一种基于Q学习和遗传算法的异构集群任务调度融合方法

本发明公开了一种基于Q学习和遗传算法的异构集群任务调度融合方法，属于智能调度技术领域，本发明通过Q‑Learning的动态反馈机制与遗传算法的全局搜索能力协同优化：初始化阶段定义集群状态空间及动作空间，生成多Q值表及初始种群；任务调度时，基于‑贪心策略选择节点并计算奖励值，更新Q值表；同时将调度方案编码为染色体，通过轮盘赌选择、交叉和变异生成新种群，优化Q值表；迭代过程中根据Q值变化或种群适应度变化判断收敛性，动态调整策略。本发明融合双算法优势，避免局部最优，显著提升任务处理效率与资源利用率，并支持集群状态变化时的自适应策略更新，适用于大规模异构集群的高效任务调度场景。