(t+1)·R(t)，其中，A;(t+1)为第i个资源指标在时刻t+1的资源分配量，W(t)为第i个资源指标在时刻t的动态熵权，si(t+1)为第i个资源指标的资源状态预测值，Ri(t)为第i个资源指标在时刻t的资源需求；RA(t+1)={A1(t+1),A2(t+1),.,A(t+1),其中，A:(t+1)为第i个资源指标在时刻t+1的资源分配量，1sisn,n为资源指标总数。[0043]熵权计算模块22，用于基于所述资源数据指标矩阵计算各资i个资源指标在时刻t的动态熵权，W(t-1)为第i个资源指标在上一个时刻的熵权，si(t)为第i个资源指标在时刻t的反为第i个资源指标在时刻t的资源需求；基于计算出的适应度进行资源分配的遗传算法迭代优化，最终输出资源分配方si(t+1)=f(si(t),si(t-1),..,si(t-n),p),其中，si(t+1)为目标预测状态，si(t),S:(t-1)，…,si(t-n)为第i个资源指标在时刻t，t-1A;(t+1)=w(t)·s:(t+1)·R(t)，其中，A;(t+1)为第i个资源指标在时刻t+1的资源分配量，W(t)为第i个资源指标在时刻t的动态熵权，si(t+1)为第i个资源指标的资源状态预测值，Ri(t)为第i个资源指标在时刻t的资源需求；RA(t+1)={A1(t+1),A2(t+1),.,A(t+1),其中，A:(