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！

龙图腾网恭喜深圳市倍联德实业有限公司申请的专利一种基于边缘计算的服务器集群负载均衡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：CN119668882B 。

龙图腾网通过国家知识产权局官网在2025-04-25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：202510179709.0，技术领域涉及：G06F9/50；该发明授权一种基于边缘计算的服务器集群负载均衡方法是由覃超剑;陈劲;于杰设计研发完成，并于2025-02-19向国家知识产权局提交的专利申请。

本一种基于边缘计算的服务器集群负载均衡方法在说明书摘要公布了：本发明属于服务器集群负载均衡技术领域，本发明公开了一种基于边缘计算的服务器集群负载均衡方法，包括：采集任务数据、节点间的传输数据和服务器节点的负载数据；基于负载数据和传输数据构建负载拓扑图，基于负载拓扑图对负载数据进行多维聚合，获得节点状态描述；采用分析算法对任务数据进行优先级评估，获得任务评分；基于任务评分对节点状态描述进行任务最适匹配，获得最适分配方案，基于构建好的负载预测模型对最适分配方案进行预测，获得过载分配，对过载分配进行局部任务迁移，获得局部优化方案；极大的提升了服务器集群的整体处理能力。

本发明授权一种基于边缘计算的服务器集群负载均衡方法在权利要求书中公布了：1.一种基于边缘计算的服务器集群负载均衡方法，其特征在于，包括：S1、采集任务数据、节点间的传输数据和服务器节点的负载数据；S2、基于负载数据和传输数据构建负载拓扑图，基于负载拓扑图对负载数据进行多维聚合，获得节点状态描述；S3、采用分析算法对任务数据进行优先级评估，获得任务评分；S4、基于任务评分对节点状态描述进行任务最适匹配，获得最适分配方案，基于构建好的负载预测模型对最适分配方案进行预测，获得过载分配，对过载分配进行局部任务迁移，获得局部优化方案；所述基于负载数据和传输数据构建负载拓扑图的方式包括：以每一个负载数据作为图节点，以传输数据代表图节点间的连接关系，以网络带宽和时延对边进行权重初始化，进行权重初始化的公式为：其中，Weiij代表第i个图节点与第j个图节点间的节点边权重，Latij代表第i个图节点与第j个图节点间的时延，Bawij代表第i个图节点与第j个图节点间的网络带宽，α代表时延权重，β代表网络带宽权重，基于图节点、连接关系和节点边权重进行图构建，获得负载拓扑图；所述基于负载拓扑图对负载数据进行多维聚合的方式包括：以负载数据作为每个节点的初始特征，基于负载拓扑图构建负载邻接矩阵和负载权重矩阵，负载邻接矩阵为描述图节点间的连接关系的矩阵，负载权重矩阵为左对角矩阵，描述了与图节点具有直接相连边的所有节点边权重的和；初始化结果集为空，预设加重比例，基于加重比例对初始特征进行特征遍历，将遍历的特征记作待处理特征，通过加重比例对每个节点的待处理特征进行特征放大，获得特征放大值；以特征放大值替换每个初始特征中的待处理特征的值，获得扩展特征；采用聚类分析算法对扩展特征进行聚类，获得特征聚类簇，对特征聚类簇进行特征熵计算，获得待处理特征的特征熵，将特征熵加入特征权重集，重复直至遍历结束，输出此时的结果集即为特征权重集；基于特征权重集对初始特征进行特征卷积，获得节点状态描述；所述对任务数据进行优先级评估的方式包括：基于任务数据构建优先准则，优先准则包括:数据量越大越优先、计算复杂度越高越优先；预设准则选择域，对优先准则进行两两比对，采用随机选择算法选择准则选择域的范围内的值作为元素值构建初始准则矩阵，初始准则矩阵中的元素代表不同准则间的相对重要性；初始化准则指标为无穷小，初始化评估权重集为空，对初始准则矩阵进行一致性验证，计算初始准则矩阵中每一列的和，获得列总和，对初始准则矩阵中每列元素除以对应列的列总和，获得平均准则矩阵，对平均准则矩阵的每行元素求平均，获得准则特征向量；将准则特征向量与初始准则矩阵进行乘积运算，获得权重矩阵，对权重矩阵中的每个元素除以准则特征向量中对应位置的元素，获得近似特征向量，选择近似特征向量中的值最大的元素作为最大特征，基于最大特征进行指标计算，获得一致性指标，当一致性指标大于准则指标时，将此时的一致性指标作为新的准则指标，将此时的准则特征向量作为新的评估权重集，重复直至准则指标的值不再发生变化时，输出此时的评估权重集作为任务评级指标；基于任务评级指标对任务数据进行任务评估，获得任务评分。

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深圳市倍联德实业有限公司，其通讯地址为：518000 广东省深圳市龙岗区坂田街道南坑社区雅宝路1号星河WORLDF栋大厦901906B-913；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”。