一种基于Q-learning的云资源负载调度方法

本发明公开了一种基于Q‑learning的云资源负载调度方法，包括4个步骤：步骤S1：收集历史云资源负载数据；步骤S2：基于历史云资源的负载数据，预测在预定的时间段内云资源的预期负载使用状况；步骤S3：采用Q‑learning算法，根据收集到的云资源负载数据来构建一个负载调度模型；步骤S4：将构建好的负载调度模型应用于实际的云环境中并运行。本发明可以通过使用Q‑learning算法在复杂和动态的云环境中，克服传统方法存在自适应弱，扩展性和决策性差等问题，持续学习和优化资源分配和任务调度策略，达到自适应性强、无需预先知识、处理高维状态空间、灵活性高、自动化管理、扩展性强和持续优化等优势，达到有效提高系统性能和资源利用率的目的。