[发明专利]算力网动态重构方法和伺服装置

说明书

本发明涉及计算机技术领域，提供一种算力网动态重构方法和伺服装置，该方法包括：根据各子网络对应的拓扑结构特征信息参数确定各新增网络节点的微观态总数，根据各新增网络节点的直接联系数、跨区联系数以及微观态总数，确定拓扑结构的微状态概率；根据微观态概率确定各新增网络节点重构熵以及总重构熵；根据微观态总数确定各新增网络节点的最大重构熵，并根据总重构熵以及最大重构熵确定极小重构熵；根据极小重构熵确定各新增网络节点的最优契合度，根据最优契合度进行算力网动态重构；基于此算法提供一种伺服装置，实现了算力网在动态过程可重构可编排。本发明实现了“在网计算”优化网络架构，提高了算力网重构的可靠性和在线编排效率。

技术领域

本发明涉及计算机技术领域，尤其涉及一种算力网动态重构方法和伺服装置。

背景技术

在算力网动态重构最优策略选择中，由于任务来源的多样性、拓扑结构的适应性、信息结构的重构性和反馈控制的随机性等不确定性，使得算力网是一个复杂网络。目前，网络架构很难在动态过程实现智能化控制的最优重构，可重构可编排概念与技术的提出，使得网络架构刚性化的缺陷得到一定程度弥补，但是“可重构可编排”技术是当前算力网中的关键技术。基于此，本发明需要解决的技术问题是“在网计算”实施动态优化网络架构，实现“可重构可编排”的动态重构。

发明内容

本发明提供一种算力网动态重构方法和伺服装置，用以解决算力网络的重构问题，通过在不改变硬件配置的条件下，实现“在网计算”优化网络架构，算力网在动态过程可重构可编排，提高了算力网重构的可靠性和在线编排效率。

本发明提供一种算力网动态重构方法，包括：

根据各子网络的特征信息参数和数量值，确定每个所述子网络对应的拓扑结构中各新增网络节点的微观态总数；

根据各所述新增网络节点的直接联系数、跨区联系数以及所述微观态总数，确定各所述子网络对应的拓扑结构的微状态概率；

根据所述微状态概率确定各所述新增网络节点的重构熵，并根据各所述新增网络节点的重构熵确定总重构熵；

根据所述微观态总数确定各所述新增网络节点的最大重构熵，并根据所述总重构熵以及所述最大重构熵确定各所述新增网络节点的极小重构熵；

根据所述极小重构熵确定各所述新增网络节点的最优契合度，根据各所述新增网络节点的最优契合度进行算力网动态重构。

在一个实施例中，所述根据所述微状态概率确定各所述新增网络节点的重构熵之后，所述方法，还包括：

若各所述新增网络节点的重构熵满足第一设定条件，则根据各所述新增网络节点的重构熵进行算力网动态重构；

若各所述新增网络节点的重构熵不满足第一设定条件，则执行根据各所述新增网络节点的重构熵确定总重构熵的步骤。

在一个实施例中，所述根据所述总重构熵以及所述最大重构熵确定各所述新增网络节点的极小重构熵之后，所述方法，还包括：

若各所述新增网络节点的极小重构熵满足第二设定条件，则根据各所述新增网络节点的极小重构熵进行算力网动态重构；

若各所述新增网络节点的极小重构熵不满足第二设定条件，则执行根据所述极小重构熵确定各所述新增网络节点的最优契合度，根据各所述新增网络节点的最优契合度进行算力网动态重构的步骤。

本发明还提供一种算力网动态重构装置，包括：

动态数据管理模块，用于记录、存储或被调用数据；

特征参数记录模块，用于记录并存储各路径子网络的特征信息参数和数量值；

重构节点预判模块，用于预判所述新增网络节点的类型；