2026年5月28日，人工智能学院青年科研B组在知新楼302召开例行学术会议，本次会议由侯老师担任主讲人，围绕“基于AHP熵权法的绿色算力节点选择算法”进行专题讲解与讨论。随着5G-Advanced技术的快速发展与全球"碳达峰、碳中和"战略的深入推进，算力网络作为云网融合的新型范式，在满足日益增长的计算需求的同时如何降低网络能耗，已成为学术界与产业界共同关注的核心议题。据统计，信息通信基础设施的能耗约占全球总用电量的3%至5%，且随着算力需求的爆发式增长，这一比例仍在持续攀升。传统的算力节点选择方法多基于CPU、内存和存储三个维度进行评估，忽略了能耗这一关键绿色指标，且权重确定方法单一，缺乏主客观融合的科学机制。本次例会围绕"基于层次分析法与熵权法结合的动态调优绿色算力节点选择算法"展开讨论，该研究创新性地将AHP主观赋权与熵权法客观赋权相融合，构建包含能耗的4维度综合评估体系，并设计能耗感知的绿色路由策略，为构建绿色高效的边缘计算网络提供了新的技术路径。
图为例会讨论现场
侯老师首先介绍了算力网络的背景与现有问题。算力网络（Computing First Network,CFN）旨在通过网络实现海量分布式计算、存储等资源的互联与协同调度。Gong等人提出的软件定义算力网络（SD-CFN）架构采用熵权法结合K-Means聚类和欧氏距离匹配实现了计算节点的智能选择，但评估仅限于CPU、内存、存储三个维度，未考虑能耗因素，且权重确定完全依赖熵权法。针对上述不足，本文提出了三项核心创新：AHP-熵权法融合的综合权重确定机制、4维度综合评估模型以及能耗感知的绿色路由策略。
侯老师重点讲解了AHP-熵权法融合权重确定机制的具体方法。在层次分析法（AHP）部分，采用1-9标度法构建准则层判断矩阵A=(a_ij)_{n×n}，通过计算判断矩阵的最大特征值λ_max及其对应的归一化特征向量得到主观权重。为确保判断矩阵的一致性，计算一致性比例CR=CI/RI，其中CI为一致性指标，RI为平均随机一致性指标，当CR<0.1时认为判断矩阵的一致性可以接受。在熵权法部分，首先对原始数据进行归一化处理，正向指标采用x'_ij=(x_ij - x_min)/(x_max-x_min)，负向指标（如能耗）采用x'_ij=(x_max-x_ij)/(x_max-x_min)，然后计算第j个指标的信息熵H_j=-k·Σ(p_ij·ln(p_ij))，其中k=1/ln(m)，进而得到客观权重w_j^o=(1-H_j)/Σ(1-H_j)。
在权重融合方面，本文采用乘法合成法将主客观权重相结合，综合权重计算公式为：w_j=(w_j^s·w_j^o)/Σ(w_j^s·w_j^o)。该融合方案中CPU权重为0.33、内存为0.26、存储为0.22、能耗为0.19，既保留了专家对关键指标的判断，又反映了数据的客观分布特征。消融实验表明，融合方案的匹配准确率比仅熵权法高7.3个百分点，比仅AHP高10.5个百分点，且权重标准差为0.034，在稳定性和适应性之间取得了最佳平衡。
侯老师随后介绍了节点综合性能评估与匹配机制。计算节点的综合性能得分定义为：S_i=w_cpu·c_i+w_mem·m_i+w_stor·s_i+w_energy·e_i，采用K-Means聚类算法（K=3）将节点划分为高性能、中性能和低性能三个档次，通过得分区间预筛选大幅缩小任务匹配的搜索空间。在目标簇内，利用归一化欧氏距离d(T, N)=√(Σ((T'_j - N'_j)²))选择与任务需求最匹配的节点，同时排除不满足基本资源需求的候选节点。
