一种基于多智能体深度强化学习模型的Storm任务调度方法

本发明属于大数据流式处理领域，具体涉及一种基于多智能体深度强化学习模型的Storm任务调度方法，包括：模拟Storm任务调度的环境，反映在实际Storm集群的资源分配、任务调度、集群负载等因素的动态变化；本发明采用基于反事实策略梯度(COMA)的近端策略优化(PPO)算法作为强化学习模型进行训练；采用训练阶段中心化，执行阶段去中心化的方法，以保证实际运行中Storm的实时性。本发明以最大化资源利用率和最小化资源使用成本为优化目标，结合多智能体深度强化学习和任务调度特性，使Storm在面对动态资源和工作负载时也能得到更智能和灵活的调度策略。