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！

龙图腾网获悉浙江算力科技有限公司申请的专利基于时序图网络资源状态预测的计算任务调度方法及系统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：CN120492131B 。

龙图腾网通过国家知识产权局官网在2025-09-12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：202510976057.3，技术领域涉及：G06F9/48；该发明授权基于时序图网络资源状态预测的计算任务调度方法及系统是由尹小康;景荣炜;王徐;李振宇;李旭晖;周旭峰;张聪;吴章新;李荣亮设计研发完成，并于2025-07-16向国家知识产权局提交的专利申请。

本基于时序图网络资源状态预测的计算任务调度方法及系统在说明书摘要公布了：本发明公开了一种基于时序图网络资源状态预测的计算任务调度方法及系统，涉及计算资源分配技术领域，方法包括：基于算力节点采集算力资源状态数据，并建模为时序异构图数据；构建时序异构图注意力网络THGAT模型，并以节点特征和边特征预测损失作为损失函数、以最小化预测误差为目标，对THGAT模型进行离线训练；将时序异构图数据输入THGAT模型，对未来时间窗口的资源状态进行预测；将计算任务转换为计算需求向量，采用多目标优化资源分配THGATRM算法，根据对应时间窗口的资源状态对计算任务进行算力资源分配；根据算力资源分配方案执行计算任务。通过本发明的技术方案，提升了算力资源预测的准确性，实现了资源的高效分配与优化。

本发明授权基于时序图网络资源状态预测的计算任务调度方法及系统在权利要求书中公布了：1.一种基于时序图网络资源状态预测的计算任务调度方法，其特征在于，包括： 基于算力节点采集异构算力网络的算力资源状态数据，并建模为时序异构图数据； 构建时序异构图注意力网络THGAT模型，并以节点特征预测损失和边特征预测损失作为损失函数、以最小化预测误差为目标，对所述THGAT模型进行离线训练； 将所述时序异构图数据输入所述THGAT模型，对所述算力网络未来时间窗口的资源状态进行预测； 将用户请求的计算任务转换为计算需求向量，采用多目标优化资源分配THGATRM算法，根据对应时间窗口的资源状态对所述计算任务进行算力资源分配； 根据算力资源分配方案执行计算任务； 采用多目标优化资源分配THGATRM算法，根据对应时间窗口的资源状态对所述计算任务进行算力资源分配，具体方法包括： 根据所述THGAT模型预测得到的节点算力资源状态以及计算需求向量，为所述计算任务对应的每类资源需求生成候选资源集； 根据所述候选资源机生成满足所有资源需求和互联约束的有效资源组合，其中，约束条件包括：满足所有资源需求、满足任务截止时间、满足预算限制、满足资源可用性以及满足网络连接要求； 针对每个有效资源组合，根据最小化任务完成时间、最小化资源成本、最小化能耗以及最大化资源利用率的优化目标和对应权重，计算得到多目标综合评分； 针对评分最高的前预设数量个有效资源组合，寻找最佳的开始时间窗口； 选择多目标综合评分最高且有可行时间窗口的有效资源组合作为所述计算任务的算力资源分配方案； 其中，所述THGAT模型包括异构图编码器、边特征增强的关系感知注意力层、时序信息融合模块和多步预测解码器； 所述异构图编码器用于对不同类型的节点和边的特征进行处理； 边特征增强的所述关系感知注意力层对节点和边的特征进行关系感知变换，采用K头注意力机制计算边特征增强的注意力分数，并对同类型边的邻居节点进行注意力权重归一化，同时引入边特征直接调制消息内容，对每个中心节点聚合不同变类型和不同邻居节点的多头注意力消息； 所述时序信息融合模块通过门控循环单元GRU捕捉时间依赖关系，将每个时间步的空间聚合信息直接参与时间状态更新； 所述多步预测解码器根据每个算力节点在特定时刻的最终表示，采用多任务学习框架预测算力节点的动态特征和边动态特征。

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浙江算力科技有限公司，其通讯地址为：311121 浙江省杭州市余杭区仓前街道景兴路999号3幢201-8室；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”。