胡全貴，趙恩來，賈偉昭，開北強

(北京國網(wǎng)信通埃森哲信息技術有限公司，北京 100032)

0 引 言

數(shù)據(jù)中心巡檢機器人是通過機器人實現(xiàn)智能巡檢的機器人，可通過集成的信息管理平臺實現(xiàn)機器人的智能控制信息處理，提高機器人的實時信息分析和控制能力。隨著信息管理和信息系統(tǒng)的發(fā)展，設計數(shù)據(jù)中心巡檢機器人信息平臺，通過對數(shù)據(jù)中心巡檢機器人信息平臺的任務優(yōu)化調(diào)度，提高數(shù)據(jù)中心巡檢機器人信息處理和集成調(diào)度能力，與此相關的數(shù)據(jù)中心巡檢機器人信息平臺的實時任務容錯調(diào)度方法研究受到人們的極大關注[1-2]。

數(shù)據(jù)中心巡檢機器人信息平臺實時任務是建立在信息大數(shù)據(jù)融合處理基礎上，通過建立數(shù)據(jù)中心巡檢機器人信息平臺實時任務傳輸模型，通過信道均衡控制方法，進行數(shù)據(jù)中心巡檢機器人信息平臺實時任務調(diào)度，提高信息的集成收發(fā)控制能力[3-4]。文獻[5]提出一種非周期不可搶占式異構分布式的動態(tài)容錯模型，基于該模型在滿足調(diào)度差異需求的基礎上，提出一種新型容錯調(diào)度方法——DRFSA算法(即基于容錯調(diào)度算法的混合動力與可靠性驅(qū)動，Dynamic and Reliability-driven of hybrid with Fault-tolerant Scheduling Algorithm)以提高可靠性代價為調(diào)度目標，通過合理調(diào)度提高系統(tǒng)可靠性，DRFSA算法以可調(diào)度性為調(diào)度目標，通過減少任務執(zhí)行時間來增加系統(tǒng)可調(diào)度性。算法能夠在異構系統(tǒng)中調(diào)度動態(tài)的實時任務，且能夠盡可能響應任務需求。但該方法進行數(shù)據(jù)中心巡檢機器人信息平臺任務調(diào)度的容錯性不好，抗干擾能力不強。文獻[6]針對關鍵數(shù)據(jù)與非關鍵數(shù)據(jù)混合傳輸場景，建立系統(tǒng)模型，對系統(tǒng)的容錯傳輸能力進行分析，得出混合數(shù)據(jù)的容錯傳輸規(guī)律，然后在進行容錯傳輸調(diào)度的基礎上，利用EDF容錯算法，基于非搶占式的需求進行容錯系數(shù)比例計算。同時對計算的過程實時監(jiān)控，保障核心數(shù)據(jù)在其截止期之前優(yōu)先傳輸，最終完成一次容錯調(diào)度算法研究。文獻[7]提出一種針對多核平臺分區(qū)操作系統(tǒng)的安全關鍵任務調(diào)度方法。判斷系統(tǒng)是否包含安全關鍵任務并將其分為關鍵分區(qū)和非關鍵分區(qū)。在系統(tǒng)層通過資源劃分的方式確保關鍵分區(qū)的獨立運行，根據(jù)分區(qū)利用率確定最小資源極值，在安全區(qū)域內(nèi)提高任務調(diào)度的可靠性和準確性，使操作系統(tǒng)的資源合理利用效率得以提高。文獻[8]提出具有時變慣性不確定性的自適應容錯調(diào)度跟蹤控制。研究了存在參數(shù)不確定性、執(zhí)行器故障和外部干擾的自適應姿態(tài)跟蹤控制問題。建立了基于單容的動力學模型，該模型明確考慮了質(zhì)心的變化。然后提出了一種實現(xiàn)姿態(tài)跟蹤的控制方案，該方案在控制器設計過程中充分考慮了可能出現(xiàn)的變化，對參數(shù)不確定性具有很好的魯棒性，且油耗較小。最后，通過數(shù)值仿真驗證了所提控制器的有效性。文獻[9]提出具有加工集約束的均勻機器調(diào)度的任務容錯調(diào)度算法，考慮在一組統(tǒng)一的機器上非自由地調(diào)度一組獨立的作業(yè)的問題，其中每個作業(yè)都有一組可以分配給它的機器。這種限制稱為處理集限制。主要考慮2種情況：“包含處理集”和“樹層次處理集”。給出了2種情況下的快速近似算法，并表明它們都具有最壞情況下的4/3的性能界限。

