一种基于深度强化学习的GPU集群调度策略优化系统

本发明公开了一种基于深度强化学习的GPU集群调度策略优化系统，包括模拟环境层、强化学习层和策略评估层，模拟环境层用于提供真实可信的GPU集群调度环境，复现实际集群调度的核心机制，同时提供可控的实验条件，便于策略的对比评估和迭代优化；强化学习层基于深度神经网络将GPU集群调度问题转化为马尔可夫决策过程，并应用强化学习策略获得最优调度策略；策略评估层统计各项关键指标，对多种调度策略进行对比分析，并将分析结果进行可视化展示，实现GPU集群调度策略的优化。该系统解决了传统调度器的时序短视问题，使调度决策能够考虑对未来的影响，实现全局优化而非局部优化，提高整体资源利用效率。