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！

龙图腾网获悉哈尔滨商业大学申请的专利基于置信上界和自适应学习率改进Q-learning的虚拟机放置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：CN120610778B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202510707916.9，技术领域涉及：G06F9/455；该发明授权基于置信上界和自适应学习率改进Q-learning的虚拟机放置方法是由张必英;黄玉翎;于凤;陈艳平设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本基于置信上界和自适应学习率改进Q-learning的虚拟机放置方法在说明书摘要公布了：本发明公开了基于置信上界和自适应学习率改进Q‑learning的虚拟机放置方法，属于虚拟机放置技术领域。解决了现有技术中传统的虚拟机放置方法的效率较低且具备局限性的问题；本发明包括以下步骤：S1.基于改进影响系数和迁移时间，构建IFMT虚拟机选择算法进行虚拟机选择，得到最适宜迁移的虚拟机；S2.通过置信上界技术和自适应学习率调节，设置状态空间、动作空间以及奖励函数，构建改进Q‑learning的虚拟机放置模型，寻找到最佳的放置主机；S3.采用最佳的放置主机放置最适宜迁移的虚拟机，实现虚拟机整合策略的虚拟机放置。本发明提升了算法收敛速度和灵活性，优化了虚拟机放置决策，可以应用于放置虚拟机设计。

本发明授权基于置信上界和自适应学习率改进Q-learning的虚拟机放置方法在权利要求书中公布了：1.基于置信上界和自适应学习率改进Q-learning的虚拟机放置方法，其特征在于，包括以下步骤： S1.基于改进影响系数和迁移时间，构建IFMT虚拟机选择算法进行虚拟机选择，得到最适宜迁移的虚拟机； S2.通过置信上界技术和自适应学习率调节，设置状态空间、动作空间以及奖励函数，构建改进Q-learning的虚拟机放置模型，寻找到最佳的放置主机； S3.通过改进Q-learning的虚拟机放置模型，采用最佳的放置主机放置最适宜迁移的虚拟机，实现虚拟机整合策略的虚拟机放置； 所述S1中，改进影响系数表示为： 1 2 其中，为过载主机，为过载主机编号，为过载主机的第台虚拟机，表示过载主机和其第台虚拟机的资源使用量之间的皮尔森相关系数，表示过载主机的CPU使用量，表示过载主机的第台虚拟机的CPU使用量，d为资源维度，和分别代表过载主机和其第台虚拟机的各个资源，和分别代表过载主机和其第台虚拟机的各个资源均值； 虚拟机所需要的迁移时间表示为： 3 其中，表示虚拟机当前使用的内存容量，表示过载主机可使用的剩余网络带宽； IFMT虚拟机选择算法表示为： 4 通过IFMT虚拟机选择算法筛选出值最大的虚拟机作为最适宜迁移的虚拟机，同时更新过载主机的资源利用率； 所述S2中，状态空间表示为： 5 6 其中，为所有活跃主机的平均CPU利用率，为过载主机的数量，为欠载主机的数量，为过载主机的总CPU容量，为活跃主机的数量； 动作空间表示为： 7 其中，为可能的主机，为所有可能选择的主机的集合； 奖励函数表示为： 8 9 10 其中，为主机在当前状态空间和动作空间下的能耗，其表示为利用率的线性函数，表示在选择主机后的SLA违约状态，为SLA违约的惩罚系数，表示不满足的情况，为主机最大功耗，为主机在空闲状态下的功耗； 通过置信上界技术，构建Q-learning更新公式和UCB公式，在UCB策略下，构建选择动作的准则公式，即在每个时间步，根据奖励函数评估当前状态动作的效果，更新自适应学习的Q值，完成改进Q-learning的虚拟机放置模型构建； Q-learning更新公式表示为： 11 其中，为学习率，其表示Q值更新的步长，γ为折扣因子，为在下一个状态的最大Q值，其用于更新当前状态空间和动作空间对的Q值，为动作； UCB公式表示为： 12 其中，c为控制探索的系数，为状态空间被访问的总次数，为当前状态空间选择动作的次数； 选择动作的准则公式表示为： 13 自适应学习率调整公式表示为： 14。

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哈尔滨商业大学，其通讯地址为：150028 黑龙江省哈尔滨市松北区学海街1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。