基于多任务强化学习的数据中心流量调度与拥塞控制方法

AITNT
正文
推荐专利
基于多任务强化学习的数据中心流量调度与拥塞控制方法
申请号:CN202410824787
申请日期:2024-06-25
公开号:CN118842768A
公开日期:2024-10-25
类型:发明专利
摘要
本发明公开了一种基于多任务强化学习的数据中心流量调度与拥塞控制方法,该方法具体包括:利用数据中心网络中基于多级反馈队列的流量调度方法与基于ECN的拥塞控制方法的关联性进行多任务划分;多任务强化学习建模;多任务强化学习算法利用中央系统与边缘系统结合的混合式架构部署多任务强化学习算法,实现数据中心网络流量调度与拥塞控制的协同优化。本发明与现有技术相比具有利用中央系统与边缘系统结合的混合式架构部署多任务强化学习算法,实现数据中心网络流量调度与拥塞控制的协同优化,进一步提升了数据中心网络的性能与效率。
技术关键词
多级反馈队列 多任务 拥塞控制方法 强化学习算法 数据中心 网络状态信息 网络流量调度 交换机 SAC算法 策略 全局状态信息 模版 主机 参数 终端 调控方法 流量调度方法 连续动作空间 标记
系统为您推荐了相关专利信息
1
一种基于强化学习的短垂推进系统垂直降落阶段性能恢复控制方法
深度神经网络 推进系统 恢复控制方法 升力风扇 推力
2
一种船舶防碰撞控制系统的设计方法
船舶防碰撞 强化学习算法 先进控制算法 传感器系统 周围环境信息
3
一种适应多场景多任务的智能体群组博弈方法及模型
策略 博弈方法 矩阵 多场景 数据收集单元
4
基于多源数据融合的船舶靠泊行为预测与违规预警方法及系统
船舶 多源特征 预警方法 模拟模型 静态特征
5
一种基于图对比学习的个性化档案推荐方法
推荐方法 节点 关系 多任务学习策略 阶段
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