在绿色路由策略方面，侯老师详细讲解了节点能耗建模和链路能耗建模。节点能耗采用线性功耗模型P_node=P_idle+(P_max-P_idle)·U_cpu，链路传输能耗模型为P_link=P_base+α·(B_used / B_total)^β。在传统最短路径算法基础上，设计了综合代价函数C(l)=λ_d·D(l)+λ_b·(1/B(l))+λ_e·E_norm(l)，其中λ_d、λ_b、λ_e分别为时延、带宽和能耗的权重系数，最优组合为（0.3,0.3,0.4），赋予能耗因素最高权重以体现绿色计算优先原则。采用改进的Dijkstra算法计算最优路径。
最后，侯老师展示了在GÉANT（23节点37链路）、Internet2（10节点15链路）和NSFNET（14节点21链路）三种拓扑上的仿真实验结果。实验表明：4维评估方案使系统总能耗降低17.9%，峰值能耗降低22.3%，负载均衡度改善26.4%；绿色路由使系统总能耗比RSCR降低19.0%，能耗效率比提升17.0%；节点稳定性提升超过15%，且在三种拓扑上均验证了方案的有效性。动态权重更新实验中，当任务类型从计算密集型切换为存储密集型时，CPU权重从0.35下降至0.25，存储权重从0.20上升至0.32，能耗权重始终维持在0.19至0.21区间内，体现了融合权重在环境适应性上的优势。
与会成员围绕以下几个方面展开了深入讨论。首先，关于AHP-熵权法融合权重方法的有效性，大家认为乘法合成法相比线性加权法更能体现主客观共识——当两种方法对同一指标给出一致的高评价时，综合权重会放大该指标的重要性，有效避免了单一偏差。有老师提出，在实际应用中专家判断矩阵的构建依赖于少数专家的经验，可能存在个人偏好影响的问题，建议引入更多领域的专家或采用德尔菲法提高主观权重的客观性。其次，关于K-Means聚类数K=3的选择依据，讨论了肘部法则和轮廓系数等自动确定最优聚类数的方法，认为在实际网络环境中节点数量和性能分布差异较大时，固定K值可能不够灵活，未来可探索自适应聚类数的策略。第三，关于能耗感知路由与传统OSPF协议的兼容性问题，讨论了如何在现有网络设备上部署绿色路由策略，侯老师指出该方案基于SDN架构实现，利用Ryu控制器的全局视图进行集中式路由决策，对数据平面的交换机无需修改，具有良好的可部署性。第四，关于线性功耗模型的精度，有老师提出在异构服务器场景下（如GPU服务器、FPGA加速卡等），简单的线性模型可能无法准确描述不同类型设备的功耗特性，建议引入分段线性模型或基于实测数据的回归模型以提高能耗估算精度。
侯老师对本次例会进行了总结。本研究提出的基于AHP-熵权法的动态调优绿色算力节点选择算法，从权重融合、评估维度扩展和路由优化三个层面实现了绿色节能目标。关键要点包括：（1）AHP-熵权法乘法合成融合权重兼顾了专家经验与数据信息，匹配准确率比单一方法提升7至10个百分点；（2）在CPU、内存、存储3维度基础上引入能耗维度构建4维评估模型，系统总能耗降低17.9%，峰值能耗降低22.3%；（3）绿色路由策略通过链路综合代价函数引导流量绕过高能耗链路，能耗效率比提升约17%；（4）动态权重更新机制使系统能够根据任务类型变化自适应调整各指标权重，保持绿色节能目标的持续性。侯老师建议小组成员关注以下几个未来研究方向：一是引入深度强化学习实现路由策略的自适应优化；二是研究更精细的异构服务器能耗模型以提升估算精度；三是探索联邦学习等隐私保护技术在跨域算力协同调度中的应用。同时鼓励大家思考AHP-熵权法融合策略在其他多属性决策场景中的推广潜力，如通信网络资源分配、传感器网络节点选择等，寻找跨领域的应用切入点。下次例会将继续由下一位老师分享相关研究进展。
