控制与决策

作者：袁景凌,陈旻骋,江涛,李超

单位：武汉理工大学 计算机科学与技术学院,武汉 430070,,武汉理工大学 计算机科学与技术学院,武汉 430070,,武汉理工大学 计算机科学与技术学院,武汉 430070,,上海交通大学 电子信息与电气工程学院, 上海 200240,

关键词：强化学习;多目标;作业调度;异构资源;服务延迟成本

基金：国家自然科学基金项目(61303029)；湖北省创新团队项目(2015CFA069)；湖北省技术创新专项重大项目(2017AAA122).

随着新型基础设施建设(新基建)的加速,云计算将获得新的发展契机.数据中心作为云计算的基础设施,其内部服务器不断升级换代,这造成计算资源的异构化.如何在异构云环境下,对作业进行高效调度是当前的研究热点之一.针对异构云环境多目标优化调度问题,设计一种AHP定权的多目标强化学习作业调度方法.首先定义执行时间、平台运行能耗、成本等多个目标,其中定义服务延迟成本以描述用户对服务质量的满意程度;然后设计面向异构资源的多目标调度综合评价方法,利用层次分析法(analytic hierarchy process,AHP)确定各个目标的权重;最后将该方法引入Q-learning的奖励值计算,使其能反映异构云环境下作业的总体执行情况,并对后续抵达的作业起到良好的经验学习作用.实验结果表明,所提出的方法优于大部分对比方法,能够较好地优化作业执行效率和保障用户及服务提供商的利益.

来源：2022年第2期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第2期