本發明屬于調度算法，具體涉及一種共識調度優化器及優化方法。

背景技術：

1、在調度算法領域，隨著計算機技術的不斷發展和普及，系統規模和復雜性的增加使得任務調度問題變得越來越重要。傳統的調度算法往往基于單一的優化目標，如最小化作業完成時間或最大化系統吞吐量。然而，在實際應用中，往往需要同時考慮多個優化目標和約束條件，這使得調度問題變得更加復雜。因此，研究能夠處理多目標、多約束條件的調度算法成為了一個重要的研究方向。

2、社會選擇和偏好聚合是人工智能和決策支持系統領域的重要分支。在現實生活中，許多決策問題涉及到多個利益相關者或投票者，他們可能對決策結果有不同的偏好和意見。如何有效地聚合這些偏好，生成符合集體利益的決策結果，是一個具有挑戰性的問題。近年來，隨著計算社會選擇理論的發展，研究者們提出了一系列算法和模型，用于處理和分析偏好數據，實現公平、有效的決策。

3、在分布式系統中，多個節點需要協同工作以完成復雜的任務。由于節點之間可能存在通信延遲、數據不一致等問題，如何實現高效的任務調度和資源分配成為了一個關鍵問題。云計算技術的發展使得大規模計算和數據存儲成為可能，但也對任務調度提出了更高的要求。

技術實現思路

1、針對上述在分布式系統中存在通信延遲、數據不一致的技術問題，本發明提供了一種共識調度優化器及優化方法，通過結合計算社會選擇和任務調度算法，實現對多個投票者偏好信息的聚合與任務執行順序的優化。通過明確的功能模塊和邏輯流程，實現高效、公平的任務調度，提升系統整體性能。

2、為了解決上述技術問題，本發明采用的技術方案為：

3、一種共識調度優化器，包括偏好數據收集模塊、偏好聚合模塊、任務調度算法模塊和結果輸出模塊，所述偏好數據收集模塊負責收集來自各個投票者的偏好數據；所述偏好數據收集模塊與偏好聚合模塊連接，所述偏好聚合模塊基于收集到的偏好數據，運用計算社會選擇的算法和模型，對個體偏好進行聚合和分析；所述偏好聚合模塊與任務調度算法模塊，所述任務調度算法模塊根據偏好聚合模塊的輸出，結合任務調度算法，生成優化后的任務調度方案；所述任務調度算法模塊與結果輸出模塊連接，所述結果輸出模塊將任務調度算法模塊生成的調度方案以可視化或文本形式輸出。

4、一種共識調度優化器的優化方法，包括下列步驟：

5、s1、偏好數據收集與預處理，通過偏好數據收集模塊收集偏好數據，并對數據進行預處理；

6、s2、偏好聚合與分析，運用計算社會選擇的算法，對個體偏好進行聚合和排序，根據投票者的權重和一致性要求，計算每個任務的集體偏好得分，生成任務優先級列表；

7、s3、任務調度算法優化，基于任務優先級列表，結合任務調度算法，考慮任務的依賴關系、資源限制和時間約束的因素，通過優化算法尋找最優的任務執行順序；

8、s4、調度方案輸出與展示，將優化后的任務調度方案以可視化圖表或文本報告的形式輸出，展示任務的執行順序、預計完成時間的關鍵信息，用戶可以根據需要進行調整或確認，以便執行調度方案。

9、所述s1中收集偏好數據的方法為：通過用戶界面收集投票者的偏好數據，這些數據可能包括投票選項、投票時間、投票結果的信息，通過api或其他系統接口從其他數據源獲取投票數據。

10、所述s1中對數據進行預處理的方法為：進行數據清洗、格式化和歸一化的操作，以確保數據的準確性和一致性；數據清洗：檢查并刪除重復的數據記錄，以保證數據的唯一性和獨立性；對于缺失的數據，采用插值、刪除或填充的方法進行處理；根據業務邏輯或數據分布校正異常值，確保數據的準確性；去除無意義的字符如停用詞、標點符號等，以提高數據質量；數據格式化：將所有數據轉換為統一的格式，包括標準化日期格式、統一單位；確保數據類型正確，將日期字段轉換為日期時間類型；數據歸一化：將數據縮放到指定范圍，以便于比較和分析，將數據轉換為均值為0、方差為1的標準正態分布。

