一种基于递归强化学习的分布式异构资源调度方法

本发明公开了一种基于递归强化学习的分布式异构资源调度方法，包括以下步骤：首先定义出分布式系统的目标和性能标准，然后将其转换为一个强化学习问题；利用深度Q网络(DeepQNetwork,DQN)调度各个节点的资源，来确保分布式系统的性能始终保持在一定标准之上；DQN使用深度神经网络来近似Q函数，Q函数Q(s,a)表示在状态s下采取动作a后，能够获得的期望累积奖励,即用于估计给定状态下，采取某个动作后得到的期望奖励；使用RNN网络来近似估计Q函数。本发明的一种基于递归强化学习的分布式异构资源调度方法，可以实现实时地调度优化，动态调整资源分配，适应任务的变化需求和资源的变化状况，提升系统的整体性能和响应速度。