云环境下基于强化学习的任务调度问题研究

发布时间：2024-03-30 18:28

　　云计算环境作为互联网基础服务应用环境的使用范围越来越广泛,而云计算环境下任务调度算法的优劣则直接关系到云环境的服务质量,近年来一直是计算机领域研究和关注的重点问题。深度强化学习在各领域的优秀表现,将任务调度问题转化为马尔科夫决策过程后,使用深度强化学习的方式,构建云环境中任务调度模型与奖励函数,并利用智能体调度CloudSim云环境下的计算任务,最后通过实验验证该方式的有效性。

【文章页数】：4 页

【部分图文】：

图1包含10个任务的DAG图

考虑到并行计算任务之间具有执行逻辑或是数据传递的依赖关系，通常使用有向无环图DAG来表示云计算任务以及任务依赖，如图1所示。DAG任务图G由二元组G=<T,E>组成，其中T是图节点的集合，由图中t1,t2,…,tn组成。每个节点都代表一个由一组计算指令构成的任务，其下的数字代表此....

图2基于HEFTCPOPRL的调度时长对比

本文的目标是云环境下的任务调度算法研究，由于在实际的云环境中进行任务执行并评估调度较为昂贵，且此研究方向具有学术界较为认可的仿真实验环境，因此本文利用仿真实验进行算法性能验证。云环境以及任务调度仿真使用澳大利亚墨尔本大学开源的CloudSim仿真实验平台[3]，计算任务参数，如内....

本文编号：3942766