-
题名面向能源感知的虚拟机深度强化学习调度算法研究
被引量：1
- 1
-
-
作者
王杨民
胡成玉
颜雪松
曾德泽
-
机构
中国地质大学(武汉)计算机科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2024年第2期293-299,共7页
-
文摘
随着计算机技术的快速发展,云计算技术成为了解决用户存储、算力需求的最佳方法之一。其中,基于NUMA架构的动态虚拟机调度成为了学术界和工业界关注的热点方向。但是,目前的研究中,基于启发式的算法难以对虚拟机进行实时调度,并且大多数文献没有考虑NUMA架构下虚拟机调度产生的能耗等问题。对此,提出了一种基于深度强化学习的大型移动云中心虚拟机服务迁移框架,构建了NUMA架构下的能耗模型;提出了自适应奖励的分层自适应柔性演员评论家算法(Hie-rarchical Adaptive Sampling Soft Actor Critic,HASAC);在云计算场景下,将所提算法与3种经典的深度强化学习方法进行实验对比。实验结果表明,所提改进算法在不同场景下可以处理更多的用户请求,且消耗的能源较少。此外,对算法中各种策略进行消融实验,证明了所提策略的有效性。
-
关键词
NUMA架构
深度学习
强化学习
能源感知
分层缓冲区
-
Keywords
NUMA architecture
Deep learning
Reinforcement learning
Energy perception
Layered buffer
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
-
