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！

龙图腾网获悉南京邮电大学申请的专利一种基于编码分布式计算和超图神经网络的异构算力网络高可靠资源调度优化方法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：CN119603144B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411737179.9，技术领域涉及：H04L41/0823；该发明授权一种基于编码分布式计算和超图神经网络的异构算力网络高可靠资源调度优化方法是由朱晓荣;王伟岸;周江乐设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于编码分布式计算和超图神经网络的异构算力网络高可靠资源调度优化方法在说明书摘要公布了：发明公开了一种基于编码分布式计算和超图神经网络的异构算力网络高可靠资源调度优化方法，首先，构建了一个多层次资源表征模型，利用超图神经网络捕捉异构节点间的高阶关联，从而优化动态资源调度的精度与效率；其次，引入了编码分布式计算策略，通过冗余负载分配应对边缘节点失效，增强了系统的稳定性，为了进一步提升调度优化，提出了结合超图神经网络与粒子群优化的混合算法框架，该框架利用超图建模来捕捉网络中异构节点的高阶关联性，同时结合粒子群优化算法，能够有效处理离散性和非连续性问题。最终，该混合算法在保证求解质量的同时提升了运算效率，实现了高效的资源调度优化；展示了其在未来6G应用场景中广泛的应用潜力。

本发明授权一种基于编码分布式计算和超图神经网络的异构算力网络高可靠资源调度优化方法在权利要求书中公布了：1.一种基于编码分布式计算和超图神经网络的异构算力网络高可靠资源调度优化方法，其特征在于，具体包括以下步骤： 步骤1：构建云边端异构资源协同调度的算力网络模型；所述步骤1中的算力网络模型通过多层次的资源表征模型实现云、边、端三层资源的优化配置具体包括以下： 11业务设备层：设备用qi表示，每个设备不断地采集业务数据，并产生各种计算任务； 设备通过异构无线网络接入边缘层的AP；基于应用的QoSQoE需求，每个设备将任务卸载到边缘层和云中心层进行进一步的处理； 12边缘层：该层包含多个AP、任务管理控制器和边缘计算节点；设定每个AP配备一个边缘服务器，记为Es，共有E个；边缘计算节点记为nj，j∈{1,2,...,J}；边缘计算节点和边缘服务器功能是一样的，通过异构无线链路与任务管理控制器进行任务传输，完成编码分布式计算； 13云中心层：本地云服务器由多个中心服务器CS组成，提供丰富的资源来执行大规模计算；此外该层还提供应用管理、全局控制和弹性服务功能； 步骤2：构建基于超网络的算力网络多层资源表征模型；所述步骤2中所述构建基于超网络的算力网络多层资源表征模型包括21算力业务需求表征、22逻辑功能资源表征、23物理网络资源表征和24控制管理资源表征； 21算力业务需求表征：其中业务集合B包含网络中所有业务请求的集合，用于表示不同业务在云、边、端之间的分布情况，其中每个业务Bi包含其独立的需求特征和资源约束；每个时隙t，对于一个APe所对应的设备qi,e随机产生一个业务记为用来表示业务需求层中业务的固有属性、限制条件和性能需求；以业务为例，其中表示业务的数据量大小，表示计算所需业务需要的浮点计算量，为数据计算阶段的计算量相对于整个任务所需计算量的比例，为数据计算阶段的并行计算量相对于整个数据计算阶段的比例，表示业务的传输速率要求，为我们给定一个业务执行的最大允许时延；表示业务需求层中业务依赖关系集合，22逻辑功能资源表征：其中，表示功能资源网络的所有微服务集合，定义为： 表示功能资源网络的虚拟网络功能集合，表示为： 其中vnfg表示某种VNF类型g，对于特定类型的虚拟网络功能vnfg定义如下： vnfg＝Φmsg1,msg2,...,msgH其中Φ·表示对于网络功能VNF的功能函数，选择gH个相应的微服务并组合起来实现特定网络功能vnfg；这种微服务化的VNF更好地适应业务需求的变化,实现快速迭代和持续集成； 为功能资源网络中所有服务功能链集合，其中每条服务功能链由n个VNF实例构成，表示为23物理网络资源表征：其中为物理网络中所有的实体设备集合，代表第n个物理实体；假设物理实体的标识定义为： 其中，Q表示物理实体的类型集合Q＝{q,Es,n,CS}，代表实体设备的自身设备信息集合，代表实体设备的属性行为集合；在实际网络中某个实体设备的类型和设备信息由标签来唯一确定，的行为定义为： 其中，{·}top、{·}per、{·}res分别对应着拓扑行为、性能行为和资源行为；对于拓扑行为包括的从属关系邻接关系和连通度等；性能行为包括的传输速率Cn、延时tn和功率pn等；资源行为包括的计算资源fn、存储资源ln和通信资源βn等；24控制管理资源表征：其中，表示中管理单元Man的集合，表示中控制单元Con的集合，管理单元直接与算力活动一一对应，控制单元直接与功能资源系统相连，每个管理单元至少要连接一个控制单元，管理单元层和控制单元层之间存在通信关系；每个管理单元独立承担一部分资源的管理职责，并通过协同机制与其他单元交换信息，实现资源的最优分配与调度； 定义IC表示一个管理单元所负责的控制单元的个数，即内部管理能力；EC表示中一个管理单元的外部协作能力，表示一个管理单元直接协同的其他管理单元的个数； 状态变量的表述：“任务单元—功能资源”配给变量hij，“管理单元—控制单元”配给变量xmj，“管理单元—任务单元”配给变量pmi； 由此得到一个管理单元的内部管理能力IC和外部协作能力EC，表示为： ECManm理解为管理单元Manm和管理单元Mann同时协作完成的算力活动个数； 任务卸载策略集合Ψ：描述将业务任务从本地设备卸载到边缘节点或云端服务器的策略；算力网络多层资源调度的TO策略包括卸载比例策略和边缘侧选择策略其中表示本地设备qi,e将任务卸载到本地边缘侧Ese的卸载比例，为本地Ese选择到非本地MEC服务器的卸载比例，表示本地Ese到云中心层CSc的卸载比例，表示每个本地的Ese只能选择一个非本地的来执行边缘侧的协同计算； 步骤3：在边缘侧引入编码分布式计算，充分利用边缘层的算力，为计算任务提供低延迟和高可靠的计算服务； 步骤4：以最小化处理任务的总延迟为优化目标，建立联合任务卸载和异构资源分配问题； 步骤5：将云边端异构算力网络抽象为超图，包括对图结构数据和非图结构数据进行分类建模，构建超边组； 步骤6：利用HyperGNNs的转换函数对网络中的高阶相关性进行建模和优化，以提高资源调度的精度和效率； 步骤7：采用粒子群优化算法，来寻找最优的资源调度解。

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南京邮电大学，其通讯地址为：210000 江苏省南京市鼓楼区新模范马路66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。