公开(公告)号：CN118672775A

公开(公告)日：2024-09-20

申请号：CN202410744830.9

申请日：2024-06-11

Applicant: 中国科学院计算机网络信息中心

Inventor： 范琮珊 ,  周旭 ,  范鹏飞 ,  宋晓涛 ,  任勇毛 ,  任双印 ,  王敬超

IPC: G06F9/50 ,  G06F9/48

Abstract: 一种机动性算力网络算力资源的动态度量方法，应用于机动性算力网络，机动性算力网络包括至少一个算力集群，每个算力集群中包括多个算力节点，算力节点可以移动，且任意数量个算力节点之间可以组网，方法包括：确定各个算力节点的算力资源指标，以及各个算力资源指标的测算值；其中，算力资源指标包括在线率指标；基于各个算力资源指标的测算值，构建每个算力节点的算力空间，确定符合作业所需求的算力节点集合；通过熵权法，对算力空间中各个算力节点的测算值进行评估，确定评估结果；基于评估结果，将作业调度至算力最优的算力节点。本方法可以提高机动性算力网络的算力的整体利用率。

公开(公告)号：CN117896306A

公开(公告)日：2024-04-16

申请号：CN202311834118.X

申请日：2023-12-28

Applicant: 中国科学院计算机网络信息中心

Inventor： 马国圆 ,  任勇毛 ,  周旭 ,  范鹏飞 ,  任双印 ,  王敬超

IPC: H04L45/02 ,  G06F9/50 ,  G06N3/042 ,  G06N3/092 ,  H04L45/12 ,  H04L67/10

Abstract: 本发明提供了一种基于深度强化学习和图神经网络的算力路由方法和系统，旨在通过智能代理的学习和决策，实现高效、可靠的算力资源分配和任务调度。该方法包括：进行算网资源感知；根据任务需求和节点的评估信息进行计算节点选择；利用基于图神经网络的包含深度强化学习代理的控制器进行路由路径决策，确定从起始节点到目的节点的路由路径；将确定的路由路径转发至算力网络中的节点，并更新节点和网络的状态信息。本发明基于强化学习算法，并通过图神经网络定义状态、动作和奖励函数，能够从状态空间中学习最优的路由策略。通过实验验证，本发明能够有效地完成更多计算任务的分配，并在不同的网络拓扑结构和任务负载条件下保持稳定性和可靠性。