針對上述問題，本文提出一種基于自適應反饋均衡和碼元調(diào)制技術的數(shù)據(jù)中心巡檢機器人信息平臺實時任務容錯調(diào)度模型。首先構建巡檢機器人信息平臺傳輸信道模型，然后構建數(shù)據(jù)中心巡檢機器人信息傳輸優(yōu)化協(xié)議，采用模糊C均值聚類的方法融合巡檢機器人性能檢驗，設計仿真實驗進行驗證，其實驗結果表明，本文所設計的方法有利于機器人信息平臺實時任務調(diào)度，在容錯調(diào)度方面性能優(yōu)越。

1 巡檢機器人信息傳輸信道模型及傳輸協(xié)議優(yōu)化

1.1 數(shù)據(jù)中心巡檢機器人信息平臺傳輸信道模型

為了實現(xiàn)數(shù)據(jù)中心巡檢機器人信息平臺實時任務容錯調(diào)度，建立傳輸信道模型，在路由沖突模式下構建巡檢機器人數(shù)據(jù)平臺，由此分析數(shù)據(jù)中心巡檢機器人信息平臺的任務傳輸鏈路集。采用匹配濾波檢測方法進行數(shù)據(jù)中心巡檢機器人信息平臺實時任務調(diào)度和干擾抑制，得到傳輸信道模型。

數(shù)據(jù)中心巡檢機器人信息平臺實時任務容錯調(diào)度模型進行輸出轉換控制，采用傳輸信道均衡方法進行數(shù)據(jù)中心巡檢機器人信息平臺實時任務輸出轉換控制，構建任務調(diào)度的傳遞函數(shù)表示如下：

fij=wtδt+wcδc+wqδq+wsδs

(1)

其中，w、δ分別表示任務調(diào)度傳遞過程中的數(shù)據(jù)流量和耗電量。wt+wc+wq+ws=1,t表示數(shù)據(jù)中心巡檢機器人信息平臺實時任務所需時間的間隔分布，即time；c表示任務調(diào)度傳遞過程中的存儲開銷代價，即cost；q代表任務調(diào)度質(zhì)量結果，即quality；s代表數(shù)據(jù)中心巡檢機器人信息平臺實時任務調(diào)度的安全性能特征，即security?？紤]網(wǎng)絡智能效果的因素，在最大化約束的情況下，提出信道平衡分配實施策略，以此構建實時檢測任務容錯調(diào)度的分集聚斂模型[10]?？紤]任務流量特征的綜合分布狀況，采用關聯(lián)規(guī)則算法，進行數(shù)據(jù)中心巡檢機器人信息平臺實時任務容錯調(diào)度，得到迭代方程為：

(2)

構建路由沖突下數(shù)據(jù)中心巡檢機器人信息平臺信息傳輸?shù)男诺滥Ｐ汀Ｔ倏紤]信息智能管理系統(tǒng)中任務調(diào)度信息數(shù)據(jù)傳輸性能的因素，在輸出過程中需進行轉換結果控制，由此得到任務調(diào)度的最小二乘規(guī)劃模型表達式如下：

(3)

其中，c1和c2為常數(shù)，φ1、φ2和p分別表示1號機器人輸出過程中的電消耗、2號機器人輸出過程中的電消耗和2個機器人輸出過程中的能量總消耗。

采用ZigBee傳感組網(wǎng)設計方法進行數(shù)據(jù)中心巡檢機器人信息平臺實時任務調(diào)度的物聯(lián)網(wǎng)設計，得到數(shù)據(jù)中心任務調(diào)度的優(yōu)先級屬性分布為：

v(t+1)=ωv(t)+φ(p-x(t))

(4)

x(t+1)=x(t)+v(t+1)

(5)

其中，v表示機器人運行速度，ω表示機器人自身信息傳播參數(shù)。

根據(jù)上述分析，構建數(shù)據(jù)中心巡檢機器人信息平臺傳輸信道模型，在最優(yōu)傳輸控制協(xié)議下，實現(xiàn)機器人信息平臺傳輸優(yōu)化和容錯性調(diào)度[11]。

