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！

龙图腾网获悉贵州大学申请的专利基于深度强化学习的多数据中心绿电优化调度方法和装置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：CN121597373B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202610101808.1，技术领域涉及：G06F9/48；该发明授权基于深度强化学习的多数据中心绿电优化调度方法和装置是由唐武勤;李冰;张靖;何宇;胡克林;严儒井;范璐钦设计研发完成，并于2026-01-26向国家知识产权局提交的专利申请。

本基于深度强化学习的多数据中心绿电优化调度方法和装置在说明书摘要公布了：本申请提供基于深度强化学习的多数据中心绿电优化调度方法和装置，属于智能调度技术领域。本申请提供的方法，包括：对多数据中心节点进行资源建模，确定各节点的资源参数及可再生能源随时间变化的出力特性；对具有层级结构的计算任务进行建模，将计算任务分解为跨数据中心迁移的层级任务单元；基于资源建模结果和计算任务建模结果，构建多数据中心仿真环境，生成智能体的输入状态向量；设计智能体的动作空间；设计奖励函数；基于近端策略优化算法，在仿真环境中，以输入状态向量为输入，结合动作空间和奖励函数开展多轮训练，迭代更新调度策略，直至调度策略在综合性能指标上达标；将达标后的调度策略应用于真实多数据中心环境，优化调度任务。

本发明授权基于深度强化学习的多数据中心绿电优化调度方法和装置在权利要求书中公布了：1.一种基于深度强化学习的多数据中心绿电优化调度方法，其特征在于，所述方法包括： 对多数据中心节点进行资源建模，确定各节点的资源参数及接入的可再生能源随时间变化的出力特性； 对具有层级结构的计算任务进行建模，将所述计算任务分解为跨数据中心迁移的层级任务单元； 基于资源建模结果和计算任务建模结果，构建多数据中心仿真环境，生成智能体的输入状态向量； 设计所述智能体的动作空间，动作定义为目标数据中心节点的选择与在所述目标数据中心节点连续执行的任务层数的联合决策；其中，确定动作的第一决策维度为目标数据中心节点选择，从所有可用的多数据中心节点中筛选符合当前资源与绿电状态适配要求的节点作为候选目标节点；确定动作的第二决策维度为连续执行任务层数确定，根据候选目标节点的算力富余程度、绿电供给水平及任务迁移成本，设定合理的连续执行层数范围；定义动作的执行逻辑；设定动作的约束条件； 设计奖励函数；所述奖励函数以可再生能源的出力特性、仿真环境的运行状态及动作执行后的反馈为评价依据，从多个维度对智能体的调度决策进行优劣评价；其中，确定奖励函数的评价维度；所述评价维度包括绿电利用水平、任务时延和网络拥塞程度；设定绿电利用水平维度的正向奖励规则；设定任务时延维度的惩罚规则；设定网络拥塞维度的惩罚规则；为各评价维度配置权重系数，通过加权求和确定奖励函数； 基于近端策略优化算法，在所述仿真环境中，以所述输入状态向量为输入，结合所述动作空间和奖励函数开展多轮训练，迭代更新调度策略，直至调度策略在综合性能指标上达标； 将达标后的调度策略应用于真实多数据中心环境，优化调度任务； 所述对具有层级结构的计算任务进行建模，将所述计算任务分解为跨数据中心迁移的层级任务单元，包括： 筛选具有层级结构的目标计算任务，所述目标计算任务为具备按层前向执行特征的计算任务； 通过离线分析工具对所述目标计算任务进行特征提取，获取所述目标计算任务各层的浮点运算量和中间激活数据量； 基于提取的各层浮点运算量和中间激活数据量，将所述目标计算任务的前向传播过程转化为有序排列的层级任务序列； 基于层级任务单元的计算量和中间数据量，设定迁移适配规则，确定单个层级任务单元或若干连续层级任务单元组合形成的执行片段的迁移条件。

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贵州大学，其通讯地址为：550025 贵州省贵阳市花溪区甲秀南路515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”。

以上内容由龙图腾AI智能生成。