Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东征途信息科技股份有限公司王征获国家专利权

山东征途信息科技股份有限公司王征获国家专利权

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!

龙图腾网获悉山东征途信息科技股份有限公司申请的专利一种基于深度学习的算力资源优化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:CN120560859B

龙图腾网通过国家知识产权局官网在2025-12-30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:202511052755.0,技术领域涉及:G06F9/50;该发明授权一种基于深度学习的算力资源优化方法及系统是由王征;王波;刘帅;王春燕;陈明设计研发完成,并于2025-07-30向国家知识产权局提交的专利申请。

一种基于深度学习的算力资源优化方法及系统在说明书摘要公布了:本发明涉及数据处理技术领域,特别是一种基于深度学习的算力资源优化方法及系统,包括:获取数据中心内的服务器和应用实例的运行指标数据;将服务器和应用实例的拓扑关系抽象为时序动态异构图;将所述时序动态异构图输入至一个时空图神经网络模型,用于捕捉资源的空域依赖和时序演化特性,从而提取各节点在未来时间步长的上下文特征嵌入;将所述上下文特征嵌入输入至一个条件变分自编码器模型,生成表征未来资源需求的多维概率分布;将所述多维概率分布作为状态,输入至一个多目标深度强化学习模型,输出用于调整各应用实例算力分配的全局优化调度策略。本发明的方法实现了数据中心运营效益的全面提升。

本发明授权一种基于深度学习的算力资源优化方法及系统在权利要求书中公布了:1.一种基于深度学习的算力资源优化方法,其特征在于,包括以下步骤: 获取数据中心内的服务器和应用实例的运行指标数据,包括CPU利用率、内存使用量、网络IO和磁盘IO;将服务器和应用实例的拓扑关系抽象为时序动态异构图,其中服务器和应用实例为节点,运行指标数据为节点属性,节点间的资源依赖关系和通信关系为边;时序动态异构图包含至少两种类型的节点,即服务器节点和应用实例节点,以及至少两种类型的边,分别表示服务器对应用实例的资源依赖关系和应用实例之间的通信关系;若一个应用实例部署在某个服务器上,则建立一条从服务器指向应用实例的边,表示资源依赖关系;若两个应用实例间存在API调用或数据交换,则根据网络流量监控数据建立一条边,表示通信关系; 将时序动态异构图输入至一个时空图神经网络模型,时空图神经网络模型融合图卷积网络和循环神经网络,用于捕捉资源的空域依赖和时序演化特性,从而提取各节点在未来时间步长的上下文特征嵌入; 将上下文特征嵌入输入至一个条件变分自编码器模型,生成表征未来资源需求的多维概率分布,多维概率分布量化了各节点资源需求的期望值与不确定性; 将多维概率分布作为状态,输入至一个多目标深度强化学习模型,其奖励函数是一个综合了服务等级协议满足度、系统能耗、资源碎片化程度和迁移代价的加权函数,通过最大化累积奖励,多目标深度强化学习模型输出用于调整各应用实例算力分配的全局优化调度策略; 奖励函数中的系统能耗项与数据中心内所有活动状态的服务器的总能耗预测值成反比,其中单个服务器的能耗被建模为服务器资源利用率的一个增函数;奖励函数中的资源碎片化程度项与各服务器上未分配资源分布的不均匀性成反比,不均匀性通过量化可用资源在服务器内部各物理单元间分布的离散程度来确定。

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山东征途信息科技股份有限公司,其通讯地址为:271600 山东省泰安市肥城市工业三路科技孵化器大楼A座5018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”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。