本发明公开了一种基于强化学习的在线多工作流调度方法。本发明首先建立系统模型来表征移动设备、边缘服务器、任务和节点。其次建立节点卸载规则,移动设备可选择将节点卸载到边缘服务器上或者留在本地执行。然后建立时间线模型,记录所有任务的到达事件以及节点的执行完成事件。再建立基于强化学习的在线多工作流调度策略,定义调度问题的状态空间和动作空间,并设计调度问题的奖励函数。最后设计一种基于策略梯度的求解在线多工作流调度问题算法用于调度策略实现。本发明基于图卷积神经网络提取的特征进行卸载决策与资源分配,能够实时分析当前的工作流以及服务器的状态,复杂度低,尽可能地降低所有工作流的平均完成时间。
声明:
“基于强化学习的在线多工作流调度方法” 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)