本发明涉及一种基于深度强化学习的数据中心业务负载调度方法及系统,该方法包括:步骤S1:对异质业务负载的特征信息进行读取;步骤S2:对服务器可用计算资源进行实时监测;步骤S3:根据负载的特征信息、服务器可用资源以及实时电价,作出调度决策;步骤S4:采用马尔可夫决策过程对调度过程进行建模,以数据中心用电成本最小化为目标,使用蒙特卡洛策略梯度算法对调度器进行训练。本发明所提供的基于深度强化学习的数据中心业务负载调度方法及系统能够在保证任务执行逻辑和服务质量的前提下,实现数据中心的电费成本优化,降低云服务提供商的运营成本,有助于互联网行业的绿色低碳可持续发展。
声明:
“基于深度强化学习的数据中心业务负载调度方法及系统” 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)