一种智能药盒系统及工作方法与流程

1.本发明提出了一种智能药盒，具体是一种智能药盒系统及工作方法，属于智能药盒领域。


背景技术：

2.近年来我国老龄化进程逐渐加快，产生的一系列老年人社会问题需要引起关注，对于老年人的身体健康保障越来越受到重视。上了年纪的老年人由于记忆力衰退以及身体机能的下降，不能很好的应对于每天的正常生活，慢性病也越来越多。许多老年人需要经常服用药物来缓解病情，所以辅助性医学工具也出现在市面上。在国家卫生局发布的报告中可以看到患有糖尿病、高血压、高血脂、心血栓等慢性疾病的人越来越多，随着年纪的增加，患病的比例也在同步增加，平均两个人中就有一个人患有慢性病，老年人需要长期服用对应的药物去治疗慢性疾病。年纪大的老年人出现记忆力衰退等问题会导致忘记吃药，使治愈效果变差，身体健康状况受到影响导致并发症的出现。因此针对解决这一问题，各种各样的辅助性智能药盒逐渐被发明出来。但现存的智能药盒仍存在很多问题，如储存的药物类型过于单一，吃药提醒功能过于简单，相当一部分老年人不能方便的使用。在这种产品背景下，设计出一款更加智能更加高效的药盒系统是必不可缺的。由于慢性病的高发病率，智能药盒具有必须及时提醒的功能，且利用物联网记录老年人的吃药习惯并推荐反馈意见，达到体验最佳化。有针对性的记录每一个老年人信息的同时更好的提高医疗效果，减少医护人员跟踪治疗的压力。
3.同时现有技术中，在进行任务调度时多采用云计算进行任务调度，云计算提供商提供的云计算服务要使得自己能够收益的同时，保证产品的性价比，用户在使用时，高性价比给商家带来正向反馈，促使云计算正向持续发展。 云计算提供商要提供高质量的云计算服务，用户对于云计算带来的虚拟网路服务，使用qos 评价其质量，因此用户的使用满意程度应在云计算研究考虑范围之内。只有同时具备优良的服务质量和短时间完成任务的特点，才能更大限度的利用好资源，更好地服务用户。再者需要实现云计算的负载均衡，随着资源使用的大量增加，云计算负载易出现失衡的现象，一旦失衡，必然影响整个系统的功能，因此，对研究云计算负载均衡也是必需的。


技术实现要素：

4.发明目的：提出一种智能药盒系统及工作方法，以解决现有技术存在的上述问题。
5.技术方案：一种智能药盒系统及工作方法，包括：主控模块，用于将对信息进行实时的播报和处理；电源模块，用于为智能药盒提供电力支持；天线模块，用于与其他设备进行建立通讯连接；开关模块，用于进行打开与关闭智能药盒；存储模块，用于存储智能药盒的工作数据；
gprs模块，用于进行智能药盒与服务器进行通讯；语音模块，用于进行播报，提醒用户按时吃药震动模块，用于当用户遇到危险时，进行求救。
6.优选的，震动模块包括重力传感器，所述重力传感器的sda、scl分别为数据线和时钟线，双向二线制总线与蓝牙模块进行串行通信；当药盒收到外力时，重力传感器会向蓝牙模块发出一个信号，使药盒从睡眠状态中恢复工作状态，并于手机建立通讯；同时重力传感器在坐标轴上设置了阈值，当携带药盒的用户发生意外摔倒后，传感器在坐标轴方向的值会发生变化超出设置的阈值，此时传感器会输出一个信号到蓝牙模块，收到该信号后，蓝牙模块会将情况利用 gprs上传，这样就可以及时得到救助。
7.优选的，开关模块包括的霍尔开关，所述霍尔开关输出的电平状态与药盒的开合状态相关，当关闭时，由于霍尔开关与磁铁处于吸合状态，霍尔开关会有低电平输出；相反，当药盒打开时，就是输出高电平，该电平信号会使主控芯片进行计时；若计时大于10s，则为开盒吃药；若计时小于10s，则为误操作，不进行记录。
8.优选的，电源模块还包括充电电路：用于当电池使用到电压为最大值时，设备会自动停止运行，充电时当电池电压到预设电压值时，即为充电完成，从而结束充电；反向电流保护电路，用于为避免电源反接等误操作损坏硬件设备，利用稳压器起反向电流保护的作用，当电源接反时，充电模块不工作，保证只有在电源正确连接时才能充电。
