摘要
本申请提供的后端任务调度执行方法、装置、存储介质及计算机设备,在后端任务调度时,先提取后端任务的任务特征数据,实现各类关键信息的量化,同时根据后端系统的实时状态信息生成系统状态向量,实现系统资源实时状态的捕捉;然后采用强化学习对这两个数据进行调度分析得到初步调度方案,并采用遗传算法对初步调度方案进行迭代优化得到优化调度方案,这里强化学习可以对系统实时状态快速做出反应,而遗传算法可以有效避免强化学习容易陷入局部最优的问题;因此对这两个方案进行优势分析后得到的最终调度方案具有更强的灵活性和适应性;最后可以根据最终调度方案对后端任务进行节点分配和任务执行,确保各个任务在合适的节点上按时完成。
技术关键词
任务调度执行方法
强化学习模型
实时状态信息
计算机可读指令
遗传算法
后端系统
生成系统
深度强化学习算法
计算机设备
动作建议
数据获取模块
处理器
节点
动态更新
存储器
系统为您推荐了相关专利信息
声发射特征参数
短临预警方法
双向长短期记忆网络
随机森林
LSTM模型
UKF算法
模型更新
协方差矩阵
观测噪声
遗传算法