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！

龙图腾网获悉中国铁塔股份有限公司江苏省分公司申请的专利多边缘节点算力资源自适应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：CN121597428B 。

龙图腾网通过国家知识产权局官网在2026-04-28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：202610122421.4，技术领域涉及：G06F9/50；该发明授权多边缘节点算力资源自适应调度方法及系统是由鲍家坤;贾平胜;魏红道;费怡超;刘宇;杨少杰;朱心宇;王天柱;杨立仁;张凯翔;李慧;靳晓宁设计研发完成，并于2026-01-29向国家知识产权局提交的专利申请。

本多边缘节点算力资源自适应调度方法及系统在说明书摘要公布了：本申请涉及算力网络与边缘计算技术领域，公开了一种多边缘节点算力资源自适应调度方法及系统。通过任务级监控体系采集任务簇的执行性能指标输入标签、确定性网络性能指标输入标签和计算资源指标输出标签；基于包括目标任务簇和其他任务簇的混合训练集以及加权训练策略训练预测模型，从而建立执行性能指标和确定性网络性能指标与计算资源指标的精准映射关系；利用预测模型对与目标任务簇具有相同业务目标的新任务簇进行资源需求预测，并支持预测模型的持续更新学习。实现多边缘节点异构资源与确定性网络保障能力的协同感知，解决静态调度策略适应性差、模型泛化能力不足等问题，在保障业务服务质量的前提下，显著提升算力资源利用效率。

本发明授权多边缘节点算力资源自适应调度方法及系统在权利要求书中公布了：1.一种多边缘节点算力资源自适应调度方法，其特征在于，包括： 根据业务目标将各任务划分为多个任务簇，获取各任务簇每次完整执行业务的基础数据；其中，一个任务簇包括的各任务具有相同业务目标，基础数据包括：执行性能指标输入标签、确定性网络性能指标输入标签和计算资源指标输出标签； 基于基础数据构建包括目标任务簇的基础数据训练集和其他任务簇的基础数据训练集的混合训练集，设定目标任务簇的基础数据训练集权重高于其他任务簇的基础数据训练集权重，采用加权均方误差作为损失函数，训练得到算力资源需求预测模型； 获取待分配资源任务簇，设定待分配资源任务簇的执行性能指标，获取待分配资源任务簇的确定性网络性能指标；其中，待分配资源任务簇与目标任务簇具有相同业务目标； 基于执行性能指标和确定性网络性能指标构建预测输入向量，将预测输入向量输入算力资源需求预测模型，基于算力资源需求预测模型输出计算资源指标分配值的预测输出向量； 其中，所述设定目标任务簇的基础数据训练集权重高于其他任务簇的基础数据训练集权重，采用加权均方误差作为损失函数，训练得到算力资源需求预测模型，包括： 设定目标任务簇的基础数据训练集的样本权重为，其他任务簇的基础数据训练集的样本权重为；其中，； 获取基础模型并构建加权均方误差损失函数；其中，加权均方误差损失函数的表达式为： ； 其中，表示模型参数值，表示混合训练集，表示目标任务簇的基础数据训练集的样本数量，表示目标任务簇，，表示目标任务簇的基础数据训练集的第个样本的输入特征向量，为给定参数值以及目标任务簇的基础数据训练集的第个样本的输入特征向量的情况下算力资源需求预测模型的预测输出，表示算力资源需求预测模型的输入-输出映射关系，表示目标任务簇的基础数据训练集的第个样本的输出特征向量，表示其他任务簇的基础数据训练集的样本数量，表示其他任务簇，，表示其他任务簇的基础数据训练集的第个样本的输入特征向量，为给定参数值以及其他任务簇的基础数据训练集的第个样本的输入特征向量的情况下算力资源需求预测模型的预测输出，表示其他任务簇的基础数据训练集的第个样本的输出特征向量； 采用梯度下降法迭代训练基础模型；其中，迭代公式为： ； 其中，，表示加权均方误差损失函数的梯度； 当迭代轮数达到预设最大值或加权均方误差损失函数的绝对值小于预设阈值时，得到训练完成的算力资源需求预测模型。

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中国铁塔股份有限公司江苏省分公司，其通讯地址为：210018 江苏省南京市玄武区领智路56号2栋1-2层、5-8层；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。