9.一种智能药盒的工作方法，包括：进行数据的采集；云服务器进行数据的处理；便捷智能化处理。
10.优选的，先进行数据的采集：是智能药盒会将用户的服药情况进行记录并将信息上传到云服务器，这些信息数据将会被进行存储、分析等，来判断用户的服药状态以及此时的情况。
11.优选的，云服务器进行数据的处理：是当服务器收到上传的数据后，会对数据进行存储、分析等，并对此时用户的状态做出合理的判断，如遇上意外情况，服务器会及时发送信息到指定联系人的手机上进行在线提醒。
12.优选的，便捷智能化；是将共享的可靠的网络服务，与物联网监控系统相结合，可以基于网页运行的应用程序，便可以实现随时随地查询装置状况，另外传感器接收到的数据图像化，发送给用户，也可以观察用户自己的身体状况；另外除了能在计算机中开发应用程序，也可以在手机上开发应用程序，方便了用户。
13.优选的，便捷智能化处理包括：云计算任务调度方法；所述云计算任务调度具体步骤如下：提交任务；进行任务数据分解；任务调度器接收到子任务后，任务调度器会自动检查虚拟资源的数量，然后将虚拟资源和子任务结合起来处理。
14.优选的，任务调度器接收到子任务后，会根据粒子算法中加入惯性权重加入随机粒子个体，降低粒子群全部出现在最优粒子周围的情况和加入随机粒子个体，降低粒子群全部出现在最优粒子周围的情况。。
15.有益效果：本发明智能药盒适用于健忘的老年人以及工作繁忙的人，其最主要的功能就是提醒用户按时服药。该药盒小巧便携，并且开发了语音提醒等智能化服务，每次的服药情况包括正常服药、少服、超时服药等都会被记录并上传，以便下次做到更为人性化的服务；同时本发明在进行云计算任务调度，采用粒子群算法，同时加入惯性权重防止调度时出现的局部收敛，更好的减少云计算调度的服务时间，解决了寻找最优解的困难；在改变惯性权重的基础上加入随机粒子个体，降低粒子群全部出现在最优粒子周围的情况。
附图说明
16.图1为本发明的智能药盒示意图。
17.图2为本发明的智能药盒系统主控模块电路图。
18.图3为本发明的智能药盒系统充电电路和反向电流保护电路示意图。
19.图4为本发明的智能药盒系统gprs模块电路图。
20.图5为本发明的智能药盒系统震动模块电路图。
21.图6为本发明的智能药盒系统音频解码电路图。
22.图7为本发明的智能药盒系统提示灯电路图。
23.图8为本发明的智能药盒系统开关模块电路图。
24.图9为本发明的智能药盒系统工作示意图。
25.图10为本发明的智能药盒系统功能实现示意图。
26.图11为本发明的云计算任务框架图。
27.图12为本发明的云计算系统体系结构图。
28.图13为本发明的云计算任务调度流程图。
29.图14为本发明的ldw策略下的惯性权重和种群进化代数的关系曲线图。
30.图15为本发明的增加常数扰动的ldw策略下的惯性权重和种群进化代数的关系曲线图。
具体实施方式
31.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
32.在一个实施例中，如图1所示，我们提出了一种智能药盒，包括；主控模块，用于将对信息进行实时的播报和处理；电源模块，用于为智能药盒提供电力支持；天线模块，用于与其他设备进行建立通讯连接；开关模块，用于进行打开与关闭智能药盒；存储模块，用于存储智能药盒的工作数据；gprs模块，用于进行智能药盒与服务器进行通讯；
语音模块，用于进行播报，提醒用户按时吃药震动模块，用于提醒用户。
33.在一个实施例中，智能药盒由电池供电，供电电压为 4.2v，且电池可反复充电，智能药盒使用的天线为2.4ghz，能够确保蓝牙在频率为 2402
‑
