本發(fā)明屬于智能交互與資源調(diào)度，具體涉及一種電腦一體機的協(xié)同交互智能訪問方法。

背景技術(shù)：

1、隨著電腦一體機在企業(yè)辦公、教育培訓(xùn)、遠程協(xié)作等場景中的廣泛應(yīng)用，用戶對系統(tǒng)交互響應(yīng)速度和資源調(diào)度能力提出了更高要求。當前，一體機在同時運行多個復(fù)雜任務(wù)或在多人訪問環(huán)境下，往往存在資源管理粗放、設(shè)備響應(yīng)緩慢、任務(wù)延遲和資源浪費等問題。傳統(tǒng)資源調(diào)度方案通常采用固定規(guī)則或簡單加權(quán)算法，這些方法依賴預(yù)設(shè)參數(shù)和靜態(tài)閾值，難以實時適應(yīng)任務(wù)計算需求和系統(tǒng)負載的動態(tài)變化，導(dǎo)致關(guān)鍵任務(wù)無法及時獲得足夠計算資源，而部分任務(wù)可能占用過多資源，從而降低了系統(tǒng)整體性能和穩(wěn)定性。

2、此外，現(xiàn)有調(diào)度方法往往忽視任務(wù)執(zhí)行反饋和歷史數(shù)據(jù)的作用，缺乏智能化、數(shù)據(jù)驅(qū)動的決策機制，導(dǎo)致在高并發(fā)訪問和多任務(wù)處理情況下，系統(tǒng)容易出現(xiàn)資源競爭激烈、負載分布不均和響應(yīng)延遲增加等現(xiàn)象，嚴重制約了資源利用率和任務(wù)執(zhí)行效率。

技術(shù)實現(xiàn)思路

1、本發(fā)明提供一種電腦一體機的協(xié)同交互智能訪問方法，解決相關(guān)技術(shù)中無法實時響應(yīng)任務(wù)動態(tài)需求和系統(tǒng)負載變化的技術(shù)問題。

2、本發(fā)明提供了一種電腦一體機的協(xié)同交互智能訪問方法，包括以下步驟：

3、s101，獲取當前運行任務(wù)的任務(wù)特性信息、用戶行為數(shù)據(jù)、設(shè)備性能參數(shù)和系統(tǒng)狀態(tài)數(shù)據(jù)，并通過第一特征數(shù)據(jù)表示；

4、s102，基于第一特征數(shù)據(jù)，通過多任務(wù)動態(tài)博弈模型計算運行任務(wù)的優(yōu)先級評分，其中，所述多任務(wù)動態(tài)博弈模型通過以下方式構(gòu)建：

5、根據(jù)用戶行為數(shù)據(jù)動態(tài)調(diào)整運行任務(wù)的競價策略權(quán)重；

6、基于系統(tǒng)狀態(tài)數(shù)據(jù)構(gòu)建博弈約束條件；

7、s103，根據(jù)運行任務(wù)的優(yōu)先級評分，調(diào)用預(yù)設(shè)的資源分配規(guī)則庫，并結(jié)合設(shè)備性能參數(shù)，生成與運行任務(wù)匹配的資源容器；

8、s104，基于強化學(xué)習策略，對資源容器的分配進行優(yōu)化調(diào)整，并使用糾偏算法進行自動補償，生成資源分配方案；

9、s105，將資源分配方案分發(fā)至目標執(zhí)行模塊，所述目標執(zhí)行模塊包括任務(wù)處理引擎和并發(fā)沖突協(xié)調(diào)器，任務(wù)處理引擎用于執(zhí)行資源分配方案，并發(fā)沖突協(xié)調(diào)器用于在多個運行任務(wù)競爭相同資源時，基于優(yōu)先級評分進行資源裁決與動態(tài)調(diào)度。

10、進一步地，任務(wù)特性信息包括：任務(wù)類型、cpu占用率、內(nèi)存使用量和網(wǎng)絡(luò)帶寬占用量，用戶行為數(shù)據(jù)包括：交互頻率、訪問持續(xù)時間和鍵盤輸入速率，設(shè)備性能參數(shù)包括：cpu核心數(shù)、總內(nèi)存容量和網(wǎng)絡(luò)最大帶寬，系統(tǒng)狀態(tài)數(shù)據(jù)包括：cpu總占用率、內(nèi)存總占用率和gpu總占用率。

11、進一步地，基于第一特征數(shù)據(jù)，通過多任務(wù)動態(tài)博弈模型計算運行任務(wù)的優(yōu)先級評分，具體步驟包括：

12、s201，基于cpu占用率、內(nèi)存使用量、交互頻率、訪問持續(xù)時間通過加權(quán)方式計算運行任務(wù)的初始競價值，其中，初始競價值為博弈的起點，使運行任務(wù)的競價策略在開始階段具備合理的初始值；

13、s202，基于運行任務(wù)的初始競價值，構(gòu)建任務(wù)效用函數(shù)，其中，任務(wù)效用函數(shù)為：，表示運行任務(wù)i在博弈過程中的效用值，i表示運行任務(wù)的索引，表示運行任務(wù)i完成的計算量，表示運行任務(wù)i的執(zhí)行時間，表示計算效率權(quán)重系數(shù)，表示運行任務(wù)i申請的資源，表示運行任務(wù)i實際獲得的資源，表示資源誤配懲罰權(quán)重系數(shù)，表示任務(wù)延遲衰減系數(shù)，取值范圍為0到1，表示運行任務(wù)i的調(diào)度延遲時間，e表示自然常數(shù)，表示延遲影響系數(shù)，表示運行任務(wù)i的初始競價值，表示運行任務(wù)i的當前競價值，表示初始競價修正系數(shù)；

