【技术实现步骤摘要】
一种基于联合强化学习策略的多目标云工作流调度方法
[0001]本专利技术属于云计算
,具体涉及一种基于强化学习策略的多目标云工作流调度方法。
技术介绍
[0002]作为一种最新的分布式系统计算范例,云计算的按使用付费与弹性资源模式为大规模科学应用的快速部署与分布式高效执行提供了易于访问、可扩展的基础设施环境。越来越多的科学家使用工作流来构建他们的复杂应用并将这些应用部署在云平台上执行。但是,云的按需使用等优点也给云环境下的工作流调度带来了很多挑战。一方面,云的按使用付费模式使得工作流调度时,需要同时考虑应用的执行时间与成本等,增加了调度求解难度。另一方面,其弹性资源模式大大增加了调度求解空间,进一步使调度问题复杂化。
[0003]目前,多目标优化问题的求解主要采用启发式、元启发式或二者的混合算法。启发式算法一般基于特定问题求解场景,通过设计一定的规则计算任务调度的优先级,并根据优先级依次调度各个任务。启发式方法对简单的问题模型求解效果好,但当调度问题变得复杂时,很难找到最优解,且泛化能力不足。与启发式算法相比,元启发式算法的泛化能力有了很大改善,但通常需要多次迭代更新才能找到近似最优解,而且当问题规模变大时,算法寻优所需的时间开销较大,难以满足用户对调度的实时性要求。
[0004]随着强化学习的发展及其在序列决策方面的突出优势,越来越多的研究者开始尝试利用强化学习求解调度问题。例如,有学者提出利用基于模拟退火的Q学习算法解决协同工作中的任务调度问题以及利用基于DQN和策略梯度网络的多目标工作流调
【技术保护点】
【技术特征摘要】
1.一种基于联合强化学习策略的多目标云工作流调度方法,其特征在于,包括以下步骤:步骤1、构建基于强化学习代理的联合策略模型,所述基于强化学习代理的联合策略模型包含基于引导策略和进化策略强化学习算法的两个子代理,每个子代理模型又包含时间优化子网和成本优化子网两个部分;所述基于强化学习代理的联合策略模型的状态包括工作流执行时间状态和工作流执行成本状态;所述工作流执行时间状态和工作流执行成本状态均包含任务状态和虚拟机状态;步骤2、所述时间优化子网以所述工作流执行时间状态作为输入、所述成本优化子网以所述工作流执行成本状态作为输入与环境交互,完成一次完整调度,将调度过程涉及的所有状态转换、动作和回报作为训练样本构建训练样本集,采用所述训练样本集训练所述基于强化学习代理的联合策略模型;步骤3、调度应用时,将由所述步骤1计算得到的待调度工作流的工作流执行时间状态和工作流执行成本状态输入到所述基于强化学习代理的联合策略模型中分别得到时间优化工作流调度方案和成本优化工作流调度方案,从中确定工作流调度方案。2.根据权利要求1所述的多目标云工作流调度方法,其特征在于,所述步骤1中的所述工作流执行时间状态包括和其中,为当前时间步t下任务的状态,n为当前时间步t下可调度的任务个数;θ
i
表示当前可调度任务的计算量,ns
i
为当前可调度任务的所有子任务的个数,nc
i
表示从当前可调度任务到出口任务的最大路径长度;为当前时间步t下虚拟机的状态,m为虚拟机个数,为当前时间步t下虚拟机r
f
的预期租用结束时间。3.根据权利要求2所述的多目标云工作流调度方法,其特征在于,所述当前时间步t下虚拟机r
f
的预期租用结束时间的计算过程包括:步骤3.1、依据当前资源分配情况计算任务的执行时间E
T
(t
i
),其中,t
i
表示为任务i;步骤3.2、计算任务之间的传输时间C
T
,计算公式如下:其中,Ξ为任务t
i
和t
j
之间传输的数据量,B为虚拟机的传输带宽,BW表示虚拟机所属数据中心的带宽,bl
g
表示虚拟机g所属的数据中心编号;步骤3.3、根据所述传输时间C
T
,计...
【专利技术属性】
技术研发人员:李慧芳,王彬阳,黄姜杭,王一竹,黄经纬,邹伟东,柴森春,夏元清,
申请(专利权)人:北京理工大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。