一种用于数据中心资源调度的加速优化方法

    公开(公告)号:CN116244047A

    公开(公告)日:2023-06-09

    申请号:CN202211569812.9

    申请日:2022-12-08

    IPC分类号: G06F9/48 G06N3/042 G06N3/092

    摘要: 本发明公开了一种用于数据中心资源调度的加速优化方法,包括如下步骤:步骤1、用户提交任务请求,所有请求进入队列,等待数据中心进行资源分配;步骤2、数据中心通过最优调度目标根据任务属性进行资源分配;步骤3、将任务属性作为最优调度目标,形成后期深度强化学习时的经验知识库;步骤4、基于步骤3得到的经验知识库,通过深度强化学习网络,将其应用于数据中心资源调度任务中,迭代出最优策略,即得到最优的Q值和与该Q值对应的分配策略;步骤5、在最优策略执行后,当节点间的算力不均衡,部分空闲节点的算力并未充分利用,进行动态增补的编码,优化资源调度效率。本发明能够最大化地提升资源利用率,高效分配资源,降低无效碳排放。

    一种基于深度强化学习的软件智能升级方法及装置

    公开(公告)号:CN113031983B

    公开(公告)日:2022-11-11

    申请号:CN202110147585.X

    申请日:2021-02-03

    IPC分类号: G06F8/65 G06K9/62 G06N3/02

    摘要: 本发明提出了一种基于深度强化学习的软件智能升级方法及装置。所述方法包括:采集软件运行参数以及用户操作参数,并确定所述软件运行参数以及用户操作参数下软件的基准升级时间点;根据所述软件运行参数以及用户操作参数,利用策略网络给出预测的升级时间点,将预测的升级时间点和所述基准升级时间点的差值作为强化学习的奖励,并将奖励作为策略网络的标签值,通过训练得到训练好的软件智能升级模型;获取软件实时运行参数和用户操作参数,传入训练好的软件智能升级模型,得到当前升级时间点的可信值,并根据可信值判断是否进行升级。本发明基于强化学习和深度学习,实现软件系统的智能升级时机预测,极大地提高软件升级效率。