[发明专利]分布式系统中的任务调度方法

摘要

本发明提供了一种分布式系统中的任务调度方法，通过将分布式系统中抽象的的任务、节点以及环境分别转换成可计算的向量，便于计算；基于深度强化学习的训练方法进行数据的训练，可以有效的克服传统语义训练中的样本不足、向量之间距离拉不开足够距离导致效果不好的问题；通过对分布式系统进行具体情况的分析，设定出有助于选择动作的回报函数，可以有效减少整个分布式系统的能耗和SLAV情况，有效提高系统性能；基于真实的数据集进行测试，并具有很强的泛化能力，可以适用于各种分布式系统中。

主权项

1.一种分布式系统中的任务调度方法，其特征在于，包括：S1：初始化分布式系统的环境、任务列表、节点列表及初始时间；S2：获取当前时刻到达的任务和环境，所述环境包括任务请求资源列表和节点资源情况列表，并将当前时刻的任务请求资源列表和节点资源情况列表分别转化为任务请求资源分布和节点剩余资源分布；S3：将获取的当前时刻到达的任务和环境分别进行语义向量嵌入，以得到任务向量和环境向量；S4：将所述任务向量和所述环境向量相乘得到节点向量，并通过一全连接层转化为各个节点的回报函数值；S5：基于所述任务向量和所述环境向量，根据贪心策略选择一个动作作为当前动作；S6：更新分布式系统的环境，以得到分布式系统的下一个状态，并将更新前状态，选择的动作，下一个状态存入临时记忆空间；S7：反复执行S2～S6，以获得各个时刻的临时记忆空间及回报函数值，并将各个时刻获得的临时记忆空间和对应的回报函数值共同存储于记忆空间中；S8：对所述记忆空间进行深度强化学习训练，以训练结果进行任务调度。