基于人工智能的算力任务-资源动态组合优化调度方法

1.基于人工智能的算力任务-资源动态组合优化调度方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的方法，其特征在于：所述对异质数据中心环境进行精细化建模，得到异质数据中心环境精细化模型，包括：

3.根据权利要求2所述的方法，其特征在于：所述将异质数据中心环境精细化模型构建成传统马尔科夫决策模型，包括状态空间构建步骤：

4.根据权利要求3所述的方法，其特征在于：所述将异质数据中心环境精细化模型构建成传统马尔科夫决策模型，包括动作空间构建步骤：

5.根据权利要求4所述的方法，其特征在于：所述将异质数据中心环境精细化模型构建成传统马尔科夫决策模型，包括状态转移构建步骤：

6.根据权利要求5所述的方法，其特征在于：所述将异质数据中心环境精细化模型构建成传统马尔科夫决策模型，包括奖励反馈构建步骤：

7.根据权利要求6所述的方法，其特征在于：所述对所述传统马尔科夫决策模型进行优化，形成适配数据中心大规模动态算力任务调度底层逻辑的异质任务-异质资源动态组合优化双层马尔科夫决策模型，根据优化形成的模型在有向无环图神经网络-指针网络-软演员评论家强化学习算法框架下进行高效调度，包括：

8.根据权利要求7所述的方法，其特征在于：所述将所述传统马尔可夫决策模型改进为异质任务-异质资源动态组合优化双层马尔科夫决策模型，使之适配数据中心大规模动态算力任务调度的底层逻辑，包括：

9.根据权利要求8所述的方法，其特征在于：所述将指针算法嵌入软演员评论家算法框架内，解决异质任务-异质资源动态组合优化导致的时序动态排列问题，使用软策略迭代以最大化目标，同时在最大熵框架内交替进行策略评估和策略改进，包括指针网络软策略评估、指针网络软策略提升和指针网络软策略迭代；

10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-9中任一项所述方法的步骤。