算力网络服务的健康度评估方法、装置、设备和存储介质制造方法及图纸

本申请涉及通信技术领域，提供一种算力网络服务的健康度评估方法、装置、设备和存储介质，该方法包括：基于算力资源的算力标识确定目标算力资源，构建目标算力资源的算力网络服务健康度评价指标体系的层次结构模型；基于层次分析法，确定层次结构模型中各级指标的权重；基于灰色关联度分析法以及各级指标的权重，评估层次结构模型中各算力网络方案的健康度。本申请通过结合AHP与GRA两种方法，有效帮助算力网络用户决策者科学、体系地处理对于算力网络服务选择等复杂的决策问题，将分析和判断的流程简化，帮助用户评估和选择最合适自身需求的算力网络服务，有效解决算力网络资源及服务的选择问题，从而提高算力网络服务选择效率。率。率。

【技术实现步骤摘要】
算力网络服务的健康度评估方法、装置、设备和存储介质


[0001]本申请涉及通信
，尤其涉及一种算力网络服务的健康度评估方法、装置、设备和存储介质。

技术介绍

[0002]随着算力网络需求快速增长，大量多样性算力网络服务不断涌现，如何根据自身的个性化需求，选择最适合客户需求的算力网络服务仍然是一个综合、复杂的问题。同时，随着可用的算力网络服务数量持续增多，客户越难以为其组织、或个人选择合适的解决方案，甚至匹配其多样化、动态的业务需求，算力网络资源的多元化、算力网络服务的广泛范围使得决策者很难从众多可用的选项中选择单一的解决方案。
[0003]目前，用户对于算力网络服务的选择，主要是按照个人主观经验进行选择，或者基于平台系统自身的算力网络方案智能推荐，但随着算力网络服务越来越多样，并且用户的需求越来越个性化，上述方法存在一定的局限性。因此，针对算力网络运营与服务中存在的算力网络服务健康度评估与服务选择决策相关问题，本申请提出一种算力网络服务的健康度评估方法。

