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！

龙图腾网获悉山东未来网络研究院(紫金山实验室工业互联网创新应用基地)申请的专利一种面向多云环境任务的图增强两级架构A3C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：CN120179340B 。

龙图腾网通过国家知识产权局官网在2025-08-19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：202510660257.8，技术领域涉及：G06F9/455；该发明授权一种面向多云环境任务的图增强两级架构A3C调度方法及系统是由郑静雅;陶高峰;马中俊;沈炎彬设计研发完成，并于2025-05-22向国家知识产权局提交的专利申请。

本一种面向多云环境任务的图增强两级架构A3C调度方法及系统在说明书摘要公布了：本发明涉及云计算技术领域，尤其是涉及一种面向多云环境任务的图增强两级架构A3C调度方法及系统。方法，包括：获取云用户任务数据；基于获取的云用户任务数据构建异构调度图；基于异构调度图进行GNN嵌入计算；基于GNN嵌入计算设计分层调度架构分别处理不同力度的映射任务；根据映射任务的处理结果进行奖励计算；输出最优策略。本方案在能耗与计费模型中进一步精细化，该模型不仅考虑子任务通信能耗，还支持按需、预留与竞价实例的分层计费策略，确保调度决策更贴近真实云平台的能耗与成本结构。

本发明授权一种面向多云环境任务的图增强两级架构A3C调度方法及系统在权利要求书中公布了：1.一种面向多云环境任务的图增强两级架构A3C调度方法，其特征在于，包括： 获取云用户任务数据； 基于获取的云用户任务数据构建异构调度图； 基于异构调度图进行GNN嵌入计算； 基于GNN嵌入计算设计分层调度架构分别处理不同力度的映射任务； 根据映射任务的处理结果进行奖励计算； 输出最优策略； 所述基于获取的云用户任务数据构建异构调度图，包括针对云用户提供的任务,其中每个任务被划分为若干子任务，每个子任务的长度、数据块大小、截止时间由特征向量描述，所有可用虚机记为，每台虚机的处理能力、内存和网络带宽由特征向量描述，物理节点记为，将子任务、虚机和物理机构成三层异构图节点集为，边集包含子任务–虚机映射候选边、VM–PM归属边、同一任务下子任务间的数据依赖边； 所述基于异构调度图进行GNN嵌入计算，包括将图结构信息与通过若干层图神经网络GNN计算得到低纬状态表征，表示为： ， 其中：表示节点第层的隐藏状态，当为0时，定义；表示所有与节点直接相连的邻居节点集合，边的类型通过不同权重矩阵或注意力机制加以区分；为第层的可学习权重矩阵，用于对来自邻居节点的隐藏状态进行线性变换；为第层的偏置向量；为逐元素非线性激活函数，用于增强模型的表达能力； 所述基于GNN嵌入计算设计分层调度架构分别处理不同力度的映射任务，包括在第一层调度中实现子任务至虚机的类别映射，其中，输入状态为所有子任务节点的GNN嵌入，以及三种虚机类别的公共嵌入，并对每个子任务计算类别选择分布，从分布中取最大概率，得到类别决策，表示为： ， 其中，表示第一层智能体在当前子任务状态下，选择VM类别的概率分布；为子任务节点通过GNN得到的d维隐藏表征，为预先定义的代表三种VM类别的类别嵌入向量，为将子任务表征与三个类别表征按顺序串联得到的向量，作为第一层Actor的输入特征，为第一层Actor的可学习权重矩阵，将输入特征线性映射到类别空间； 所述基于GNN嵌入计算设计分层调度架构分别处理不同力度的映射任务，还包括利用第二层实现子任务到具体VM的映射，其中，对于每个子任务节点，根据第一层的输出，限缩候选VM集合为类别下的VM子集，Actor网络L2接收子任务嵌入与该子集所有VM嵌入，并输出具体VM选择分布，表示为： ， 其中，表示第二层智能体在当前子任务和其所属VM类别下候选VM子集的状态输入下，选择第台具体VM的概率；为子任务在第一层已选定类别对应的所有VM的GNN嵌入集合；表示将子任务与该类别下K台候选VM的嵌入按顺序串联后得到的向量，作为第二层Actor的输入；为第二层Actor的可学习权重矩阵，将输入特征映射到K维的虚机类别空间； 所述根据映射任务的处理结果进行奖励计算，包括设定奖励为加权和，其中：、和分别为最大完工时间、总能耗和资源成本三项物理量的相对权重，、和为三项物理量的相对权重，通常根据任务SLA严格度动态调整，且满足三者和为1；设计Critic网络输出为三维值函数，三维值函数分别预测从当前状态出发的未来累积回报，且存在以下关系表示为：， 其中：为第t个调度时隙的系统状态，由GNN嵌入与其他特征构成；为折扣因子，用以控制未来回报的衰减程度；、、分别表示在时隙t顶层调度完成后测得的当前最大完工时间、总能耗和总资源成本； 所述根据映射任务的处理结果进行奖励计算，还包括对于每台虚机执行完分配给的所有子任务所需的总时间包括计算时间与通信时间，其中，执行时间计算方式为： ， 其中：指示子任务是否映射到虚机；为子任务的计算量；为虚机的处理速率；通信时间计算方式为： ， 其中指示同一任务的子任务l和k是否被映射到不同虚机，若被映射到同一虚机上，则无需通信，表示子任务间需要交换的数据量，表示两者之间的网络带宽； 所述根据映射任务的处理结果进行奖励计算，还包括基于执行能耗、通信能耗两部分计算总能耗，其中，执行能耗计算方式为： ， 其中为虚机在满负载时的功率消耗；通信能耗计算方式为，其中为网络传输的平均功率消耗；则总能耗为； 所述根据映射任务的处理结果进行奖励计算，还包括基于多云环境中不同虚机支持多种计费模式，令、和和分别为虚机在三种模式下的单位时间计费金额，、和对应不同模式的权重，则资源成本计算方式为： 。

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未来网络研究院(紫金山实验室工业互联网创新应用基地)，其通讯地址为：250002 山东省济南市市中区山东大学国家大学科技园7号楼14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”。