基于深度增强学习的数据中心网络Coflow调度机制

• 作者: 张校辉 胡宇翔 马腾
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 数据中心网络 语义相关流 流调度
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 学术论文
• 页码范围: 1617-1624
• 页数: 8页
• 分类号: TP393
• 字数: 6685字
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2018.07.011

摘要

最小化语义相关流的平均完成时间是数据中心网络流量管理面临的难题之一.受人工智能领域深度增强学习方向的最新研究进展启发,本文提出一种的新的语义相关流调度机制.将带宽约束的语义相关流调度问题转化为连续的学习过程,通过学习以往策略实现最佳调度.引入反向填充和有限复用机制,保证系统的工作保持性和无饥饿性.仿真结果表明,在不同的网络负载下,本文提出的调度机制均使得语义相关流的平均完成时间小于其他调度机制,尤其是网络负载较大时,相比最先进的调度机制,性能提升约50％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	胡宇翔		71	317	9.0	15.0
2	马腾		11	38	4.0	5.0
3	张校辉		18	41	4.0	5.0