2480mhz的信道里通讯， 且同时可维持 39个信道的正常工作；同时本智能药盒在蓝牙模块的周围还设置了π型匹配电路；具体的，电路图如图2所示；主控模块有功耗低、体积小的优点，能够大大增加设备的可移动性，延长了产品的使用寿命，另外计算能力强提高了设备的实时性。从图中可以看出，芯片引脚22与陶瓷天线相连，这样能使信号的强度增加，同时延长通讯距离。 同时加入电容与电感 的π型电路，能够进行滤波。
34.在一个实施例中，本智能药盒的电源模块可以使电池反复进行充电供电，如图3所示。当电池使用到电压为 3.2v 时，设备会自动停止运行，充电时的充电电压为5v，当电池电压到4.2v时，即为充电完成，此时结束充电。为避免电源反接等误操作损坏硬件设备，电路集成了稳压器，这样就可以起反向电流保护的作用，当电源接反时，充电模块不工作，保证只有在电源正确连接时才能充电。
35.在一个实施例中，如图4所示gprs模块该模块的作用是帮助智能药盒与服务器进行通讯，包括数据与操作信号的收发；另外能够存储用户在使用药盒时的服药次数、间隔时 间等数据并上传服务器，之后便能在服务器上直接对服药次数、间隔时间等进行设置同时将修 改后的新数据在线发送到药盒，药盒便会根据新的设置进行工作；这里的通信协议采用 urat 协议。
36.在一个实施例中，震动模块采用重力传感器，接口通信协议采用的是i2c协议，该协议由两根线组成，如图5所示，图中的 sda、scl分别为数据线和时钟线，双向二线制总线与蓝牙模块进行串行通信；当药盒收到外力时，重力传感器会向蓝牙模块发出一个信号，使药盒从睡眠状态中恢复工作状态，并于手机建立通讯。另外，重力传感器在坐标轴上设置了阈值，当携带药盒的用户发生意外摔倒后，传感器在坐标轴方向的值会发生变化超出设置的阈值，此时传感器会输出一个信号到蓝牙模块，收到该信号后，蓝牙模块会将情况利用gprs上传，这样就可以及时得到救助。
37.在一个实施例中，此外语音模块中设有音频解码电路，智能药盒可以通过手机来进行远程操作，当药盒与手机建立通讯后，用户可以将服药的次数、间隔时间等发送到药盒，另外还可以将事先录好的语音备忘发给药盒进行存储，当需要吃药时，药盒会将存储的语音放出，来提醒用户。这里的语音播报系统需要用到音频解码器，该原理图如6图所示，该模块与蓝牙模块采用采用 spi 同步通信总线，通信简单。
38.在一个实施例中，本药盒还设有提示灯，图7为三色led灯原理图，三色灯分别为蓝灯、绿灯、红灯，且共阳极连接。这三种颜色的灯分别代表了药盒处在的三种不同情况。在与手机进行蓝牙匹配过程中，蓝灯亮，匹配成功5s后自动灭掉；红灯亮表示电量不足，需要及时充电；在药盒充电时，当红灯灭绿灯亮时，说明充电完成。当用户等到预设服药时间时，红色 led灯呈闪烁样，若用户超过预留时间后服药，则记为错误服药，此时灯光不再闪烁。另外，如果药盒是非正常状态下打开着，并且打开时间超过10min，则led灯将会发光来进行提醒，一直持续到药盒关闭。
39.在一个实施例中，开关模块包括霍尔开关，如图8所示。这个开关的作用是来分辨是否为正常开盒吃药，其原理是：盒中的霍尔开关，其输出的电平状态与药盒的开合状态相关，当关闭时，由于霍尔开关与磁铁处于吸合状态，霍尔开关会有低电平输出；相反，当药盒打开时，就是输出高电平，该电平信号会使主控芯片进行计时。若计时大于 10s，则为开盒吃药；若计时小于 10s，则为误操作，不进行记录。
40.如图9所示，智能药盒最主要的功能就是提醒用户按时服药。该药盒小巧便携，并且开发了语音提醒等智能化服务，每次的服药情况包括正常服药、少服、超时服药等都会被记录并上传，以便下次做到更为人性化的服务；药盒基于蓝牙芯片与手机实现正常通讯，数据在100m以内都能利用该芯片进行传输，因此有效距离较长，更加方便。当快到达预设的时间时，药盒会提前10分钟播放语音提醒，之后药盒会开始计时，直到过了四十分钟。在这四十分钟之内，服药提醒会每 5 分钟进行一次播报，如果在计时结束前服药，则为按时服药；如果计时结束后才打开药盒，则会被记录为错误服药；如果一直没进行服药，则视为忘记服药。
