基于强化学习的多机群网格资源调度模型

来源 :计算机科学 | 被引量 : 0次 | 上传用户:chunling329
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在由多个计算机集群构成的多机群网格环境下,为了解决数据并行型计算(DPC)与计算资源的有效匹配问题,提出了一个基于强化学习机制的网格资源调度模型;给出了由多个计算机机群组成的多机群网格、逻辑计算机机群、数据并行型计算和一系列Agent的定义;利用多Agent的协作做竞争机制、基于强化学习的匹配知识库的修正方法,研究了逻辑计算机机群与DPC资源供需之间的有效匹配问题;描述了网格的资源调度模型。理论分析和实践表明,该模型有效地解决了多机群网格环境之下数据并行型计算所需的资源优化使用问题。该模型适合于基于多机群
其他文献
通过将战略地图方法与系统动力学方法相结合,构建技术创新能力模型,对影响技术创新能力的关键因素即专利申请量和政府与企业R&D投入比率进行动态模拟研究。研究结果表明:战略
针对IT服务质量测度不确定性和质量成本信息不对称两种质量风险因素,运用委托代理理论研究了质量测度不确定条件下的道德风险问题,以及质量成本信息不对称条件下的逆向选择问
提出了拥塞型中转站选址和设计优化模型,设施设计包括设施容量和流量分配。已知各个O-D对产生的需求量分布函数,将中转站模拟为M/M/1的排队系统,建立了以设施选址成本、交通
复杂装备研制过程中,上级供应商往往采取对下级供应商的扶持的做法,基于此,构建了一类基于多级递阶规划的复杂装备研制质量协商模型,分析了质量指标递阶分解和质量协商递阶规划流
提出了一种带有指导信息的k-means方法多支持向量机(SkSVM)。带有指导信息的k-means方法多支持向量机中k-means的目标是对训练数据进行划分,附加指导信息是保证k-means在对训练