基于深度学习的智慧网络设备调度优化方法

本发明公开了基于深度学习的智慧网络设备调度优化方法，包括如下步骤：S1、采集多源运行状态数据并进行预处理，生成调度输入特征张量；S2、构建基于多头自注意力机制的Transformer预测模型，输出任务密度与资源压力预测值；S3、将预测值构成搜索个体状态向量，初始化引力搜索算法个体种群；S4、构建适应度函数并执行引力搜索算法，生成最优任务调度方案；S5、下发最优调度方案至各设备，执行任务分发、迁移与调度并采集执行数据；S6、比对执行结果与预测值，构建反馈数据集并联合更新模型与优化机制。本发明旨在实现智慧网络任务调度的精准预测与全局优化，提升资源利用率与系统调度效率，构建具备自学习能力的闭环控制机制。