基于深度强化学习的计算密集型工作负载高能效分配方法

摘要

本发明公开的一种基于深度强化学习的计算密集型工作负载高能效分配方法，旨在解决数据中心同时运行两种类型工作负载的场景下，采用自适应调整并优化参数的机制，高能效分配计算密集型工作负载的问题。本发明实现的步骤为：生成训练集，构建具有动态性服务器的能耗函数，构建状态动作集合，搭建计算密集型工作负载高能效分配智能体，采用深度强化学习训练智能体，分配数据中心的计算密集型工作负载。本发明的方法在服务器数量相同的条件下进一步降低了服务器能耗，提高了服务器能效，应用场景更广。