推理子图驱动算法

资源编排动态匹配

打破计算与传输的固定耦合，使算力分配随流量动态调整，降低失效风险。

Xiang, Wanyu · Han, Chen · 林志 · 李宇晟 · Sun, Yifu · Xin, Lin

IEEE Transactions on Network Science and Engineering 2026

技术优势

彻底分离推理与传输数据流

通过构建推理子图，将协作推理任务的数据流与通信传输的流量隔离，消除了链路竞争，确保推理任务稳定执行。

算力随流量动态调整

在推理子图上采用多智能体深度强化学习框架分配算力，能够实时响应流量分布变化，避免固定分配导致的资源浪费或失效。

多种MADRL架构同样有效

仿真显示多种多智能体深度强化学习架构在复杂通算一体网络中均表现出良好的适应性和有效性，降低了对特定算法的依赖。

应用场景

• 多智能体资源分配：用于6G网络中多类资源的联合调度，替代固定规则以应对动态流量。
• 深度强化学习调度：提供训练完成的智能体与推理子图构建方法，可直接嵌入现有编排系统。
• 6G网络资源管理：解决通算一体网络中链路与算力的耦合难题，提升整体资源利用率。
• 算力网络编排：实现算力供给与流量分布的时空匹配，降低网络失效风险。