41.如图10所示，智能药盒是一个集成多种模块功能于一身的高科技产品，其涵盖了电力电子、自动控制原理、嵌入式系统、传感器控制等多种学科的知识；用户每一次的服药情况都会被药盒上传到云端保存，然后再发到每一位指定的人的手机上，比如父母、私人医生等等。药盒的工作流程是：当电池开始供电，蓝牙芯片恢复工作，在到达预设的服药时间之前，会向led 灯、音频播放器 等发送信号，药盒此时会开始提醒用户吃药，并对服药情况进行上传并存储。药盒利用蓝牙芯 片实现与手机的通讯，发送存储的用户吃药情况，接收用户设置的新的命令。
42.本发明通过对目前医疗行业存在的一些不足之处进行了说明，并指出了进一步推动医疗行业现代化与智能化发展的前进方向，将物联网、云计算技术融入到医疗行业是一个重要的突破点，可以帮助建立更为智能化、安全性更高的医疗监控系统，而所用到的这两种高科技技术能够提供更为高速便捷的数据处理服务。
43.一种智能药盒的工作方法，包括以下步骤：进行数据的采集；云服务器进行数据的处理；便捷智能化处理。
44.进一步，先进行数据的采集：智能药盒会将用户的服药情况进行记录并将信息上传到云服务器，这些信息数据将会被进行存储、分析等，来判断用户的服药状态以及此时的情况；其次云服务器进行数据的处理：当服务器收到上传的数据后，会对数据进行存储、分析等，并对此时用户的状态做出合理的判断，如遇上意外情况，服务器会及时发送信息到指定联系人的手机上进行在线提醒；最后是便捷智能化；将共享的可靠的网络服务，与物联网监控系统相结合，可以基于网页运行的应用程序，便可以实现随时随地查询装置状况，另外传感器接收到的数据图像化，发送给用户，也可以观察用户自己的身体状况。另外除了能在计算机中开发应用程序，也可以在手机上开发应用程序，方便了用户。
45.如图11所示，感知层是物联网系统中最接近用户的一层，智能药盒就是系统体系
中的感知层，感知层通过采集用户的治疗记录以及日常行为，为应用层的运行奠定了基础；感知层收集到的信息，是要通过网络层进行通信的，网络层主要是负责数据的传输，其通信协议采用tcmp的http和mqtt协议；支撑层主要是负责运行的环境的构建，主要是系统的软件与硬件的设计；应用层是物联网系统中资源接口，应用层通过编写编程程序可以实现人机交互的；感知层智能网关至关重要，其不仅连接传感器网络与计算机网络，还能够将系统内部装置进行调控，装置的调控需要系统发出远程指令或本地程序后且指令或程序通过验证才能开始；此外本发明还包括数据库；数据库是一种无需架构设计的数据库，其内部存储的数据以k
‑
v属性方式进行存储；由于在物联网平台下，需要用到诸多传感器，这就造成了数据模型的属性不固定，为了解决上述问题，采用dynamodb数据库存储此类数据，其对于此类数据的存储效率高，并且物联网平台调用其数据简单迅速；数据库可以在各种形式中输入、查询和分享存储内容的数据结构，有效解决了重复输入数据所带来的问题，同时数据库具有共享性，平台中的每一位用户，都可以有权利访问数据库，用户具有存储、分享以及访问其他用户的权利；数据库结构简单，使用便捷。由于数据库具有共享性，这就可以有效规避重复的数据存储，从而规避了量多且复杂的数据库的阐述；此外数据内容安全可靠。由于数据库要求相同内容存储于库中的数据需要达到一致，并且数据库处于后台运行时，会开启自我维护，保护数据。
46.一种云计算任务调度算法，包括：提交任务；进行任务数据分解；任务调度器接收到子任务后，任务调度器会自动检查虚拟资源的数量，然后将虚拟资源和子任务结合起来处理。
