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！

龙图腾网获悉中国科学技术大学申请的专利一种基于深度强化学习的GPU集群调度策略优化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：CN120821575B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202511034248.4，技术领域涉及：G06F9/50；该发明授权一种基于深度强化学习的GPU集群调度策略优化系统是由乔琦;李厚强;周文罡设计研发完成，并于2025-07-25向国家知识产权局提交的专利申请。

本一种基于深度强化学习的GPU集群调度策略优化系统在说明书摘要公布了：本发明公开了一种基于深度强化学习的GPU集群调度策略优化系统，包括模拟环境层、强化学习层和策略评估层，模拟环境层用于提供真实可信的GPU集群调度环境，复现实际集群调度的核心机制，同时提供可控的实验条件，便于策略的对比评估和迭代优化；强化学习层基于深度神经网络将GPU集群调度问题转化为马尔可夫决策过程，并应用强化学习策略获得最优调度策略；策略评估层统计各项关键指标，对多种调度策略进行对比分析，并将分析结果进行可视化展示，实现GPU集群调度策略的优化。该系统解决了传统调度器的时序短视问题，使调度决策能够考虑对未来的影响，实现全局优化而非局部优化，提高整体资源利用效率。

本发明授权一种基于深度强化学习的GPU集群调度策略优化系统在权利要求书中公布了：1.一种基于深度强化学习的GPU集群调度策略优化系统，其特征在于，所述系统包括模拟环境层、强化学习层和策略评估层，其中： 所述模拟环境层用于提供真实可信的GPU集群调度环境，复现实际集群调度的核心机制，包括资源约束检查、多轮调度流程、任务队列管理，同时提供可控的实验条件，便于策略的对比评估和迭代优化；其中，所述模拟环境层具体包括： 集群状态管理器，用于维护虚拟集群的完整状态信息，包括各节点的资源配置、当前使用情况、运行中的任务列表；在所述集群状态管理器中，每个虚拟节点包含三种资源：CPU、内存和GPU；节点状态实时跟踪各资源的总量、已分配量和剩余量；任务Pod用三维资源需求向量表示，支持纯CPU任务、单GPU任务、多GPU任务； 任务生成器，用于根据配置的负载模式生成多样化的任务流，模拟实际生产环境中的工作负载特征；在所述任务生成器中包括三类任务：大内存任务模拟数据预处理、数据提取-转换-加载场景；常规GPU任务模拟标准的模型训练作业；大型GPU任务模拟分布式深度学习训练；所述任务生成器按照配置的比例和到达模式生成任务序列； 调度执行引擎，用于实现Kubernetes调度器的核心逻辑，包括节点过滤、评分、绑定操作；在所述调度执行引擎中，采用多轮调度机制反映Kubernetes调度器的行为，当Kubernetes调度器面对一批待调度任务时，并非一次性完成所有调度，而是采用轮询方式逐个处理；具体来说：在每一轮中，Kubernetes调度器从队列头部取出一个任务，为该任务找到合适的节点，如果当前没有满足需求的节点，Kubernetes调度器选择将该任务放回队列尾部，在后续轮次重试； 在所述调度执行引擎执行绑定操作时，首先检查目标节点是否有足够资源，只有所有资源维度都满足时才执行绑定操作；在绑定成功后，相应的资源被标记为已分配，任务从待调度队列移除； 环境接口适配器，用于将GPU集群调度过程封装为标准的强化学习环境接口，提供状态观察、动作执行、奖励反馈功能； 所述强化学习层基于深度神经网络将GPU集群调度问题转化为马尔可夫决策过程，并应用强化学习策略获得最优调度策略； 所述策略评估层统计各项关键指标，对多种调度策略进行对比分析，并将分析结果进行可视化展示，实现GPU集群调度策略的优化；其中，所述关键指标包括GPU利用率、任务等待时间、调度成功率、资源均衡度和调度轮次数。

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科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96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。