[发明专利]一种基于深度强化学习的资源调度方法和系统

权利要求书

1.一种基于深度强化学习的资源调度方法，其特征在于，该方法具体包括以下步骤：

S1：系统通过日志文件采集用户的行为数据，包括用户对任务的申请情况，资源在基础算法下的调度记录；

S2：系统通过用户保留在系统内的任务信息，自动根据用户的任务进行训练，得到一种适合的调度算法作为用户的初始调度算法，用于生成相对应的调度结果；

S3：用户对当前返回的调度结果进行评估，并做出是否接受当前调度策略的选择；

S4：如果用户满意当前调度策略所产生的调度结果，则系统认为该算法为适合该用户的个性化调度算法；

S5：如果用户不满意当前调度策略所产生的调度结果，则用户可以通过系统提供的调度算法接口，选择再次训练调度策略。

2.根据权利要求1所述一种基于深度强化学习的资源调度方法，其特征在于，所述调度算法能适用于在线资源调度，根据用户在任务生成中的操作，动态选择相对应的调度算法进行资源调度。

3.一种基于深度强化学习的资源调度系统，其特征在于，该系统包括用户输入模块、数据处理模块、资源调度系统模块和资源调度过程显示模块；

所述用户输入模块：通过大数据平台的日志文件系统获取用户行为数据，按照一定格式生成一个标准数据集；

所述数据处理模块：接受来自用户行为获取模块传递来的用户行为数据，并将数据根据特征信息存储于不同的媒介当中，包括内存缓存、数据库或者分布式文件系统；

所述资源调度过程显示模块：用于将资源调度系统模块发送来的调度结果呈现给对应的目标用户。

4.根据权利要求3所述的一种基于深度强化学习的资源调度系统，其特征在于，所述资源调度系统模块包括资源调度算法控制单元和资源调度算法单元；

所述资源调度算法控制单元：包括有调度算法网络，在该网络中存储调度网络结构，资源调度系统模块基于用户的历史行为数据，根据用户对调度算法的选择操作获得经过训练调度策略，从而分配相对应的调度资源来实现当前平台对各资源的调度，并将调度后作业的执行过程作为当前用户的调度结果发送给资源调度过程显示模块；

所述资源调度算法单元：根据用户的历史数据进行训练调整。

5.根据权利要求3所述的一种基于深度强化学习的资源调度系统，其特征在于，所述资源调度系统模块具体执行流程如下：

1)从数据库或者缓存当中提取用户任务数据，通过分析不同任务，生成当前用户的任务训练数据；

2)通过分析历史数据的调度策略，在调度算法库中训练相对应的调度算法进行调度计算；

3)结合在步骤1)中生成的用户输入数据和步骤2)中训练的调度算法，通过计算JOBSLOWDOWN转化为初始调度结果列表；

4)对得到的初始调度结果列表按照用户需求对结果进行审核，判断模型是否达标差；

5)为了提升用户的满意度，对经过调度结果进行进一步的排序操作，排序的方法根据分析步骤2)当中用户选择的调度策略而定，包括根据流行性排序、根据多样性排序以及根据准确性排序；

6)选择排序靠前的N次调度作为最终的调度结果列表传递给显示模块。