1.2 任務傳輸協(xié)議優(yōu)化

分析數(shù)據(jù)中心巡檢機器人信息平臺的實時任務傳輸模型，優(yōu)化數(shù)據(jù)中心巡檢機器人信息傳輸協(xié)議，再結合自適應的反饋均衡性控制方法進行數(shù)據(jù)中心巡檢機器人的傳輸信道均衡設計，實時任務容錯調(diào)度的轉發(fā)控制協(xié)議描述為：

x(t+1)+(φ-w)x(t)=φp

(6)

在最大化網(wǎng)絡吞吐量控制下，進行數(shù)據(jù)中心巡檢機器人信息平臺實時任務調(diào)度的最優(yōu)化解集評判，得到最優(yōu)解集評判特征量滿足u(t)∈L2(R)，其中，u、L和R分別代表機器人網(wǎng)絡吞吐量的參數(shù)、網(wǎng)絡吞吐量和機器人運行中的電阻。則u(t)的評判函數(shù)定義為：

φws(s,τ)=|χws(s,τ)|2

(7)

其中，φ代表機器人運行中網(wǎng)絡數(shù)據(jù)傳播數(shù)量，且：

(8)

采用模糊關聯(lián)規(guī)則調(diào)度方法進行路由沖突下數(shù)據(jù)中心巡檢機器人信息平臺傳輸?shù)淖罴研阅苷{(diào)度結構設計，在大數(shù)據(jù)中擇優(yōu)選取關聯(lián)模擬特征量，在分布均勻的向量集中進行巡檢機器人信息數(shù)據(jù)傳輸?shù)膬?yōu)化處理[12-13]。用t/a代替t進行巡檢機器人信息輸出的隨機均衡控制，得到巡檢機器人信息平臺的任務容錯調(diào)度自適應函數(shù)定義為：

(9)

(10)

其中，μ代表路由器數(shù)據(jù)參數(shù)，H代表路由器在運行時候的數(shù)據(jù)吞吐量，下標i表示任務傳輸序列，對任務傳輸序列進行優(yōu)先級評判[14]。計算排隊時延，任務流的優(yōu)先級屬性的約束關系為：

(11)

其中，p、α和y分別表示任務傳輸序列總和、參數(shù)和起始數(shù)據(jù)。

由此構建數(shù)據(jù)中心巡檢機器人信息傳輸優(yōu)化協(xié)議，根據(jù)優(yōu)化的傳輸協(xié)議進行任務調(diào)度。

2 任務容錯調(diào)度算法優(yōu)化

2.1 巡檢機器人信息融合

在完成數(shù)據(jù)中心巡檢機器人信息平臺傳輸信道模型后，基于路由沖突下進行數(shù)據(jù)中心巡檢機器人信息平臺實時任務容錯調(diào)度算法的優(yōu)化設計，本文提出一種基于自適應反饋均衡和碼元調(diào)制技術的數(shù)據(jù)中心巡檢機器人信息平臺實時任務容錯調(diào)度模型，定義巡檢機器人信息傳輸?shù)木馀渲孟禂?shù)如下：

bm=t0(1-a)

(12)

利用能量平衡控制模型，獲得數(shù)據(jù)中心巡檢機器人信息平臺中云計算節(jié)點間的能量傳輸控制功能，其函數(shù)表達式為：

fia(t)=fi(t+bm)

(13)

結合最優(yōu)時延均衡方法，進行數(shù)據(jù)中心巡檢機器人信息平臺實時任務調(diào)度的均衡控制，通過多址協(xié)議參數(shù)設置，得到虛擬任務調(diào)度中的調(diào)度控制集合[15-16]。其實時任務容錯調(diào)度的迭代函數(shù)為：

(14)

在云計算平臺上，對數(shù)據(jù)中心巡檢機器人信息平臺中的虛擬任務進行任務優(yōu)先級控制。實時任務容錯調(diào)度的控制模型表達式如下所示：

(15)

其中，F(xiàn)(x)、f1(x)、f2(x)和fm(x)分別表示虛擬任務進行任務優(yōu)先級起始數(shù)據(jù)、第1個虛擬任務進行時的優(yōu)先級數(shù)據(jù)、第2個虛擬任務進行時的優(yōu)先級數(shù)據(jù)和第m個虛擬任務進行時的優(yōu)先級數(shù)據(jù)。

計算排隊時延并優(yōu)化任務調(diào)度集，得到數(shù)據(jù)中心巡檢機器人信息傳輸?shù)奶卣鞣植技瘽M足：

(16)