47.在一个实施例中，如图12所示，云计算任务调度过程的具体步骤如下：首先是用户提交任务，云用户向提供云服务器的服务商购买服务器，这些服务器虚拟存在 于网络中的，普通用户不必掌握服务器的工作原理就能够使用其中的资源，大大降低了服务器的使用门槛，而服务商需要做的则是向购买用户提供资源以供完成任务；其次用户提交任务后需要将其分解，这是采取了分布式方法来分解任务，由图10可知，用户不需要对提交的任务之后的处理有具体的认知，因为分布式的原理，系统会将用户提交的任务进行分解，得到众多小任务后，通过任务调度器接收这些小任务，再进行下一步工作；最后是在任务调度器接收到子任务后，任务调度器会自动检查虚拟资源的数量，然后将虚拟资源和子任务结合起来处理。
48.上文中，云计算提供商提供的云计算服务要使得自己能够收益的同时，保证产品的性价比，用户在使用时，高性价比给商家带来正向反馈，促使云计算正向持续发展。云计算提供商要提供高质量的云计算服务，用户对于云计算带来的虚拟网路服务，使用qos评价其质量，因此用户的使用满意程度应在云计算研究考虑范围之内。只有同时具备优良的服务质量和短时间完成任务的特点，才能更大限度的利用好资源，更好地服务用户。再者需要实现云计算的负载均衡，随着资源使用的大量增加，云计算负载易出现失衡的现象，一旦失衡，必然影响整个系统的功能，因此，对研究云计算负载均衡也是必需的。
49.云计算本身是建立在虚拟化的基础之上，其无需提供给用户真实的资源，而是通过任务调度，将实际设备与虚拟网络连接起来。相较于分布式计算，云计算不仅具有分布式管理资源的能力，同时具有虚拟化资源、多线程编程等诸多特点。随着云计算广泛应用到各个领域，云计算中任务调度的精度和效率就必须得到保证。针对任务调度问题，本发明用于pso的任务调度算法作为任务调度的核心；对等网络的任务调度方法是分布式计算中的另外一种方法，p2p和网格计算相结合能够得到一种新的任务调度方式，p2p
‑
grid模型，该模型可以在结合任务与资源的同时， 实现多设备间的联系；p2p任务调度方式将不同的设备都置于平等地位，每个设备既可发起任务请求，也可响应其他任务，则p2p
‑
grid任务调度方式具有设备对等响应的能力。p2p和网格计算能够结合在一起也是由于他们拥有众多相像之处，即分布式的计算与相同的动态特征等当方面；规模较大的网格系统会通过p2p
‑
grid模型分解成许多小型的网格系统，这些系统等级相同，并且都以为最重要的核心之一。而且子网格系统既可请求任务，又可响应任务，这就是说，该子系统的grid
‑
peer可与其他一起进行分布式工作。在 p2p
‑
grid中，用户在完成任务提交后，任务管理器和资源管理器对所提交的任务进行接收，并将其送入网络资源组，在网络资源组中资源监控器、资源调度器不断循环调用资源进行处理，最终将处理的结果返回送给客户，完成任务调度。
50.进一步的，分布式计算会将一个大型的、复杂的问题细分成众多小任务后在不同的资源上处理，通过资源管理器操作调度资源，不断变化的资源任务会容易引起任务调度过程中效率低下的问题。云计算则不必担心这样的问题，相比于分布式计算，在云计算中，系统创建巨大的云资源池，实现资源在任务中心处的集中执行，分布式管理的措施极大地提高了物联网平台的执行效率，上述调度过程正是用到了虚拟化技术，使得其与分布式计算任务调度有所不同，为研究云计算的任务调度方法，本发明对任务的调度框架、调度过程以及调度的目标进行了逐一说明；由此，从而了解云计算任务调度的特点。
51.如图10所示为云计算任务调度框架图，资源调度器会接收来自云用户上传的任务；资源调度器分析出上传任务的规模，从中来判断出所需的物理机的数量。用户上传的任务会被存储在云portal中，资源管理器从中调取任务。在决定好物理资源后，vmmonitor 会把这些物理机合成为一个虚拟机来完成任务调度，这样形成了物理硬件与虚拟资源之间的映射，用户可以按需获取资源池中的资源，每位用户拥有相同的权利分配池中的资源。
