【技术实现步骤摘要】
本专利技术涉及分布式计算与人工智能优化，具体地说，涉及一种云边一体分布式计算架构的ai寻优优化系统及方法。
技术介绍
1、分布式计算与人工智能优化是一项重要的技术，在物联网与边缘计算快速发展的背景下，云边一体架构通过云端全局统筹与边缘节点本地处理的协同，实现海量终端数据的高效处理与智能决策，对提升计算资源利用率、降低网络延迟、保障实时性应用体验具有重要意义，该技术广泛应用于智能制造、智慧城市等领域，传统单一云端或边缘计算模式已难以满足大规模分布式场景的复杂优化需求。
2、然而，现有云边一体计算架构在ai寻优过程中存在计算效率与优化精度失衡的核心问题，传统方案采用固定梯度传输策略，未根据边缘节点实时网络带宽动态调整梯度数据量，当带宽不足时，全量梯度传输易导致延迟增加，甚至引发数据丢失，而简单删减梯度又会因关键信息缺失降低优化精度，同时，缺乏对残差梯度的有效利用与边缘本地重优化机制，使得云端全局优化与边缘本地执行存在偏差，进一步影响最终决策的准确性，这些问题叠加导致系统在动态网络环境下的适应性差，既无法高效应对带宽波动，又难以保...
【技术保护点】
1.一种云边一体分布式计算架构的AI寻优优化系统，其特征在于，包括：
2.根据权利要求1所述的一种云边一体分布式计算架构的AI寻优优化系统，其特征在于，所述全局优化单元（2）生成包含跨节点关联特征的全局数据集时，执行时空对齐的特征融合：
3.根据权利要求2所述的一种云边一体分布式计算架构的AI寻优优化系统，其特征在于，所述全局优化单元（2）运行深度强化学习模型进行多目标迭代计算时，实施帕累托梯度协同优化：
4.根据权利要求3所述的一种云边一体分布式计算架构的AI寻优优化系统，其特征在于，所述梯度决策单元（3）根据网络带宽值计算梯度保...
【技术特征摘要】
1.一种云边一体分布式计算架构的ai寻优优化系统，其特征在于，包括：
2.根据权利要求1所述的一种云边一体分布式计算架构的ai寻优优化系统，其特征在于，所述全局优化单元（2）生成包含跨节点关联特征的全局数据集时，执行时空对齐的特征融合：
3.根据权利要求2所述的一种云边一体分布式计算架构的ai寻优优化系统，其特征在于，所述全局优化单元（2）运行深度强化学习模型进行多目标迭代计算时，实施帕累托梯度协同优化：
4.根据权利要求3所述的一种云边一体分布式计算架构的ai寻优优化系统，其特征在于，所述梯度决策单元（3）根据网络带宽值计算梯度保留数量时，执行带宽区间动态映射：
5.根据权利要求1所述的一种云边一体分布式计算架构的ai寻优优化系统，其特征在于，所述梯度决策单元（3）生成残差梯度集时，实施空间连续性重组：
6.根据权利要求5所述...
【专利技术属性】
技术研发人员：庞龙强，吴奇，吴娟，高振华，张倩倩，
申请(专利权)人：山东智慧云通网络科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。