V={vij|i=1,2,…,c,j=1,2,…,s}

(17)

根據(jù)擴頻結果，得到數(shù)據(jù)中心巡檢機器人信息平臺的任務調(diào)度模糊聚類模型，根據(jù)上述分析，構建了巡檢機器人信息融合模型，根據(jù)信息融合結果，進行任務容錯調(diào)度算法的優(yōu)化設計[19-20]。

2.2 自適應反饋均衡及任務容錯調(diào)度

建立數(shù)據(jù)中心巡檢機器人信息平臺實時任務的輸出轉換控制模型，模糊聚類處理數(shù)據(jù)中心巡檢機器人信息，此過程采用模糊C均值聚類的方法，得到任務容錯調(diào)度模型中有n個輸入控制參量，m個輸出參量，數(shù)據(jù)中心巡檢機器人信息平臺的傳輸任務集合為P(ni)={pk|prkj=1,k=1,2,…,m}，其中，prkj表示巡檢機器人的輸出轉換控制信息輸出總量。建立優(yōu)先級屬性列表，得到實時任務容錯調(diào)度迭代方程為：

(18)

在節(jié)點的分布狀態(tài)下的任務信息集合中含有n個可控樣本變量，數(shù)據(jù)中心巡檢機器人信息管理系統(tǒng)中的任務調(diào)度集RTTs的表達式如公式(19)所示：

RTTs=(1-α)RTTs+αRTT

(19)

假設數(shù)據(jù)中心巡檢機器人信息平臺的管理處理機pi執(zhí)行調(diào)度任務nj的有效傳遞函數(shù)DR(pi,nj)定義為：

DR(pi,nj)=tsdPET(pi,nj)

(20)

其中，PET(pi,nj)表示數(shù)據(jù)中心巡檢機器人信息平臺的管理處理機pi執(zhí)行調(diào)度任務nj的無效傳遞函數(shù)。構建M輪調(diào)度集[21-22]。得到數(shù)據(jù)中心巡檢機器人信息平臺進行實時任務調(diào)度的輸出吞吐量為：

2.7 圖表 每幅圖單獨占1頁，集中附于文后，表格隨正文附出。圖表應按其在正文中出現(xiàn)的先后次序連續(xù)編碼，并應冠有圖(表)題。說明性的資料應置于圖(表)下方注釋中，并在注釋中標明圖表中使用的全部非共知共用的縮寫。本刊采用三橫線表(頂線、表頭線、底線)，如遇有合計或統(tǒng)計學處理行(如t值、P值等)，則在此行上面加一條分界橫線;表內(nèi)數(shù)據(jù)要求同一指標有效位數(shù)一致，一般按標準差的1/3確定有效位數(shù)。線條圖應墨繪在白紙上，高寬比例為5∶7左右。計算機繪制圖者應提供激光打印圖樣。凡能使用文字表達清楚的內(nèi)容，盡量不用表和圖，如使用表和圖，則文中不必重復其數(shù)據(jù)，只需摘述其主要內(nèi)容。

其中，Tinter、M和N分別表示數(shù)據(jù)中心巡檢機器人信息平臺進行實時任務調(diào)度的輸出吞吐量、行數(shù)和列數(shù)。

結合自適應反饋均衡方法進行巡檢機器人信息傳輸?shù)男诺谰庠O計，建立數(shù)據(jù)中心巡檢機器人信息平臺實時任務調(diào)度的空間動態(tài)規(guī)劃模型，以此得到隨機性調(diào)度輸出公式為：

(22)

根據(jù)上述分析，采用碼元調(diào)制方法進行信息平臺的實時任務容錯調(diào)度，結合自適應轉發(fā)控制解調(diào)技術進行實時任務容錯調(diào)度的沖突規(guī)劃設計[23]。實現(xiàn)流程如圖1所示。

圖1 任務容錯調(diào)度的沖突規(guī)劃算法實現(xiàn)流程

3 仿真實驗與結果分析

3.1 實驗環(huán)境及實驗指標

為了驗證本文所設計方法的可行性以及在實現(xiàn)數(shù)據(jù)中心巡檢機器人信息平臺實時任務容錯調(diào)度中的應用性能，結合Matlab進行仿真實驗分析。實驗數(shù)據(jù)選自艾瑞數(shù)據(jù)(數(shù)據(jù)庫網(wǎng)址為http://www.iresearch.cn)，數(shù)據(jù)中心巡檢機器人的信息傳輸延遲為12.6 ms，實時任務容錯調(diào)度的帶寬是12 dB～20 dB，對數(shù)據(jù)中心巡檢機器人信息采樣的頻率為16 kHz，實時任務容錯調(diào)度的數(shù)據(jù)量從100 MB到1 GB增長。