技术实现思路

[0004]本申请提供一种算力网络服务的健康度评估方法、装置、设备和存储介质，用以解决算力网络运营与服务中存在的算力网络服务健康度评估与服务选择决策相关问题，通过结合AHP与GRA两种方法，有效帮助算力网络用户决策者科学、体系地处理对于算力网络服务选择等复杂的决策问题，将分析和判断的流程简化，帮助用户评估和选择最合适自身需求的算力网络服务，有效解决算力网络资源及服务的选择问题，从而提高算力网络服务选择效率。
[0005]本申请提供一种算力网络服务的健康度评估方法，包括：
[0006]基于算力资源的算力标识确定目标算力资源，构建所述目标算力资源的算力网络服务健康度评价指标体系的层次结构模型；
[0007]基于层次分析法，确定所述层次结构模型中各级指标的权重；
[0008]基于灰色关联度分析法以及所述各级指标的权重，评估所述层次结构模型中各算力网络方案的健康度。
[0009]在一个实施例中，所述基于层次分析法，确定所述层次结构模型中各级指标的权重，包括：
[0010]构建所述各级指标的判断矩阵；
[0011]确定所述判断矩阵的最大特征根，以基于所述最大特征根以及所述判断矩阵的阶数，确定一致性指标值；
[0012]基于所述阶数的阶数标准值以及所述一致性指标值，确定一致性比率；
[0013]基于所述一致性比率，确定所述各级指标的权重。
[0014]在一个实施例中，所述确定所述判断矩阵的最大特征根，包括：
[0015]对所述判断矩阵的每一列元素进行归一化处理，并将归一化处理后的判断矩阵按列相加，以生成特征向量；
[0016]对所述特征向量进行归一化处理，以生成权向量；
[0017]基于所述权向量，确定所述判断矩阵的最大特征根。
[0018]在一个实施例中，所述基于灰色关联度分析法以及所述各级指标的权重，评估所述层次结构模型中各算力网络方案的健康度，包括：
[0019]基于所述灰色关联度分析法，确定所述各级指标的比较数列与参考数列的灰色关联度；
[0020]基于所述灰色关联度以及所述各级指标的权重，确定所述各算力网络方案的健康度得分；
[0021]基于所述健康度得分的排序结果，评估所述各算力网络方案的健康度。
[0022]在一个实施例中，所述基于所述灰色关联度分析法，确定所述各级指标的比较数列与参考数列的灰色关联度，包括：
[0023]确定所述各级指标的满意度得分；
[0024]确定所述各级指标的满意度得分对应的比较数列和参考数列；
[0025]确定所述比较数列与所述参考数列的灰色关联度系数，以基于所述灰色关联度系数，确定所述比较数列与所述参考数列的灰色关联度。
[0026]在一个实施例中，所述基于算力资源的算力标识确定目标算力资源之前，还包括：
[0027]确定各算力资源的算力标识；
[0028]基于所述算力标识的各字段，建立标准字典表，以基于所述标准字典表检索和筛选所述算力资源。
[0029]在一个实施例中，所述构建所述目标算力资源的算力网络服务健康度评价指标体系的层次结构模型，包括：
[0030]建立层次分析结构，所述层次分析结构包括目标层、指标层和方案层；
[0031]确定所述目标层的评估目标、所述指标层的各级指标，以及所述方案层的各算力网络方案，以构建所述层次结构模型。
[0032]本申请提供一种算力网络服务的健康度评估装置，包括：
[0033]层次结构模型构建模块，用于基于算力资源的算力标识确定目标算力资源，构建所述目标算力资源的算力网络服务健康度评价指标体系的层次结构模型；
[0034]层次分析模块，用于基于层次分析法，确定所述层次结构模型中各级指标的权重；
[0035]评估模块，用于基于灰色关联度分析法以及所述各级指标的权重，评估所述层次结构模型中各算力网络方案的健康度。
[0036]本申请还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述算力网络服务的健康度评估方法。
[0037]本申请还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述算力网络服务的健康度评估方法。
[0038]本申请提供的算力网络服务的健康度评估方法、装置、设备和存储介质，通过基于
算力资源的算力标识确定目标算力资源，构建目标算力资源的算力网络服务健康度评价指标体系的层次结构模型；基于层次分析法，确定层次结构模型中各级指标的权重；基于灰色关联度分析法以及各级指标的权重，评估层次结构模型中各算力网络方案的健康度。本申请通过结合AHP与GRA两种方法，有效帮助算力网络用户决策者科学、体系地处理对于算力网络服务选择等复杂的决策问题，将分析和判断的流程简化，帮助用户评估和选择最合适自身需求的算力网络服务，有效解决算力网络资源及服务的选择问题，从而提高算力网络服务选择效率。
附图说明
[0039]为了更清楚地说明本申请或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0040]图1是本申请提供的算力网络服务的健康度评估方法的流程示意图之一；
[0041]图2是本申请提供的算力网络服务的健康度评估方法的流程示意图之二；
[0042]图3是本申请提供的算力网络服务健康度评估层次结构模型的结构示意图；
[0043]图4是本申请提供的算力网络服务健康度分级指标权重的示意图；
[0044]图5是本申请提供的算力网络服务的健康度评估装置的结构示意图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种算力网络服务的健康度评估方法，其特征在于，包括：基于算力资源的算力标识确定目标算力资源，构建所述目标算力资源的算力网络服务健康度评价指标体系的层次结构模型；基于层次分析法，确定所述层次结构模型中各级指标的权重；基于灰色关联度分析法以及所述各级指标的权重，评估所述层次结构模型中各算力网络方案的健康度。2.根据权利要求1所述的算力网络服务的健康度评估方法，其特征在于，所述基于层次分析法，确定所述层次结构模型中各级指标的权重，包括：构建所述各级指标的判断矩阵；确定所述判断矩阵的最大特征根，以基于所述最大特征根以及所述判断矩阵的阶数，确定一致性指标值；基于所述阶数的阶数标准值以及所述一致性指标值，确定一致性比率；基于所述一致性比率，确定所述各级指标的权重。3.根据权利要求2所述的算力网络服务的健康度评估方法，其特征在于，所述确定所述判断矩阵的最大特征根，包括：对所述判断矩阵的每一列元素进行归一化处理，并将归一化处理后的判断矩阵按列相加，以生成特征向量；对所述特征向量进行归一化处理，以生成权向量；基于所述权向量，确定所述判断矩阵的最大特征根。4.根据权利要求1所述的算力网络服务的健康度评估方法，其特征在于，所述基于灰色关联度分析法以及所述各级指标的权重，评估所述层次结构模型中各算力网络方案的健康度，包括：基于所述灰色关联度分析法，确定所述各级指标的比较数列与参考数列的灰色关联度；基于所述灰色关联度以及所述各级指标的权重，确定所述各算力网络方案的健康度得分；基于所述健康度得分的排序结果，评估所述各算力网络方案的健康度。5.根据权利要求4所述的算力网络服务的健康度评估方法，其特征在于，所述基于所述灰色关联度分析法，确定所述各级指标的比较数列与参考数列的灰色关联度，包括：...

【专利技术属性】
技术研发人员：耿晓巧，沈林江，崔超，仇树卿，
申请(专利权)人：浪潮通信信息系统有限公司，
类型：发明
国别省市：