一种用于多数据处理任务的算力调配优化方法及系统

本发明公开了一种用于多数据处理任务的算力调配优化方法及系统，包括：当负载强度低于动态阈值时，仅激活满足当前负载上限所需的最小算力设备集群；当负载强度超过动态阈值时，实时采集各算力节点状态数据，并生成算力特征向量和任务特征向量；通过深度神经网络模型进行训练，构建算力优化模型，对算力调配进行优化；生成多组算力调配优化方案，并提取测试任务数据集检测各组方案的实际优化效果，获取优化效果最高的优化方案；当新增任务或节点状态变化过大时，重新训练算力优化模型。本发明的优点在于：通过实时监测任务负载并结合深度学习优化模型，实现算力资源的智能调配，显著提升资源利用率并降低能耗，具备高效、灵活和自适应的优势。