一种基于强化学习的无模型数据中心资源调度算法

摘要

本发明公开了一种基于强化学习的无模型数据中心资源调度算法，包括环境模型和DRL模型，环境模型包括时间模型，VM模型，Task模型，Task模型用于存放还未执行的任务，VM模型用于执行任务，DRL模型包括Agent1模型与Agent2模型，Agent1模型用于判断任务是否执行，Agent2模型用于增减虚拟机，Agent1模型与Agent2模型分别包括状态空间、动作空间、回报函数和深度神经网络四个部分组成。本发明中，针对数据中心到达的任务大小波动较大，提出了cost来衡量任务的等待时间，较传统的公平调度、最短的任务先执行策略和先到先执行策略相比，对任务的分配更加科学化合理化，同时对因任务到达数量变化造成的资源浪费，做到了动态调整集群中VM数量，实现数据中心资源的高效利用和负载平衡。