一种权重自适应的强化学习云资源调度算法

• 作者: 李成严 孙巍 唐立民
• 来源期刊: 哈尔滨理工大学学报
• 关键词: 云资源调度 权重自适应 强化学习 启发式函数
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 计算机与控制工程|Computer and Control Engineering
• 页码范围: 17-25
• 页数: 9页
• 分类号: TP399
• 语种: 中文
• DOI: 10.15938/j.jhust.2021.02.003

摘要

针对云资源调度问题,依据强化学习算法和云资源调度模型,建立了一种同时优化任务完成时间和运行成本的多目标云资源调度模型,并提出了一种权重自适应的强化学习算法对其进行求解.设计基于一维数组的状态空间和动作表示方法,压缩算法的存储开销,以提高算法效率.引入一种权重自适应的动作选择策略,首先根据执行动作所得到的回报值权重自适应,再通过启发式函数选择动作,以提高算法的收敛速度.使用Cloudsim仿真平台求解随机生成的数据,对使用权重自适应的Q学习算法进行测试.实验结果表明,权重自适应的启发式Q学习算法在寻优能力和负载均衡方面比遗传算法和Q学习算法好,在收敛速度方面比Q学习算法和启发式Q学习算法快.