摘要
本发明涉及一种智能船舶的算力资源调度方法,属于机器学习技术领域。本发明方法包括:实时采集智能船舶船载计算设备的算力资源数据;基于所述算力资源数据和计算任务预测各所述任务的算力资源需求;以任务执行成本最小为目标,任务完工期限为约束构建船载算力资源调度模型;构建马尔科夫决策过程,基于所述算力资源需求利用多智能体深度强化学习算法对所述船载算力资源调度模型求解,得到最优调度策略;基于最优调度策略分配算力资源。本发明方法解决了在船载算力资源总量有限的情况下,服务更多的船载任务实例,实现资源的弹性伸缩,为智能船舶提供高效、自适应的算力资源管理方案。
技术关键词
多智能体深度强化学习
资源调度方法
资源调度模型
深度强化学习算法
智能船舶
算法模型
平均等待时间
资源分配
决策
网络
资源调度系统
强化学习策略
资源调度装置
机器学习技术
队列
存储计算机程序
数据
参数
系统为您推荐了相关专利信息
资源调度模型
执行动作信息
需求预测模型
资源监控
服务器
仿真方法
历史运行数据
多智能体系统
负荷
深度强化学习算法
车路协同系统
卸载方法
深度强化学习算法
排队模型
卸载策略
城市照明
深度网络模型
节能调控系统
节能调控方法
调控策略
路径控制系统
物流
深度强化学习算法
多源异构数据
清洗单元