1.一种基于神经网络的异构算力网络任务分配与路径优化系统，其特征在于，包括：图构建模块，用于通过捕获的网络数据流构建交通分散图，通过交通分散图对网络拓扑和节点数据进行建模，并结合图索引与图位移进行节点与边的建模，提取网络通信流量与节点特征；

节点任务分配模块，用于将各个节点的图索引组成图索引集合输入到改进的图神经网络模型，对节点任务进行智能预测与分配，输出节点的任务分配预测结果；

路径优化模块，结合节点任务预测结果，选择最优数据传输路径，以最小化传输延迟并平衡节点算力，得到路径优化结果；

系统优化模块，基于所述路径优化结果和所述任务分配预测结果，对系统整体性能进行优化。

2.根据权利要求1所述的基于神经网络的异构算力网络任务分配与路径优化系统,其特征在于，其中，所述图构建模块包括：网络数据流捕获单元，用于实时收集异构算力节点的性能数据，包括通信流量、吞吐量及路径信息；

个体流图构建单元，用于构建网络节点和通信路径的图结构，其中，节点表示网络中的主机或算力节点，边表示节点间的通信流量路径，边权重表示节点之间的数据流吞吐量；

交通分散图生成单元，用于合并多个个体流图，生成表示网络整体拓扑结构的交通分散图，包括：采用邻接矩阵表示节点间的连接关系；基于吞吐量节点的流量阈值，识别异常节点。

3.根据权利要求1所述的基于神经网络的异构算力网络任务分配与路径优化系统,其特征在于，其中，所述图构建模块还包括：图索引与图位移构建单元，用于构建图索引与图位移；其中，

所述图索引包括计算能力、负载水平和吞吐量，用于表示节点的属性信息；

所述图位移用于实现图索引在图上的平移操作，选用加权矩阵Laplace作为图位移，用于将节点信号与其邻居节点进行加权组合，提取图的结构特征，最终实现图索引的局部平滑。

4.根据权利要求3所述的基于神经网络的异构算力网络任务分配与路径优化系统,其特征在于，其中，所述图构建模块还包括：图傅里叶变换单元，用于对加权矩阵Laplace进行图拉普拉斯特征分解，提取图索引的频域特征，然后通过图傅里叶变换将图索引投影到图的频率域，分析节点之间的全局结构和传输特性。

5.根据权利要求1所述的基于神经网络的异构算力网络任务分配与路径优化系统,其特征在于，其中，所述改进的图神经网络模型通过引入恒等映射和残差连接，并通过多层迭代更新节点特征，最终得到节点的任务分配预测结果。

6.根据权利要求5所述的基于神经网络的异构算力网络任务分配与路径优化系统,其特征在于，其中，节点特征H(l)的更新公式如下：其中，H(l)：第l层的节点特征矩阵；H(0)＝X：输入的初始节点特征矩阵；μ：恒等映射系数，用于平衡初始特征H(0)的影响力；ρ：残差连接系数，用于引入上一层特征H(l-1)的影响；图的归一化邻接矩阵，其中，A：原始邻接矩阵；I：单位矩阵；D：图的度矩阵；

σ：激活函数，表达式为：

其中，x’是一个输入变量；θ1∈(0,∞)并且

7.根据权利要求6所述的基于神经网络的异构算力网络任务分配与路径优化系统,其特征在于，其中，所述节点任务分配模块还包括定义节点任务分配目标函数的单元，用于衡量节点负载均衡性与资源利用率，目标包括最大化整体计算效率、负载均衡、网络通信开销最小化。

8.根据权利要求1所述的基于神经网络的异构算力网络任务分配与路径优化系统,其特征在于，其中，所述路径优化模块用于通过设置路径优化目标函数，所述路径优化目标函数由任一节点到其他节点的传输延迟项和该任一节点的负载平衡权重项构成，其中，该任一节点的负载平衡权重项包括该任一节点任务预测结果、该任一节点当前任务负载量与该任一节点算力信息构成；最小化传输延迟并平衡节点算力负载，最终选择最优数据传输路径。

9.根据权利要求8所述的基于神经网络的异构算力网络任务分配与路径优化系统,其特征在于，其中，所述路径优化模块还结合图傅里叶变换域频率特征进行路径优化，以找到负载均衡性最好的路径，包括：输入节点负载平衡权重和传输延迟；

对节点的负载平衡权重进行图傅里叶变换；

滤除高频分量，保留低频分量；

逆变换回节点域，得到平滑后的节点负载平衡权重；

根据更新的节点负载平衡权重和传输延迟，求解最优路径。

10.根据权利要求9所述的基于神经网络的异构算力网络任务分配与路径优化系统,其特征在于，所述系统优化模块通过构建任务调度与系统优化的损失函数，该损失函数包括传输延迟损失项和负载均衡损失项，用于分别最小化任务传输路径上的延迟总和以及节点负载的方差；

所述系统优化模块还包括：使用梯度下降法对权重参数进行迭代更新，以优化系统整体性能。