深度強化學(xué)習(xí)：云計算中作業(yè)與資源協(xié)同自適應(yīng)調(diào)度的理論及應(yīng)用

第1篇基 礎(chǔ) 理 論
第1章云計算概述
1.1云計算技術(shù)概述
1.1.1云計算的3種服務(wù)模式
1.1.2云計算的4種署模型
1.2云計算的核心技術(shù)
1.3云計算資源配置與任務(wù)調(diào)度模型
1.4云計算提出的挑戰(zhàn)
1.4.1虛擬化技術(shù)帶來的挑戰(zhàn)
1.4.2虛擬機資源和應(yīng)用系統(tǒng)參數(shù)提出的挑戰(zhàn)
1.4.3工作流任務(wù)和虛擬化資源進行協(xié)同自適應(yīng)調(diào)度提出的挑戰(zhàn)
1.4.4資源利用率和服務(wù)等級協(xié)議提出的挑戰(zhàn)
第2章深度強化學(xué)概述
2.1深度卷積經(jīng)網(wǎng)絡(luò)
2.2強化學(xué)
2.3深度強化學(xué)
2.3.1DQN算法主要用到的關(guān)鍵技術(shù)
2.3.2DQN模型訓(xùn)練過程
第2篇云作業(yè)調(diào)度算法
第3章隨機作業(yè)化調(diào)度策略
3.1引言
3.2國內(nèi)外研究現(xiàn)狀
3.2.1理論分析
3.2.2能耗管理
3.2.3資源分配
3.3系統(tǒng)模型
3.3.1作業(yè)調(diào)度子模塊
3.3.2作業(yè)執(zhí)行子模塊
3.3.3作業(yè)傳輸子模塊
3.4基于強化學(xué)的作業(yè)調(diào)度算法
3.4.1強化學(xué)
3.4.2基于強化學(xué)的用戶作業(yè)調(diào)度算法
3.4.3狀態(tài)簡約
3.5性能評估
3.5.1云平臺實驗驗證
3.5.2真實云平臺實驗驗證
3.6小結(jié)
第4章混合作業(yè)調(diào)度機制
4.1引言
4.2國內(nèi)外發(fā)展現(xiàn)狀
4.2.1靜態(tài)調(diào)度法
4.2.2動態(tài)調(diào)度法
4.2.3混合調(diào)度法
4.2.4局限性分析
4.3云平臺模型
4.4混合作業(yè)調(diào)度算法
4.5基于強化學(xué)的混合作業(yè)調(diào)度算法
4.6實驗結(jié)果與分析
4.7小結(jié)
第5章基于多智能體系統(tǒng)的云工作流作業(yè)化調(diào)度
5.1研究背景
5.2相關(guān)工作
5.3系統(tǒng)模型
5.3.1云工作流系統(tǒng)
5.3.2云工作流模型組件介紹
5.4基于多智能體系統(tǒng)的粒子群遺傳化算法
5.4.1粒子群化算法
5.4.2云工作流環(huán)境下的粒子群算法
5.4.3多智能體系統(tǒng)下粒子群的自組織模型
5.4.4MASPSOGA算法步驟
5.5算法與分析
5.5.1實驗數(shù)據(jù)和參數(shù)設(shè)置
5.5.2實驗結(jié)果及分析
5.6小結(jié)
第6章基于深度強化學(xué)的云環(huán)境下的多資源云作業(yè)調(diào)度策略
6.1引言
6.2系統(tǒng)模型及表示
6.3算法說明與偽代碼
6.4實驗環(huán)境與參數(shù)設(shè)置
6.5實驗結(jié)果與分析
6.6小結(jié)
第7章基于深度強化學(xué)的多數(shù)據(jù)中心云作業(yè)調(diào)度
7.1引言
7.2系統(tǒng)模型
7.3作業(yè)調(diào)度
7.4實驗平臺設(shè)計
7.5實驗及結(jié)果分析
7.6小結(jié)
第3篇虛擬化資源調(diào)度
第8章基于強化學(xué)的云計算資源分配研究
8.1引言
8.2研究現(xiàn)狀
8.3系統(tǒng)模型
8.3.1云計算平臺架構(gòu)
8.3.2作業(yè)響應(yīng)時間
8.3.3分段SLA
8.3.4有效單位時間花費
