一种基于深度学习的多节点边缘设备算能提升方法

本发明涉及边缘计算优化技术领域，公开了一种基于深度学习的多节点边缘设备算能提升方法。该方法包括采集多节点边缘设备的计算负载、内存占用及通信延迟等实时运行状态数据，生成设备状态矩阵；再对设备状态矩阵进行多维度特征解耦，分离独立计算特征与协同计算特征，构建特征解耦集合；接着基于特征解耦集合建立动态算力分配模型，通过迭代反馈机制调整模型中的算力分配参数；随后将实时运行状态数据输入模型，输出各节点算力分配方案并执行动态部署；最后根据执行结果更新设备状态矩阵，形成闭环优化流程。该方法可精准捕捉设备动态需求，实现算力资源动态优化分配，推动边缘计算系统高效稳定运行。