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！

龙图腾网获悉华北电力大学;阿里云计算有限公司申请的专利基于人工智能的算力任务-资源动态组合优化调度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：CN118964027B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202411095281.3，技术领域涉及：G06F9/50；该发明授权基于人工智能的算力任务-资源动态组合优化调度方法是由丁肇豪;李欣然;闫月君设计研发完成，并于2024-08-12向国家知识产权局提交的专利申请。

本基于人工智能的算力任务-资源动态组合优化调度方法在说明书摘要公布了：本发明公开了基于人工智能的算力任务‑资源动态组合优化调度方法，本发明面向拥有不同硬件配置和用能特性服务器的异质数据中心环境，考虑不同类型算力任务异质资源请求特性和时延容忍度特性，建立了异质算力任务与异质资源匹配优化模型；实现了适配异质数据中心大规模算力任务调度底层逻辑的异质任务‑异质资源动态组合优化马尔科夫决策建模；构建了有向无环图神经网络‑指针网络‑软演员评论家的端到端算法框架，基于此解决了海量高维异构异质算力任务表征问题，实现了异质任务‑异质资源动态组合优化在线高效调度；具有可扩展性和泛化性，小规模算力任务场景训练收敛的模型可扩展应用至不同大规模算力任务场景。

本发明授权基于人工智能的算力任务-资源动态组合优化调度方法在权利要求书中公布了：1.基于人工智能的算力任务-资源动态组合优化调度方法，其特征在于：包括以下步骤： 对异质数据中心环境进行精细化建模，得到异质数据中心环境精细化模型，包括： 根据不同硬件配置的服务器对应的用能特性对异质数据中心配置的不同类型服务器资源占用和能耗特性进行精细化建模： 根据不同类型算力任务随机的到达时间、执行时长、异质资源请求、内部依赖结构和时延容忍度，将数据中心异质算力任务的特征建模为有向无环图结构，其中，将算力任务的到达轨迹记为，一个所述算力任务包含：作业信息，以及作业之间的依赖关系信息，作业之间的依赖关系信息表示为算力任务的相邻边集合和邻接矩阵，为有向无环图神经网络运算提供基本信息，记为： 其中，第个算力任务的第个作业具有的高维异质特征包括：cpu占用率、mem占用率、disk占用率、net占用率、执行时长:以及延迟容忍度； 将异质数据中心环境精细化模型构建成传统马尔科夫决策模型； 对所述传统马尔科夫决策模型进行优化，形成适配数据中心大规模动态算力任务调度底层逻辑的异质任务-异质资源动态组合优化双层马尔科夫决策模型，根据优化形成的模型在有向无环图神经网络-指针网络-软演员评论家强化学习算法框架下进行调度，包括： 将所述传统马尔可夫决策模型改进为异质任务-异质资源动态组合优化双层马尔科夫决策模型，使之适配数据中心大规模动态算力任务调度的底层逻辑，把具有N维动作的传统马尔科夫决策模型重构为包含N个1维动作序列的组合优化马尔科夫决策模型，对重构组合优化马尔科夫决策模型的动作价值函数进行定义，并针对该重构组合优化马尔科夫决策模型，构建了一个新的动作价值函数； 将指针算法嵌入软演员评论家算法框架内，解决异质任务-异质资源动态组合优化导致的时序动态排列问题，使用软策略进行迭代得到最大化目标，同时在最大熵框架内交替进行策略评估和策略改进，包括指针网络软策略评估、指针网络软策略提升和指针网络软策略迭代； 将指针算法嵌入软演员评论家算法框架内，首先利用指针网络编码器进行编码得到特征向量，再利用解码器结合注意力计算方法以自回归的方式逐步构造解，得到条件概率： 其中，给定训练对，表示待训练策略序列，作为编码器的输入被依次读入，最终编码得到存储输入序列信息的向量V，同时编码器在计算过程中得到每个匹配对的隐层状态； 通过解码器对向量V进行解码，解码器读入V，输出第一层隐层状态，利用注意力机制根据和编码器得到的各匹配对的隐层状态计算各个匹配对的概率，选择概率最大的匹配对作为第一步的匹配对，解码器读入上一步的隐层输出和匹配对的特征向量，输出当前的隐层状态，根据和各匹配对的计算选择各个匹配对的概率，当选择的匹配对不满足资源上限约束，或者当出现空动作时，指针网络停止输出； 利用离散软演员评论家算法对指针网络参数进行优化，找到一个策略，随着时间推移最大化折扣回报： 最终形成有向无环图神经网络-指针网络-软演员评论家强化学习算法端到端训练框架，实现实时在线决策。

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华北电力大学;阿里云计算有限公司，其通讯地址为：102206 北京市昌平区朱辛庄北农路2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”。