一种基于因果推理和原型学习的数据节点自适应优化方法

本发明公开了一种基于因果推理和原型学习的数据节点自适应优化方法，包括步骤：根据实时网络状态生成动态因果映射网络；通过对不同数据流通数据集进行聚类，提取代表性原型，构建适应不同网络场景的原型库；通过因果映射驱动的原型共生机制，将因果映射网络和原型库中的原型生成进行绑定，实现实时互动；对布局优化的结果通过自学习反馈机制进行动态调整；本方案在高负载、大规模数据流通的网络环境中具有显著的性能优势，可广泛的适用于要求高效、稳定传输的复杂网络环境中。