首页> 中文会议>2018年全国高性能计算学术年会 >一种云环境下基于强化学习的多目标任务调度算法

一种云环境下基于强化学习的多目标任务调度算法

摘要

目前,云计算作为一种与互联网联系紧密的新的计算模型受到工业和学术界的广泛关注.任务调度是影响云平台性能和用户体验的核心问题,其本质上是组合优化问题,因此也被证实为NP难问题.本文使用机器学习中的Q-learning算法结合经典的HEFT(Heterogeneous Earliest Finish Time)算法,拟提出一种新的多目标优化任务调度算法(Multi-objective Task Scheduling Algorithm based on Q-learning,QMTS).QMTS算法的主要思想是:首先,使用Q-learning算法中的自学习过程得到更加合理的任务排序;其次,在虚拟机分配阶段综合考虑任务最早完成时间和计算节点的计算成本;最后,以产生更小的makespan和总成本为目标函数对任务进行调度.实验结果表明,QMTS算法在任务调度中产生比其他三种经典调度算法更小的makespan和总成本,为今后任务调度算法的改进方式做出了新的探索.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号