11、所述s2中偏好聚合與分析的方法為：

12、s2.1、偏好聚合：使用社會選擇理論中的聚合程序來處理這些偏好信息；borda規則通過計算每個選項在所有偏好中的總排名得分來確定其社會偏好排名；

13、s2.2、權重和一致性要求：在聚合過程中，考慮投票者的權重是重要的，權重反映投票者在群體中的影響力或可信度，一致性要求確保聚合結果能夠合理地反映群體的偏好；

14、s2.3、計算集體偏好得分：根據聚合后的偏好信息，計算每個任務的集體偏好得分，通過將所有投票者的偏好分數加權求和來實現；引入動態規劃方法來優化計算過程，以避免指數級復雜度的成本；

15、s2.4、生成任務優先級列表：最后，根據計算出的集體偏好得分，生成任務優先級列表，優先級列表可以按照得分從高到低排列，從而確定哪些任務應該優先執行；結合其他因素如信息代價、群體智慧進行調整，以提高決策的準確性和公平性。

16、所述s3中任務調度算法優化的方法為：

17、s3.1、任務優先級列表的構建：根據任務的重要程度、緊急程度和時間敏感性等因素為每個任務分配一個優先級；使用二元多點插值方法來確定任務的唯一優先級，結合任務的相對截止期和空閑時間；

18、s3.2、任務調度算法的選擇與優化：選擇列表調度算法list?scheduling，該算法通過掃描任務列表并處理第一個可執行的任務來實現；對于異構多核處理器，采用改進的優先級列表任務調度算法，該算法基于異構核性能差異性和依賴任務特征加權優先級進行排序；

19、s3.3、考慮任務依賴關系：在任務調度過程中，通過計算每個任務的出度、通信成本和計算平均成本來確定任務的優先級；使用拓撲遍歷方法來保證任務間的時序關系，并采用關鍵路徑任務優先、向后影響度大以及最小空閑時間等優先規則進行任務調度及資源分配；

20、s3.4、資源限制的處理：在資源受限的情況下，使用啟發式方法來找到可調度的實現，確保應用的約束得到保證；利用并行蟻群優化aco算法在混合整數規劃mip中進行資源約束下的任務排序，以高效地獲取資源和優先級可行的解決方案；

21、s3.5、時間約束的管理：在任務調度中，需要考慮任務的截止日期和期望發射時間，以最小化任務執行時間的偏移率；使用信念網絡belief?networks來優化任務調度；

22、s3.6、優化算法的應用：使用回溯法結合剪枝策略來尋找最優調度方案，通過遞歸遍歷所有可能的調度方案并利用貪心算法得到次優解；引入啟發式方法，啟發式方法包括heft算法和cpop算法，通過計算任務節點的平均計算成本、通信成本和關鍵路徑長度來優化處理器選擇；

23、s3.7、實時系統的調度：在實時操作系統中，實現任務優先級自動調度算法，確保高優先級任務的優先執行；使用強化學習方法來提高時間利用率和產出，通過仿真模型、馬爾可夫決策過程和策略網絡來優化并行任務實時調度。

24、所述s4中調度方案輸出與展示的方法為：

25、s4.1、可視化界面設計：使用圖形化界面展示任務的執行順序和預計完成時間，圖形化界面包括甘特圖、網絡圖、列表或折線圖等形式，以直觀地展示任務的開始和結束日期、里程碑以及活動之間的依賴關系；

26、s4.2、報表生成與數據分析：提供報表生成工具，用戶可以通過報表了解任務的執行效率和資源的利用率，以便進行優化和改進；支持多種數據源接入，提供數據分析工具，幫助用戶深入理解調度方案的效果。

27、本發明與現有技術相比，具有的有益效果是：

28、1、相較于傳統的調度方法，本發明采用了計算社會選擇和任務調度算法相結合的方式，能夠更精確地捕捉和分析投票者的偏好信息，從而生成更符合集體利益的調度方案。這種智能化的調度方式能夠大幅度減少人工干預和主觀判斷，提高了調度的效率和準確性。

29、2、本發明通過公開、透明的偏好聚合和調度計算過程，共識調度優化器能夠確保每個投票者的意見都得到充分考慮，有效避免了人為干預和偏見，增強了調度的公平性和透明度。這種公平性和透明度的提升有助于建立信任，減少沖突，促進合作和共識的達成。

30、3、本發明的共識調度優化器通過綜合考慮任務的優先級、依賴關系、資源限制等因素，能夠生成最優的任務調度方案。這種方案能夠優化資源分配，減少資源浪費和沖突，提高系統的整體性能和穩定性。同時，通過合理的任務安排，還能夠降低系統的運行成本和維護成本。