本发明涉及一种基于深度强化学习的算力资源度量方法,包括以下步骤:步骤S1:对任务集中所有待量化计算任务进行建模分析,分别定义状态、动作、奖励值;步骤S2:根据深度强化学习算法构建算力量化模型框架,并针对量化要求对模型优化目标进行细化;步骤S3:通过调整超参数对模型进行优化,得到迭代完成的训练模型;步骤S4:将待量化任务数据输入训练好的模型得到计算任务的算力度量结果。本发明能够通过细粒度分析任务模型,量化任务资源需求量,有效预测任务执行时间,实现了对异构任务的算力资源度量,为未来工业互联网下网络‑计算‑控制一体化提供算力量化基础。
声明:
“基于深度强化学习的算力资源度量方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)