CN110580196A 一种实现并行任务调度的多任务强化学习方法 （北京邮电大学）

一种实现并行任务调度的多任务强化学习一种实现并行任务调度的多任务强化学习络和输出子网络构成；(3)设置算法的新损失函21.一种实现并行任务调度的多任务强化学习方法，基于异步优势表演者批评家AsynchronousAdvantageActor-Critic算法实现，其特征在于：所述方法包括下列操作步(1)对AsynchronousAdvantageActor-Critic算法模型进行如下设置操作以更好的解node)表示第i个softmax输出分支子网络给出的与第i个子任务对应的策略，at,i表示t时刻第i个子任务对应的动由前述的M个softmax输出分支子网络和一个线性输出分支子网络构成；所述的softmax输出分支子网络由一个全连接层和一个softmax输出层构成；所述的线性输出分支子网络由3)))为子网络输出各个动))24[0001]本发明涉及一种实现并行任务调度的多任务强化学习方法，属[0003]在实际的网络调度问题中，我们经常需要处理由独立并行任务组成的一些工执行的计算节点。此外，分布式关系数据库查询，蒙特卡罗模拟，BLAST(basiclocal[0005]对于处理高维状态空间和低维动作空间中的复杂控制问题，深度强化学习(Deep无模型控制成为分布并行多任务调度技术领域一个亟待解[0007]为了达到上述目的，本发明提出了一种实现并行任务调度的多任务强化学习方[0008](1)对AsynchronousAdvantageActor-Critic算法模型进行如下设置操作以更5fM表示第M个子任务；所述作业是指将并行任务分配给具有不同计算能力和资源的服务器[0012]T表示所有服务器节点的每个子线程中已分配的待执行任务的预计剩余执行时node表示所有服务器节点当前的CPU频率。att)是t时刻决)表示第i个网络参数，θv表示所述线性输出分支子网络的网络参数；它们共享多个非输出层；每个网络由前述的M个softmax输出分支子网络和一个线性输出分支子网络构成；所述的))6))2[0030](4)利用采集观测的并行任务调度数据，训练前述的AsynchronousAdvantage[0037]图2是本发明提出的对AsynchronousAdvantageActor-Critic算法网络所改进7异步优势表演者批评家AsynchronousAdvantageActor-Critic算法实现，所述方法包括[0040](1)对AsynchronousAdvantageActor-Critic算法模型进行如下设置操作以更fM表示第M个子任务；所述作业是指将并行任务分配给具有不同计算能力和资源的服务器[0044]T表示所有服务器节点的每个子线程中已分配的待执行任务的预计剩余执行时node表示所有服务器节点当前的CPU频率。att)是t时刻决)表示第i个网络参数，θv表示所述线性输出分支子网络的网络参数；它们共享多个非输出层；每个8网络由前述的M个softmax输出分支子网络和一个线性输出分支子网络构成；所述的))))2[0063](4)利