基于强化学习的NUMA架构下多核处理器任务调度方法

本发明公开了一种基于强化学习的NUMA架构下多核处理器任务调度方法，包括：使用有向无环图对输入用户设备的任务进行建模，得到任务模型；根据用户设备的NUMA架构，构建用户设备的处理器资源模型和任务调度模型；根据任务模型、处理器资源模型和任务调度模型，将任务调度决策优化问题构建为马尔科夫决策过程模型，对其中的状态空间、动作空间和奖励函数进行建模，并进行强化学习算法模型训练；使用训练好的强化学习算法模型，得到当前状态下不同动作的Q值，选择Q值最高的动作作为任务调动决策结果。本发明能够尽可能减小任务执行时间满足严格的实时性要求，提高系统的吞吐量，使得处理器资源得到充分利用。