8.4基于強化學(xué)的云資源調(diào)度機制
8.4.1相關(guān)概念
8.4.2基于基本強化學(xué)的資源調(diào)度算法
8.4.3化的資源分配策略
8.5實驗結(jié)果
8.5.1云平臺驗證
8.5.2真實云平臺上進行性能驗證
8.6小結(jié)
第9章基于DQN的多目標(biāo)化的資源調(diào)度框架
9.1引言
9.2國內(nèi)外發(fā)展現(xiàn)狀
9.2.1基于啟發(fā)式算法的資源調(diào)度研究
9.2.2基于強化學(xué)的資源調(diào)度研究
9.2.3基于深度強化學(xué)的資源調(diào)度研究
9.3系統(tǒng)模型
9.3.1作業(yè)負(fù)載層
9.3.2調(diào)度控制層
9.3.3數(shù)據(jù)中心層
9.4問題分析
9.4.1用戶作業(yè)負(fù)載模型
9.4.2能源消耗模型
9.4.3數(shù)學(xué)描述
9.5算法說明與偽代碼
9.6實驗與結(jié)果分析
9.6.1實驗步驟和參數(shù)設(shè)置
9.6.2實驗結(jié)果與分析
9.7小結(jié)
第10章容器云環(huán)境虛擬資源配置策略的化
10.1引言
10.2容器云資源配置
10.2.1虛擬機資源配置
10.2.2容器資源配置
10.2.3虛擬機/容器遷移
10.3問題描述與數(shù)學(xué)建模
10.3.1問題描述
10.3.2數(shù)據(jù)中心的能耗模型
10.4主機選擇策略及改進
10.4.1常用物理機選擇策略
10.4.2物理機選擇策略的改進
10.4.3算法的復(fù)雜度分析
10.5實驗結(jié)果及分析
10.5.1實驗環(huán)境
10.5.2實驗場景
10.6小結(jié)
第11章兩段虛擬資源協(xié)同自適應(yīng)調(diào)度
11.1引言
11.2國內(nèi)外發(fā)展現(xiàn)狀
11.2.1靜態(tài)調(diào)度法
11.2.2動態(tài)調(diào)度法
11.2.3混合調(diào)度法
11.2.4局限性分析
11.3系統(tǒng)模型
11.3.1虛擬機租用段系統(tǒng)子模型
11.3.2虛擬機使用段系統(tǒng)子模型
11.4數(shù)據(jù)中心選擇算法
11.4.1深度強化學(xué)
11.4.2虛擬機租用段的數(shù)據(jù)中心選擇
11.4.3虛擬機租用段的數(shù)據(jù)中心選擇算法
11.4.4虛擬機使用段的數(shù)據(jù)中心選擇
11.4.5虛擬機使用段的數(shù)據(jù)中心選擇算法
11.5實驗驗證
11.5.1虛擬機租用段實驗結(jié)果與分析
11.5.2虛擬機使用段實驗結(jié)果與分析
11.6小結(jié)
第4篇云作業(yè)和虛擬化資源協(xié)同自適應(yīng)調(diào)度
第12章基于異構(gòu)分布式深度學(xué)的云任務(wù)調(diào)度與資源配置框架
12.1引言
12.2系統(tǒng)框架與問題闡述
12.2.1系統(tǒng)框架
12.2.2問題闡述
12.3異構(gòu)分布式深度學(xué)模型
12.4實驗與結(jié)果分析
12.4.1實驗設(shè)計與參數(shù)說明
12.4.2網(wǎng)絡(luò)模型驗證實驗
12.4.3算法比較實驗
12.5小結(jié)
第13章云工作流任務(wù)與虛擬化資源協(xié)同自適應(yīng)調(diào)度機制
13.1引言
13.2自適應(yīng)協(xié)同調(diào)度研究現(xiàn)狀及其局限性分析
13.3系統(tǒng)模型
13.4多智能體社會下工作流任務(wù)與虛擬化虛擬機資源自適應(yīng)調(diào)度機制
13.5多智能體社會下工作流任務(wù)與虛擬化虛擬機資源協(xié)同調(diào)度機制
13.6實驗驗證
13.7小結(jié)
 
參考文獻