實驗指標如下：

1)任務容錯調(diào)度的延遲：指信息調(diào)度過程中，一個報文或分組從一個網(wǎng)絡的一端傳送到另一端所需要的時間。對一個網(wǎng)站終端發(fā)送任務數(shù)據(jù)包，看接收方是否符合限定要求，以此實現(xiàn)網(wǎng)絡調(diào)度的性能。

任務容錯調(diào)度的延遲計算公式如下：

(23)

其中：f表示容錯調(diào)度時延；l表示數(shù)據(jù)幀長度，單位為bit；v表示調(diào)度速率，單位為bit/s。

2)調(diào)度任務規(guī)模：調(diào)度任務規(guī)模是指在一定約束條件下，將網(wǎng)絡分配的符合條件的任務調(diào)配到規(guī)定任務中的合理范圍內(nèi)，以此作為判斷調(diào)度精度的指標。

3)容錯成功率：容錯率就是容許出現(xiàn)失誤的幾率。容錯成功率得到保證，可以在一定程度上增加調(diào)度的可靠性。通過將相關數(shù)據(jù)輸入到Excel函數(shù)中加以計算。

3.2 任務容錯調(diào)度的延遲對比分析

將本文算法與文獻[5]動態(tài)實時容錯調(diào)度啟發(fā)式算法、文獻[6]關鍵數(shù)據(jù)一次容錯調(diào)度算法、文獻[7]安全關鍵任務調(diào)度方法、文獻[8]具有時變慣性不確定性的自適應容錯調(diào)度跟蹤控制算法和文獻[9]加工集約束的均勻機器的任務容錯調(diào)度算法加以對比分析。根據(jù)上述仿真環(huán)境和參數(shù)設定，進行數(shù)據(jù)中心巡檢機器人信息平臺實時任務容錯調(diào)度，得到調(diào)度序列如圖2所示。

圖2 信息平臺實時任務序列

采用反饋均衡方法進行巡檢機器人信息傳輸?shù)男诺谰庠O計，結合碼元調(diào)制方法進行信息平臺的實時任務容錯調(diào)度，根據(jù)優(yōu)化后的調(diào)度結果，其輸出模式如圖3所示。

圖3 優(yōu)化后任務調(diào)度輸出

根據(jù)圖3可知，本文算法能有效實現(xiàn)數(shù)據(jù)中心巡檢機器人信息平臺實時任務調(diào)度，調(diào)度的容錯性較好。測試調(diào)度時延，在比較文獻[5]算法、文獻[6]算法、文獻[7]方法的基礎上，對比分析文獻[8]算法和文獻[9]算法，得到實時任務容錯調(diào)度的延遲對比結果見表1。

表1 實時任務容錯調(diào)度的延遲對比 單位: s

任務規(guī)模/Mb本文算法文獻[5]文獻[6]文獻[7]文獻[8]文獻[9]1000.140.540.690.660.240.152000.210.790.980.890.220.253000.370.801.120.960.380.404000.481.211.341.250.500.52

分析表1得知，本文算法進行數(shù)據(jù)中心巡檢機器人信息平臺實時任務容錯調(diào)度的延時較短，調(diào)度性能較好。在任務規(guī)模為100 Mb～200 Mb時，文獻[5]算法、文獻[6]算法、文獻[7]方法的調(diào)度延時平均為本文算法的4倍到5倍。文獻[8]算法和文獻[9]算法的調(diào)度延時略高于本文算法。本文算法構建的數(shù)據(jù)中心巡檢機器人信息平臺傳輸信道模型，在最優(yōu)傳輸控制協(xié)議下，實現(xiàn)機器人信息平臺傳輸優(yōu)化和容錯性調(diào)度，保障了任務容錯調(diào)度效率，降低了調(diào)度時延。不過本文算法也還存在未考慮之處：一方面，它未考慮樣本矢量中各維特征對分類的不同影響；另一方面，也未考慮不同樣本矢量對任務容錯調(diào)度效果的不同影響。

