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

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。