52.从上述描述中，我们可以得出任务调度器内一直动态变化的，新虚拟机的加入和报错的虚拟机的退出是同时发生的；同时云计算的用户数量特别多，导致云服务器的任务也非常多，这对云服务器的硬件资源提出了不小的挑战，只有确保有较多的硬件设备，才能保证处理任务时的实时性，以应对任务的不断增长；云计算中的任务调度又是具有异构性的，任务调度是应用到异构平台上的；云计算的服务质量，完成任务所需要消耗的时间，若是同时实现高效率和高质量的云计算，算是达到经济性的特性。
53.在云计算过程中存在不同的计算节点，其分别对应的计算性能是不一样的；一样的任务只能在一个节点上进行运算； 一个节点不能同时进行计算两个及两个以上的任务；实际看来，云计算资源调度可以被看作是对整数规划问题进行求解的过程；由于可以通过评估节点在1s内执行的百万指令的个数的能力，可以预判出节点完成任务所需要的时间，因此，当对节点接受任务后，对任务完成的时间进行了预判，从而完成对调度问题的优化；
为了减少节点完成任务的时间而进行优化，建立云计算资源调度问题的数学模型：为了减少节点完成任务的时间而进行优化，建立云计算资源调度问题的数学模型：式中，表示任务集合，为任务数目；表示任务集合，为节点总个数，为执行时间，为执行最大执行时间，在全部节点中对比每个任务完成所需要的时间，其中把最长任务时间设置成，当第i个任务在第j个节点进行运算时，参数；若不运行，为；具体的最大任务执行时间的定义如下所述：为了减少节点完成任务的时间而进行优化，将优化目标函数转换为：式中，为完成任务所需要的最小时间；云资源调度涉及到整数规划，针对这一种情况，上文中定义的可以将其组成为向量，这种向量在云资源调度中起到决定的作用，也被称之为决策变量；如果需要调度的云资源数据过于庞大，计算难度变大，整个云资源调度问题的求解过程又可以看成求解一个繁琐的np问题的过程。针对这样的问题，不能采用寻常算法如牛顿法等进行计算，采用更为先进的智能算法对以上问题进行求解是更为靠谱的方法。如今已有较多应用中运用智能算法解决了最优化的资源调度问题，目前做得比较好的算法有禁忌搜索算法、蚁群算法等。然而，以上智能算法在迭代运算过程中容易陷入局部最优，这一弊端会影响整个问题再优化过程中参数的求解。粒子群算法也是一种被运用在求解寻优问题中的智能算法，能够有效解决上述的弊端，其相比于前者，算法更加便捷，具有很强的参数寻优能力，将其运用到复杂的非确定性多项式问题中，可以很好的改善局部最优化的干扰；假定粒子群的数目为n，这些粒子存在于d维的空间中，在该空间中对粒子的位置进行向量化，可以记为，同时对粒子的空间移动速度进行向量化，记为，其个体极值记为，表示每个粒子靠近中心位置所到达的最好状态，所有粒子
在全部到达最佳状态下的极值记为，即算法寻找到了最优的值，在基本算法中，不断更新迭代所需要的计算公式为：的值，在基本算法中，不断更新迭代所需要的计算公式为：式中，，n为粒子序列号，为粒子的第维，为算法的迭代次数，和表示为常数，其值的取值范围一般为；为随机存在于(0,1)上的实数；为上述公式增添惯性权重系数，从而有效地提升了算法的寻优性能，避免算法陷入局部最优的问题；从而得到更新迭代关系：入局部最优的问题；从而得到更新迭代关系：式中，收敛性能取决于惯性因子的大小，不仅能够让粒子继续维持原有的运动习 惯，还能扩大算法的搜索空间。越大，全局搜索所需要的时间越短，并且寻优的所花费的时间变短，但难以求出正确的解；越小，更有益于局部探寻与计算出正确的解，但寻优的所花费的时间会变得更长，更有甚者，寻优过程遇到了局部最优。因此，在使用粒子群算法前，需要选择恰当的 ，使算法的搜索时间和准确度都比较合适。
