本发明公开了基于图神经网络深度强化学习的多coflow调度方法,基于深度强化学习框架建立了多coflow调度模型,并采用图神经网络和策略网络的级联作为深度强化学习代理,其中,采用图神经网络完成工作流DAG特征的提取,使得模型能够处理具有不同数量及连接方式的节点的工作流DAG,有效提高了模型在不可预测输入DAG下的泛化能力;通过引入策略转换器,能够根据调度优先级列表生成细粒度的coflow调度策略,提高了调度过程的效率,并且有效减少了工作流的完成时间。
声明:
“基于图神经网络深度强化学习的多coflow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)