本发明提供了一种分布式系统中的任务调度方法,通过将分布式系统中抽象的的任务、节点以及环境分别转换成可计算的向量,便于计算;基于深度强化学习的训练方法进行数据的训练,可以有效的克服传统语义训练中的样本不足、向量之间距离拉不开足够距离导致效果不好的问题;通过对分布式系统进行具体情况的分析,设定出有助于选择动作的回报函数,可以有效减少整个分布式系统的能耗和SLAV情况,有效提高系统性能;基于真实的数据集进行测试,并具有很强的泛化能力,可以适用于各种分布式系统中。
声明:
“分布式系统中的任务调度方法” 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)