基于深度强化学习的云数据中心自适应高效资源分配方法
基本信息
| 申请号 | CN202210309973.8 | 申请日 | - |
| 公开（公告）号 | CN114691363A | 公开（公告）日 | 2022-07-01 |
| 申请公布号 | CN114691363A | 申请公布日 | 2022-07-01 |
| 分类号 | G06F9/50（2006.01）I;G06N3/04（2006.01）I;G06N3/08（2006.01）I;G06F17/18（2006.01）I;G06F17/16（2006.01）I | 分类 | 计算；推算；计数; |
| 发明人 | 陈哲毅;熊兵;陈礼贤 | 申请（专利权）人 | 福州大学 |
| 代理机构 | 福州元创专利商标代理有限公司 | 代理人 | - |
| 地址 | 350108福建省福州市闽侯县福州大学城乌龙江北大道2号福州大学 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及一种基于深度强化学习的云数据中心自适应高效资源分配方法。首先，采用actor参数化策略（分配资源），并根据critic（评估操作）评估的分数选择操作（调度作业）。然后利用梯度上升更新资源分配策略，利用优势函数减小策略梯度的方差，提高了训练效率;我们使用来自谷歌云数据中心的真实数据进行了广泛的模拟实验。本发明方法与2种先进的基于DRL的云资源分配方法和5种经典的云资源分配方法相比，该方法在延迟和作业丢弃率方面具有更高的服务质量（Quality‑of‑Service，QoS），且能量效率更高。 |
