算力网络环境下基于强化学习的多维资源的任务调度方法

AITNT
正文
推荐专利
算力网络环境下基于强化学习的多维资源的任务调度方法
申请号:CN202410778113
申请日期:2024-06-17
公开号:CN119396561A
公开日期:2025-02-07
类型:发明专利
摘要
本发明公开一种算力网络环境下基于强化学习的多维资源的任务调度方法,属于多维资源任务调度领域。本发明包括云计算环境中的用户通过云计算平台提交请求,云计算平台对用户请求的处理、对任务的分解,建立多维资源的强化学习模型,训练多维资源的强化学习模型,基于强化学习实现多维资源任务调度。本发明通过强化学习方法,根据任务和资源的实时状态,动态地进行多维资源的任务分配和资源调度,提升云计算平台响应速度,减少云计算平台能耗,提高云计算平台的资源利用率以及任务完成时间。
技术关键词
资源环境模型 任务调度方法 强化学习模型 云计算环境 强化学习方法 表格 网络带宽利用率 任务调度策略 深度学习方法 动态地 内存 云平台 决策 磁盘 规模 能耗
系统为您推荐了相关专利信息
1
主动RIS辅助V2X的联合抽象与观测状态DRL方法
V2X通信系统 通信链路 训练深度强化学习模型 车辆对基础设施通信 节点特征
2
一种智能反射面增强的安全语义频谱效率最大化方法
最大化方法 信道 基站控制中心 代表 通信系统
3
一种基于无地图导航的园区物流小车的路径规划方法
仿真环境 路径规划方法 物流小车 障碍物 LSTM模型
4
一种基于策略复用的多智能体强化学习交通信号控制方法
交通信号控制方法 策略 智能体模型 编码器 交通信号控制技术
5
基于电容笔壳体的注塑参数自适应控制方法及系统
电容笔 深度强化学习模型 应变传感器 数据 壳体
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号