一种基于深度学习的算力池智能整合与弹性调度方法

本发明涉及分布式计算和深度学习技术领域，公开了一种基于深度学习的算力池智能整合与弹性调度方法，包括：构建多层次图卷积网络对微服务间动态交互关系建模；基于算力状态指标和网络状态指标构建多维度评分模型；根据任务特性和资源状态动态调整微服务粒度；利用图强化学习预测服务交互模式和资源需求变化；采用多目标优化算法寻找最优服务部署方案；本发明通过动态服务粒度调整和算力感知路由提高资源利用率，基于图强化学习实现预测性资源隔离和服务扩容，采用多目标优化实现延迟、吞吐量和资源效率的动态平衡，有效解决了资源碎片化、性能干扰的问题，显著提升了系统的稳定性和可靠性。