典型文献
基于深度强化学习改进的任务调度算法
文献摘要：
关于计算机系统与网络中的资源管理问题的研究无处不在,其中计算集群的调度算法一直是研究的热点.目前大多数解决方案为启发式调度算法,但启发式算法无法全面地感知系统中调度作业之间的关联性,而深度强化学习可以通过数据自主学习这些潜在的关联性.本文使用了一种基于动作分支架构改进的深度强化学习调度算法,在Spark调度模型中取得了不错的效果.该算法通过将一个完整的调度过程分解为相对独立的分支动作,从而简化各个动作设计过程并有效降低动作空间的维度.实验结果表明,在相同的训练时间内,该模型取得了较好的调度性能.
文献关键词：
云计算;任务调度;图嵌入;深度强化学习
中图分类号：
作者姓名：
叶芳泽;沈炜
作者机构：
浙江理工大学信息学院,浙江 杭州 310018
文献出处：
引用格式：
[1]叶芳泽;沈炜-.基于深度强化学习改进的任务调度算法)[J].计算机时代,2022(11):55-58,64
A类：
数据自主学习
B类：
深度强化学习,任务调度,调度算法,计算机系统与网络,资源管理问题,无处不在,中计,式调度,启发式算法,感知系统,调度作业,Spark,调度模型,不错,动作设计,动作空间,训练时间,图嵌入
AB值：
0.333407
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
