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！

龙图腾网获悉杭州电子科技大学申请的专利面向深度强化学习模型训练的异构算力资源配置优化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：CN119271398B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202411293615.8，技术领域涉及：G06F9/50；该发明授权面向深度强化学习模型训练的异构算力资源配置优化方法是由王潇;程雨夏;贾刚勇;吴卿设计研发完成，并于2024-09-14向国家知识产权局提交的专利申请。

本面向深度强化学习模型训练的异构算力资源配置优化方法在说明书摘要公布了：发明公开了面向深度强化学习模型训练的异构算力资源配置优化方法，针对model‑basedMuzero系列算法的核心组件，构建了一个异构图来描述组件的特征以及数据流动关系，基于多头注意力的节点‑边编码器将节点和边的特征映射到同一隐藏空间，利用汇总的全局特征预测不同配置下的算法训练时间。再利用模拟退火算法，根据模型输出的预测训练时间进行配置优化。根据优化后的配置分配CPU资源、GPU资源和内存资源，进行训练任务。根据训练结果计算资源均衡因子，评估资源配置方案，持续监控与优化。该方法实现模型训练过程中性能与资源消耗间的最佳平衡，显著提升模型训练的效率和效果，降低了复杂场景下资源配置优化的技术难度。

本发明授权面向深度强化学习模型训练的异构算力资源配置优化方法在权利要求书中公布了：1.面向深度强化学习模型训练的异构算力资源配置优化方法，其特征在于：具体包括以下步骤： 步骤1、运行时间预测 构建一个预测模型，以model-basedMuzero系列算法中的组件作为节点，组件间的交互关系作为边，使用异构图来描述组件间的关系，将节点和边的特征映射到同一隐藏空间，并使用多头注意力机制细化节点对其邻接节点的注意力分布，更新节点特征；最后对所有节点和边的特征进行全局汇总，根据全局特征预测model-basedMuzero系列算法的运行时间根据预测的运行时间与实际运行时间优化预测模型的参数； 步骤2、计算资源配置优化 设定model-basedMuzero系列算法的配置参数，执行基线测试，记录历史运行数据H； 使用模拟退火算法优化model-basedMuzero系列算法的资源配置方案，将模拟退火算法中的状态设置为model-basedMuzero系列算法的配置参数；将温度设置为接受次优解概率的调节参数；将能量设置为预测模型输出的对应配置下的预测训练时间；迭代优化至达到预设温度或预设迭代次数时，输出当前状态对应的配置参数Scurrent； 基于配置参数Scurrent和历史运行数据H，动态分配CPU、GPU和内存资源，完成model-basedMuzero系列算法的训练。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。

以上内容由龙图腾AI智能生成。