基于算网状态感知的多集群GPU算力资源调度平台设计与实现

胡亚辉; 张宸康; 王越嶙; 洪雨琛; 范鹏飞; 宋俊平; 周旭

doi:10.11959/j.issn.1000-436x.2025189

您当前的位置：

首页 >

文章列表页 >

基于算网状态感知的多集群GPU算力资源调度平台设计与实现

学术论文 | 更新时间：2025-11-25

- 基于算网状态感知的多集群GPU算力资源调度平台设计与实现
- Design and implementation of a multi-cluster GPU computing resource scheduling platform based on network and computing state awareness
- 通信学报 2025年46卷第10期页码：175-190
- 作者机构：
  
  1.中国矿业大学（北京）人工智能学院，北京 100086
  2.中国科学院计算机网络信息中心，北京 100083
- 作者简介：
  
  [ "胡亚辉（1982- ），女，河南信阳人，博士，中国矿业大学（北京）副教授、硕士生导师，主要研究方向为数据中心网络优化传输、边缘计算与边缘智能、算力网络、网络流量分析与优化、5G等。" ]
  [ "张宸康（1996- ），男，河南商丘人，中国矿业大学（北京）硕士生，主要研究方向为云计算与算网融合技术。" ]
  [ "王越嶙（1999- ），男，新疆哈密人，中国矿业大学（北京）硕士生，主要研究方向为云计算与算网融合技术。" ]
  [ "洪雨琛（2000- ），男，湖南湘潭人，中国矿业大学（北京）硕士生，主要研究方向为云计算与算网融合技术。" ]
  [ "范鹏飞（1982- ），男，内蒙古巴彦淖尔人，中国科学院计算机网络信息中心高级工程师、硕士生导师，主要研究方向为未来网络架构与技术、算网融合技术与应用等。" ]
  [ "宋俊平（1985- ），女，河北沧州人，博士，中国科学院计算机网络信息中心助理研究员，主要研究方向为算力网络、网络人工智能等。" ]
  [ "周旭（1976- ），男，四川成都人，博士，中国科学院计算机网络信息中心研究员、博士生导师，主要研究方向为计算机网络体系结构、5G移动通信、网络人工智能技术等。" ]
- 基金信息：
  
  国家重点研发计划基金资助项目(2024YFB2908700);中央高校基本科研业务费专项资金资助项目(2025ZKPYZN02);国家能源集团科技环保有限公司开放课题资助项目(YZ-2025-101)
- DOI：10.11959/j.issn.1000-436x.2025189
  中图分类号： TN393
- 收稿：2025-07-01，
  
  修回：2025-10-23，
  
  录用：2025-10-24，
  
  纸质出版：2025-10-20
- 稿件说明：
移动端阅览
胡亚辉,张宸康,王越嶙等.基于算网状态感知的多集群GPU算力资源调度平台设计与实现[J].通信学报,2025,46(10):175-190.

HU Yahui,ZHANG Chenkang,WANG Yuelin,et al.Design and implementation of a multi-cluster GPU computing resource scheduling platform based on network and computing state awareness[J].Journal on Communications,2025,46(10):175-190.
胡亚辉,张宸康,王越嶙等.基于算网状态感知的多集群GPU算力资源调度平台设计与实现[J].通信学报,2025,46(10):175-190. DOI： 10.11959/j.issn.1000-436x.2025189.

HU Yahui,ZHANG Chenkang,WANG Yuelin,et al.Design and implementation of a multi-cluster GPU computing resource scheduling platform based on network and computing state awareness[J].Journal on Communications,2025,46(10):175-190. DOI： 10.11959/j.issn.1000-436x.2025189.

浏览量

1215

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于DDPG强化学习的多集群算力资源调度算法

基于算网状态感知的多集群GPU算力资源调度平台设计与实现

Design and implementation of a multi-cluster GPU computing resource scheduling platform based on network and computing state awareness

DOI：10.11959/j.issn.1000-436x.2025189