一种分布式智能体任务分配与优化方法

本发明公开了一种分布式智能体任务分配与优化方法，属于分布式技术领域，包括实时采集并预测各节点资源可用性，结合LSTM模型进行轻量化边缘部署，本发明通过明确需要监控的资源类型，确定预测的时间窗口，以及系统对预测准确度和实时性的要求，从各个分布式节点中实时获取资源使用信息，对收集到的原始数据进行清洗和格式化处理，包括缺失值填充、异常值检测与修正、时间序列对齐操作，基于任务需求和数据特点，选择适合的深度学习模型，准备历史数据作为训练集，并根据选定模型的要求调整数据格式，通过准备好的训练集对选定的LSTM模型进行训练，针对边缘计算环境的特点，对训练好的模型进行优化，减少其计算复杂度和存储需求，将轻量化后的模型部署到边缘节点上，构建实时预测服务。