3.3 測試調(diào)度任務規(guī)模對比分析

測試調(diào)度任務規(guī)模，得到對比結果如圖4所示。分析得知，本文算法進行數(shù)據(jù)中心巡檢機器人信息平臺實時任務容錯調(diào)度的精度較高。

圖4 任務容錯調(diào)度的調(diào)度規(guī)模

由圖4可以看出，在任務規(guī)模不斷擴大的過程中，本文算法調(diào)度精度接近于100%，文獻[5]、文獻[6]和文獻[7]調(diào)度算法的調(diào)度精度呈現(xiàn)下降趨勢，尤其是文獻[6]算法下降速度最快，且當任務規(guī)模達到500 Mb時低至0.1。文獻[8]和文獻[9]任務容錯調(diào)度算法的調(diào)度精度接近本文算法，遠遠高于文獻[5]、文獻[6]和文獻[7]調(diào)度算法，主要原因在于本文算法進行數(shù)據(jù)中心巡檢機器人信息平臺實時任務調(diào)度的容錯性較好，信息平臺的信道均衡性較強。本文算法進行實驗操作，在數(shù)據(jù)中心巡檢機器人信息平臺的調(diào)度性能強，任務實時掌控效果佳，任務調(diào)度精度準確性較好，測試調(diào)度任務規(guī)?？刂圃诤侠矸秶鷥?nèi)。

3.4 容錯成功率對比分析

依據(jù)實驗數(shù)據(jù)，使用本文算法和文獻[5]算法、文獻[6]算法、文獻[7]方法、文獻[8]算法和文獻[9]算法依次進行實驗操作，共操作1000次，容錯成功率與錯誤發(fā)生時間點的關系如圖5所示。

圖5 容錯成功率與錯誤發(fā)生時間點的關系

由圖5可以看出，相較于簡單容錯算法，在任務執(zhí)行后期發(fā)生錯誤的情況下，本文算法能夠提高50%左右的容錯能力。文獻[8]和文獻[9]算法的容錯成功率接近本文方法，呈現(xiàn)下降的趨勢，而文獻[5]、文獻[6]和文獻[7]算法在錯誤發(fā)生時間點前期呈現(xiàn)下降的趨勢，隨著時間點的遷移，在0.7到0.8時，呈現(xiàn)上升趨勢。本文所采用的實時任務容錯調(diào)度算法的錯誤發(fā)生時間點最終控制在0.9，采用實時任務容錯調(diào)度算法，能夠通過優(yōu)先級提升的方式保證較高的關鍵容錯能力，大幅提升了系統(tǒng)任務調(diào)度的可靠性。在容錯成功率對比分析的基礎上，分析模糊C均值聚類，其是統(tǒng)計模式識別中無監(jiān)督模式分類的一個重要分支，在眾多的實現(xiàn)方法中模糊C均值算法成為最流行的算法之一，在一定程度上，對于本文算法起到一定的促進作用，但是隨著隨機性降低其魯棒性也降低。本文算法在實驗情況下未考慮隨機性對魯棒性影響的具體的性能分析，因此在以后的研究中可以就隨機性對魯棒性的影響進行具體分析。

4 結束語

基于數(shù)據(jù)中心巡檢機器人信息平臺，通過對數(shù)據(jù)中心巡檢機器人信息平臺的任務優(yōu)化調(diào)度，為提高數(shù)據(jù)中心巡檢機器人信息處理和集成調(diào)度能力，本文提出了一種基于自適應反饋均衡和碼元調(diào)制技術的數(shù)據(jù)中心巡檢機器人信息平臺實時任務容錯調(diào)度模型，采用模糊關聯(lián)規(guī)則調(diào)度方法進行路由沖突下數(shù)據(jù)中心巡檢機器人信息平臺傳輸?shù)淖顑?yōu)調(diào)度設計，提取待調(diào)度任務的關聯(lián)特征量，結合自適應反饋均衡方法進行巡檢機器人信息傳輸?shù)男诺谰庠O計和容錯性調(diào)度。本文算法創(chuàng)新點如下：一是構建了巡檢機器人信息融合模型；二是對數(shù)據(jù)中心巡檢機器人信息平臺中的虛擬任務進行任務優(yōu)先級控制。根據(jù)研究可知，本文算法進行數(shù)據(jù)中心巡檢機器人信息平臺任務調(diào)度的實時性和容錯性較好。