公开(公告)号：CN119690591A

公开(公告)日：2025-03-25

申请号：CN202411849331.2

申请日：2024-12-16

Applicant: 中国科学院计算技术研究所

Inventor： 叶剑 ,  王博荣 ,  程爽

IPC: G06F9/455 ,  G06F9/48 ,  G06N7/01 ,  G06N3/092 ,  G06F9/50

Abstract: 本发明提供了一种基于深度强化学习的容器云任务调度方法，包括：定义容器云任务调度事项；建模为马尔可夫决策模型，包括：以每个任务的任务需求和每个可用节点的当前资源状态作为状态集，将可用节点的集合作为动作集；智能体根据任务的任务需求、可用节点的当前资源状态和任务调度策略，将任务分别调度给某个可用节点；定义奖励函数，用于在智能体将任务调度到可用节点后计算奖励；通过深度强化学习模型对马尔可夫决策模型进行优化，得到优化后的任务调度策略。本发明还提供一种基于深度强化学习的容器云任务调度装置、存储介质及电子设备。借此，本发明能够从系统的运行信息中自动学习到预期的调度策略，自动适应变化的环境，而无需依赖专家知识。

公开(公告)号：CN119690590A

公开(公告)日：2025-03-25

申请号：CN202411849329.5

申请日：2024-12-16

Applicant: 中国科学院计算技术研究所

Inventor： 叶剑 ,  王博荣 ,  程爽

IPC: G06F9/455 ,  G06F9/50 ,  G06N3/044 ,  G06N3/045 ,  G06N3/0442

Abstract: 本发明提出一种面向容器云平台的负载预测方法、装置、存储介质，该方法包含：对容器云资源的负载情况进行量化，确定每个容器的负载值以及每个节点的负载值，得到负载时序数据；以所述负载时序数据作为输入，构建负载预测模型；利用构建的负载预测模型预测未来一时间段的容器负载。该方法容器云环境中负载预测的准确性和适应性。