一种基于DQN的云计算资源调度优化方法技术

一种基于DQN的云计算资源调度优化方法，所述方法包括：确认任务和目标并形成任务部署计划；记录服务器当前负载状态并部署计划至服务器的虚拟机上；记录任务部署后状态；形成第一回报值，形成第二回报值；统计多次的任务部署后的第一回报值形成第一回报集，统计多次的任务部署后的第二回报值形成第二回报集；将第一回报集及第二回报集分别进行归一化处理；根据能源消耗权重、时间权重、归一化后的第一回报集及归一化后的第二回报集计算得最终回报集；根据最终回报集中的元素形成样本加入至样本池。解决了如何形成基于DQN调度模型用于在特定云端服务器布置任务时平衡服务器能源消耗和任务完工时间的样本的问题。

【技术实现步骤摘要】
一种基于DQN的云计算资源调度优化方法
本专利技术涉及云计算领域，更具体地，涉及一种基于DQN的云计算资源调度优化方法。
技术介绍
随着大数据时代的到来，云计算成为这个时代最具有活力与发展前景的一种计算服务模式。云计算不仅对信息产业技术架构产生重大影响，也不断的影响着人们的生活方式。在云计算快速发展的过程中同样也面对许多急需解决的问题，如提高用户的服务质量和提高云服务供应商的经济效益等问题。从云计算的定义可知，资源管理调度问题仍是云计算领域亟需解决的核心问题之一。良好的资源管理与调度策略不仅能保证用户服务质量，而且能充分利用云系统的资源，增加云服务供应商的经济收益。云计算资源管理调度问题实际上是一种多约束、多目标优化的NP-hard问题。针对资源管理调度问题，国内外研究学者与课题组进行了大量的深入研究并取得丰硕的研究成果。深度强化学习是一种结合深度学习与强化学习的新型的端对端(EndtoEnd,ETE)的感知与控制系统，通过结合深度学习的感知能力与强化学习的优秀的决策能力，优势互补，为解决复杂云系统的资源管理与任务调度问题提供了新的思路与方法。Mao等人将多资源作业调度问题转化成多资本文档来自技高网...

【技术保护点】
1.一种基于DQN的云计算资源调度优化方法，其特征在于，所述方法包括：确认任务和目标网络的服务器负载状态并根据任务情况和目标网络的服务器负载状态形成任务部署计划；记录服务器当前负载状态为起始状态并根据任务部署计划将任务部署至服务器的虚拟机上；记录任务部署后的服务器的负载状态为完成状态；根据完成状态计算任务完工时间并根据任务完工时间形成第一回报值，根据目标网络的起始状态与完成状态形成第二回报值；统计多次的任务部署后的第一回报值形成第一回报集，统计多次的任务部署后的第二回报值形成第二回报集；将第一回报集及第二回报集分别进行最小‑最大值归一化处理；根据能源消耗权重、时间权重、归一化后的第一回报集及归...

【技术特征摘要】
1.一种基于DQN的云计算资源调度优化方法，其特征在于，所述方法包括：确认任务和目标网络的服务器负载状态并根据任务情况和目标网络的服务器负载状态形成任务部署计划；记录服务器当前负载状态为起始状态并根据任务部署计划将任务部署至服务器的虚拟机上；记录任务部署后的服务器的负载状态为完成状态；根据完成状态计算任务完工时间并根据任务完工时间形成第一回报值，根据目标网络的起始状态与完成状态形成第二回报值；统计多次的任务部署后的第一回报值形成第一回报集，统计多次的任务部署后的第二回报值形成第二回报集；将第一回报集及第二回报集分别进行最小-最大值归一化处理；根据能源消耗权重、时间权重、归一化后的第一回报集及归一化后的第二回报集计算得最终回报集，所述能源消耗权重及时间权重为基于调整策略的能源消耗或时间因素的权重值；根据最终回报集中的元素形成样本加入至样本池。2.根据权利要求1所述的一种基于DQN的云计算资源调度优化方法，其特征在于，所述通过最终回报集中的元素形成样本加入至样本池的步骤具体包括：分析最终回报集中的一个元素结合其所对应的起始状态、完成状态及任务部署计划形成参考样本；对最终回报集中的所有元素逐个进行分析后将分析结果作为样本加入样本池。3.根据权利要求1所述的一种基于DQN的云计算资源调度优化方法，其特征在于，所述根据完成状态计算任务完工时间并根据任务完工时...

【专利技术属性】
技术研发人员：彭志平，林建鹏，崔得龙，李启锐，何杰光，付公燚，毛远洪，邓锡海，
申请(专利权)人：广东石油化工学院，
类型：发明
国别省市：广东,44