【技术实现步骤摘要】
本申请涉及边缘服务器容器调度，尤其涉及基于强化学习的容器调度网络构建方法、边缘服务器容器调度方法及系统。
技术介绍
1、在边缘计算场景中，边缘服务器对实时数据分析和智能终端服务等应用进行边缘设备端的容器化部署是目前发展迅速的方向。
2、边缘服务器中设置有基于深度学习的智能体，智能体与环境的交互来学习最优策略。在容器调度中，强化学习可以根据当前的系统状态(如资源利用率、任务队列长度等)选择最优的调度决策，从而最小化任务的执行时间和资源浪费。
3、现有的基于深度学习的容器调度方法在边缘计算领域中存在不足。现有的基于深度学习的容器调度方法主流是部署在x86架构的服务器中，而物联网的边缘网络中的边缘设备架构有arm架构和mips架构等。不同的边缘局域网之间存在明显的异构特点。
4、因此，现有的基于深度学习的容器调度方法部署在边缘服务器中需要重新对容器调度策略进行训练，而边缘服务器的算力明显无法完成该重新训练过程，需要在云端训练再进行部署，造成较大的通讯开销。
5、为了能够让边缘服务器和其他的同架构...
【技术保护点】
1.一种基于强化学习的容器调度网络构建方法，其特征在于，包括：
2.根据权利要求1所述的基于强化学习的容器调度网络构建方法，其特征在于，通过所述容器调度网络在N个边缘服务器中进行容器调度，具体包括：
3.根据权利要求2所述的基于强化学习的容器调度网络构建方法，其特征在于，通过所述状态监视器在N个边缘服务器中采集经验数据集，具体包括：
4.根据权利要求2所述的基于强化学习的容器调度网络构建方法，其特征在于，通过所述Critic网络层确定所述容器调度决策的动作价值，具体包括：
5.根据权利要求4所述的基于强化学习的容器调度网...
【技术特征摘要】
1.一种基于强化学习的容器调度网络构建方法，其特征在于，包括：
2.根据权利要求1所述的基于强化学习的容器调度网络构建方法，其特征在于，通过所述容器调度网络在n个边缘服务器中进行容器调度，具体包括：
3.根据权利要求2所述的基于强化学习的容器调度网络构建方法，其特征在于，通过所述状态监视器在n个边缘服务器中采集经验数据集，具体包括：
4.根据权利要求2所述的基于强化学习的容器调度网络构建方法，其特征在于，通过所述critic网络层确定所述容器调度决策的动作价值，具体包括：
5.根据权利要求4所述的基于强化学习的容器调度网络构建方法，其特征在...
【专利技术属性】
技术研发人员：张硕，韦峻铭，刘亚萍，曾东阳，杨智凯，邹世杰，谭凯云，周浩楠，
申请(专利权)人：广州大学，
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。