基于递归博弈网络的存算训AI服务器负载波动自平衡方法技术

本发明专利技术公开了一种基于递归博弈网络的存算训AI服务器负载波动自平衡方法，S1、记录各任务的实时负载数据；S2、基于AI服务器的整体资源池构建宏观层级递归博弈网络模型；S3、通过宏观层级递归博弈网络模型的多智能体竞合计算生成整体资源分配策略；S4、基于宏观层级所生成的资源分配策略构建微观层级递归博弈网络模型；S5、使子任务资源最优分配；S6、实时向微观层级递归博弈网络模型下发调整后的资源配额；S7、对即将到来的高负载任务进行资源预分配；S8、使资源分配逐步趋于最优状态。本发明专利技术显著提升了AI服务器在多任务负载波动场景中的资源利用效率、系统响应能力和任务完成稳定性。

【技术实现步骤摘要】

本专利技术涉及ai服务器，尤其涉及一种基于递归博弈网络的存算训ai服务器负载波动自平衡方法。

技术介绍

1、随着人工智能技术和高性能计算的快速发展，ai服务器成为支持大规模数据处理和深度学习模型训练的重要基础设施，ai服务器在实际应用中需要同时处理多任务的计算、存储和训练需求涉及大量资源分配和动态调控，然而，在复杂多变的负载环境下实现高效、稳定的资源管理仍是一个亟待解决的问题。

2、目前，传统的服务器负载均衡技术主要依赖静态或简单动态的资源分配算法，传统的方法通常基于固定的负载均衡规则将服务器的计算资源、存储资源和训练资源按照预设比例分配给不同的任务模块，然而，固定规则的分配方式在面对多任务、高负载波动的实际场景时表现出显著的局限性，当某些任务的资源需求突然增加时传统方法往往无法及时调整资源分配，导致高优先级任务因资源不足而性能下降。

3、近年来，一些动态负载均衡算法开始应用于ai服务器，动态负载均衡算法通过实时监测任务的负载变化动态调整服务器的资源分配，但在实际应用中动态负载均衡算法通常仅关注当前负载的调整，缺乏对负载波动趋势的预本文档来自技高网...

【技术保护点】

1.一种基于递归博弈网络的存算训AI服务器负载波动自平衡方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于递归博弈网络的存算训AI服务器负载波动自平衡方法，其特征在于，所述S1包括以下步骤：

3.根据权利要求1所述的一种基于递归博弈网络的存算训AI服务器负载波动自平衡方法，其特征在于，所述S2包括以下步骤：

4.根据权利要求1所述的一种基于递归博弈网络的存算训AI服务器负载波动自平衡方法，其特征在于，所述S4包括以下步骤：

5.根据权利要求1所述的一种基于递归博弈网络的存算训AI服务器负载波动自平衡方法，其特征在于，所述S6...

【技术特征摘要】

1.一种基于递归博弈网络的存算训ai服务器负载波动自平衡方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于递归博弈网络的存算训ai服务器负载波动自平衡方法，其特征在于，所述s1包括以下步骤：

3.根据权利要求1所述的一种基于递归博弈网络的存算训ai服务器负载波动自平衡方法，其特征在于，所述s2包括以下步骤：

4.根据...

【专利技术属性】
技术研发人员：黄伟国，张彬，陈晚华，
申请(专利权)人：湖南科技学院，
类型：发明
国别省市：