一种目标节点的确定方法、容器的部署方法、容器部署决策模型的更新方法以及电子设备

本发明提供了一种目标节点的确定方法、容器的部署方法、容器部署决策模型的更新方法以及电子设备。本发明通过引入深度强化学习智能体并基于马尔可夫决策过程框架来进行容器部署决策，能够动态适应集群的负载状态变化，并且充分考虑多维度资源需求的调度问题，从而优化集群的资源分配和负载均衡。具体地，通过最小化节点集群的负载均衡偏差，智能体能够在容器部署过程中实现资源的全局负载均衡，而非单一维度的局部优化，这有效避免了传统方法可能导致的资源浪费或节点过载现象。最终，该方法能够提高集群资源利用率，提升容器部署的效率和稳定性，降低系统宕机风险，并优化容器调度决策的长期效果。