54.具体的，从上述可以得到，算法中的相关参数对算法的收敛性有着极大的影响，所以本发明根据粒子群优化相关参数的特点，在种群发展伊始，粒子群优化主要提高逼近速度；在后期算法注重求得一个高精度的解，因此，本发明通过将惯性权重设置成动态改变的特性，这样能够改善算法的收敛性能；由于粒子群所在的空间结构繁杂且非线度 高，现有技术中ldw策略对粒子群算法的提高程度有限；所以若在寻优过程中添加一些扰动，这些扰动的值是固定的常数，ldw策略执行过程中遇到这些扰动，便会增大，当算法找不到更好的当前最优解时，上述措施便可以有效避面算法陷入局部最优，继续进入全部空间寻找，寻找全局最优；从而基于增加常数扰动参数的算法的更新迭代关系为：全局最优；从而基于增加常数扰动参数的算法的更新迭代关系为：全局最优；从而基于增加常数扰动参数的算法的更新迭代关系为：全局最优；从而基于增加常数扰动参数的算法的更新迭代关系为：式中， 为惯性权重所存在扰动情况下的固定值，在不同扰动状况下，，其余情况下，；这里经过综合考量后把扰动概率值设置成 0.1；进而算法在进行运算时会对参数进行改进，使其达到最优化的状态，所有粒子中如果有一个能达到最佳状态，靠近最优解到达最好的位置时，则其他粒子也会像此最优解下的位置靠近；如果该位置是局部最好的，此时算法无法求解出当前位置中的极值，在这一
时刻，早熟收敛的状态就会出现。所以其最大的弊端是，算法寻优过程中，粒子偶尔找到了局部最优解，虽然上一小节提出的方法能够有效改善这一弊端，但算法的迭代方式未发生根本性的改变，粒子群算法仍然容易围绕着最佳位置聚集，从而导致粒子群算法缺少多样性；从而利用上述公式，使的值随着环境的改变而调整，即使其动态自适应化；在基于增加常数扰动参数的ldw粒子群算法的基础下，使与一个变化的系数相乘，该系数的变化范围为0.9
‑
1.1，得到 的乘积代替原本的惯性权重系数，即；从而引入动态自适应参数后的算法更新迭代关系如下：自适应参数后的算法更新迭代关系如下：自适应参数后的算法更新迭代关系如下：自适应参数后的算法更新迭代关系如下：从而本发明提出原有的算法中，由于缺乏多样性，导致算法寻优的不准确性，这里通过增加个体粒子的随机性来解决。根据粒子群算法的更新方法，随着迭代次数的增加，最优值出现，所以粒子会聚集在该位置，单一的结果缺乏多样性。现引入随机粒子有30%的几率与原本种群中的粒子对象进行互换，这样的措施不仅弥补了多样性，而且这种低几率替换的方式，不能改变到算法寻优的方向。
55.基于上述的分析，本发明引入动态自适应参数与随机个体粒子，对基于常数扰动参数的ldw策略做出改进，提出了一种新型改进粒子群算法，来解决云资源调度问题。为了验证本发明的有效性与正确性，将提出的改进粒子群算法与基于增加常数扰动参数的粒子群算法、普通的粒子群算法进行对比分；如下：运用de jong 函数，最优解为 0.0。具体的de jong函数的公式如下：从图13中可以看出，本发明所提出的算法所需迭代次数少，便可寻得最优解，寻优效果在 三种方法中最好，可以看出近似最优解为：；最优解函数值。
56.schaffer函数，最优解 0.0，函数如公式如下：图14可知，本发明提出的方法测试得出的结果是最好的，求得的近似最优解为：，最优解函数值0。
57.从而本发明引入了粒子群算法进行了求解；由于基础的粒子群算法并不能很好的对大任务调度寻找最优解，缺少对多样性的鲁棒性，容易陷入局部最优的状况，所以基于此提出了一种改进的的粒子群算法；在加入常数扰动与随机个体粒子，不仅可以避免局部寻
优，还可以有效缓解粒子聚集，算法多样性匮乏的问题。最后利用测试函数与云资源调度实例，来验证所提方法的可行性与有效性，从测试的结果来看，所提出的方法寻优效果更好，搜索出的高精度优化结果，非常适用于求解云资源调度问题上，应被广泛于应用求解该类问题中。
58.如上所述，尽管参照特定的优选实施例已经表示和表述了本发明，但其不得解释为对本发明自身的限制。在不脱离所附权利要求定义的本发明的精神和范围前提下，可对其在形式上和细节上做出各种变化。