14、s203，在運行任務(wù)競價博弈過程中，采用動態(tài)均衡求解方法，使運行任務(wù)的競價逐步收斂至nash均衡，其中，運行任務(wù)競價調(diào)整受運行任務(wù)的初始競價值的約束，動態(tài)均衡求解方法的計算公式為：，其中，表示運行任務(wù)i在第k+1輪的競價值，表示運行任務(wù)i的最大效用值，表示第一調(diào)節(jié)系數(shù)，表示運行任務(wù)i在第k輪的競價值；

15、s204，通過nash均衡求解的結(jié)果確定運行任務(wù)的最終競價值，并通過歸一化得到優(yōu)先級評分。

16、進一步地，所述資源分配規(guī)則庫的調(diào)用過程包括：

17、s301，根據(jù)任務(wù)類型匹配基礎(chǔ)分配規(guī)則，其中，基礎(chǔ)分配規(guī)則定義cpu核心數(shù)、內(nèi)存容量、網(wǎng)絡(luò)帶寬的初始分配比例；

18、s302，基于設(shè)備性能參數(shù)中的實時可用資源剩余量，對初始分配比例進行動態(tài)調(diào)整。

19、進一步地，生成與運行任務(wù)匹配的資源容器具體包括：

20、401，采用分段差異化策略，將優(yōu)先級評分轉(zhuǎn)換為資源權(quán)重值，分段差異化策略包括：

21、當優(yōu)先級評分未超過第一預(yù)設(shè)閾值時，資源權(quán)重值按評分值的第一預(yù)設(shè)比例線性計算；

22、當優(yōu)先級評分超過第一預(yù)設(shè)閾值時，對超出部分采用第二預(yù)設(shè)比例計算，形成權(quán)重值的階梯式增長，使高優(yōu)先級任務(wù)獲得非線性資源增益；

23、402，采用三重約束機制，根據(jù)資源權(quán)重值確定實際資源分配量，其中，三重約束機制包括：硬件容量約束、系統(tǒng)負載約束和行為響應(yīng)約束。

24、進一步地，基于強化學(xué)習策略，通過構(gòu)建資源分配狀態(tài)空間、動作空間和獎勵函數(shù)，在運行任務(wù)執(zhí)行前優(yōu)化資源容器的分配方案；

25、其中，所述資源分配狀態(tài)空間包括運行任務(wù)的計算需求、設(shè)備可用資源狀態(tài)和任務(wù)執(zhí)行反饋信息，所述動作空間包括調(diào)整cpu核心數(shù)、內(nèi)存容量和網(wǎng)絡(luò)帶寬的資源分配操作，所述獎勵函數(shù)結(jié)合任務(wù)執(zhí)行效率、資源利用率、系統(tǒng)負載平衡度及用戶交互響應(yīng)進行動態(tài)調(diào)整；

26、其中，獎勵函數(shù)的計算公式為：，、和分別表示效率權(quán)重系數(shù)、資源均衡權(quán)重系數(shù)和交互體驗權(quán)重系數(shù)。

27、進一步地，基于糾偏算法，在運行任務(wù)執(zhí)行過程中實時監(jiān)測以下復(fù)合指標：

28、資源占用率和分配上限的比值；

29、計算任務(wù)實際執(zhí)行效率與預(yù)期執(zhí)行效率的比值得到的任務(wù)執(zhí)行效率偏差；

30、用戶鍵盤輸入速率和交互頻率融合計算得到的用戶交互響應(yīng)衰減率；

31、當上述任一指標超出預(yù)設(shè)動態(tài)閾值時，觸發(fā)資源補償機制。

32、進一步地，所述任務(wù)處理引擎在執(zhí)行資源分配方案前，對運行任務(wù)的資源申請進行計算能力、存儲能力和網(wǎng)絡(luò)負載狀態(tài)的安全性驗證，并在系統(tǒng)資源受限時動態(tài)調(diào)整資源分配方案。

33、進一步地，所述并發(fā)沖突協(xié)調(diào)器在多個運行任務(wù)競爭相同資源時，基于資源類型執(zhí)行不同的資源裁決邏輯，其中，資源類型包括獨占型資源與共享型資源，資源裁決邏輯包括：當競爭資源為獨占型資源時，將資源分配給優(yōu)先級評分最高的運行任務(wù)；當競爭資源為共享型資源時，基于任務(wù)優(yōu)先級評分按比例分配資源。

34、本發(fā)明的有益效果在于：本發(fā)明通過博弈論計算任務(wù)優(yōu)先級評分，使任務(wù)競價策略在動態(tài)博弈過程中優(yōu)化資源獲取，確保高計算需求任務(wù)優(yōu)先執(zhí)行。同時，基于強化學(xué)習優(yōu)化資源容器的分配，并結(jié)合糾偏算法進行實時調(diào)整，使系統(tǒng)能夠適應(yīng)不同任務(wù)類型和系統(tǒng)負載變化，動態(tài)優(yōu)化資源分配方案。相比傳統(tǒng)固定規(guī)則調(diào)度方式，本發(fā)明實現(xiàn)了資源管理的智能化，使任務(wù)能夠根據(jù)實時計算需求靈活調(diào)整資源分配，提高整體計算效率和系統(tǒng)吞吐量。