科创中国

本发明解决的技术问题是，现有技术中，建立云服务组合的优化模型与对应的服务资源调度模型及算法大多都是被独立考虑的，并且在调度云服务资源的过程中并未考虑保证服务请求执行质量的这一前提，而现有的云服务大多是以web服务与制造云服务作为其表现形式的，当云服务是这两种表现形式时，云服务管理平台同时处理批量服务请求的情况会很多，所以云服务平台常面对的问题是：如何在保证服务组合质量的前提下，采用高效的方案调度云服务以满足服务请求的多功能需求。为了解决这一问题，需要将两个阶段综合起来考虑，但现有技术对这一方面的研究还较少，另外，作为云服务的一种表现形式的制造云服务由于开展的时间并不长，所以在这两个阶段的研究也并不多的问题，进而提供了一种优化的针对批量云服务请求的两阶段组合与调度方法。

本发明涉及一种针对批量云服务请求的两阶段组合与调度方法，首先基于QoS最优云服务组合路径的选取问题建立方案与模型，提出云服务与云服务组合的描述方式以及服务质量QoS的评价标准，其次面向批量服务请求的调度问题建立策略与模型，构建对应的数学模型，最后基于上述提出的两阶段的云服务组合与调度进行优化。本发明通过分别提出基于QoS最优云服务组合路径的选取问题的方案与模型，以及提出面向批量服务请求的调度问题的策略与模型，在此基础上给出了基于两阶段的云服务组合与调度的优化实现，能够在保证云服务请求执行质量的前提下对云服务资源调度达到全局最优，有效地解决了二者统一的问题，实用性强，执行效率高。

云计算服务领域

大数据处理：在处理海量数据的云计算平台上，会同时接收大量的数据处理请求。两阶段组合与调度方法可以根据请求的类型（如数据存储、数据分析、数据挖掘等）和优先级，在第一阶段进行合理的组合，在第二阶段进行高效的调度。例如，对于电商平台的大数据分析请求和用户数据存储请求，能够优化资源分配，提高云平台的整体处理效率，缩短数据处理时间。

多用户服务：云服务提供商通常要面对众多不同需求的用户。该方法可以有效管理用户的批量请求，根据用户的服务级别协议（SLA）和资源使用情况，合理安排计算资源和存储资源。这有助于提高用户满意度，特别是对于那些对响应时间和服务质量要求较高的企业级用户。

人工智能与机器学习领域

模型训练：在人工智能模型训练过程中，需要大量的计算资源来处理数据和训练模型。通过这种调度方法，可以更好地分配资源给不同的训练任务，如深度学习模型的参数优化、图像识别模型的训练等。可以加速模型的训练过程，提高模型的准确性，推动人工智能技术的快速发展。

浙江工业大学是东部沿海地区第一所省部共建高校、首批国家“高等学校创新能力提升计划”（2011计划）协同创新中心牵头高校和浙江省首批重点建设高校，坐落于中国历史文化名城、风景旅游胜地杭州。学校坚持立德树人根本任务，以拔尖创新人才为引领、高级应用型人才为主体、复合型人才为特色，大力培养德智体美劳全面发展，富有家国情怀、国际视野、创新精神和实践能力的行业精英和领军人才。

本发明的优点如下：

(1)功能单一云服务已经很难满足互联网用户提出的多需求复合型的服务请求，在此背景下，本发明根据常见的QoS属性，在此基础上进行规约，然后提出基于QoS的云服务组合选择算法；

(2)实用性强，执行效率高，由于互联网用户的极速增长，用户提出云服务请求的数目也大幅度增长，对于云服务平台而言，处理批量云服务请求的情况越来越多，在有限的云服务资源下，本发明建立了在面向批量服务请求的云服务调度优化模型，该调度模型在减少云服务请求整体执行的总时间的同时，通过使用第一阶段为各个服务请求选择出的最优服务组合，来保证服务请求的执行质量；

(3)本发明提出的两阶段优化模型本质上是多目标优化问题，而人工智能演化算法常被用于解决多目标优化问题，展望了解决两阶段问题的新思路。

技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。