CN112596879A - 用于量子云计算平台任务调度的方法 - Google Patents
用于量子云计算平台任务调度的方法 Download PDFInfo
- Publication number
- CN112596879A CN112596879A CN202011553279.8A CN202011553279A CN112596879A CN 112596879 A CN112596879 A CN 112596879A CN 202011553279 A CN202011553279 A CN 202011553279A CN 112596879 A CN112596879 A CN 112596879A
- Authority
- CN
- China
- Prior art keywords
- expected
- task
- reward
- scheduling
- processor
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/50—Allocation of resources, e.g. of the central processing unit [CPU]
- G06F9/5005—Allocation of resources, e.g. of the central processing unit [CPU] to service a request
- G06F9/5027—Allocation of resources, e.g. of the central processing unit [CPU] to service a request the resource being a machine, e.g. CPUs, Servers, Terminals
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Multi Processors (AREA)
Abstract
本申请涉及量子云计算技术领域,公开一种用于量子云计算平台任务调度的方法。包括:获取待分配的任务和所述任务类型;根据所述任务类型获取所述任务分配给不同处理器的第一期望回报;根据所述第一期望回报进行任务调度。通过任务类型获取任务分配给不同处理器的第一期望回报,并根据第一期望回报进行任务调度,能够避免针对部分处理器一直分配任务,出现该部分处理器被占满,而另一部分处理器空闲或任务量较少的情况。这样缓解了任务堆积在处理器的情况,提高了任务的调度效率。
Description
技术领域
本申请涉及量子云计算技术领域,例如涉及一种用于量子云计算平台任务调度的方法。
背景技术
目前,量子计算处在快速发展阶段,新技术层出不穷,随着量子计算硬件、软件、配套平台的不断进步,量子计算对行业吸引力随之提升。而世界上量子云计算提供商非常有限,一方面由于高量子比特的真实量子计算系统资源非常稀缺的稀缺性,另一方面因为云端普惠服务会带来大量用户的访问需求,在此发展背景下,量子云计算的资源调度是其中的关键问题。传统的基于排序的调度方法是先将处理器进行排序,到来的任务按照排序后的处理器进行任务分配。
在实现本公开实施例的过程中,发现相关技术中至少存在如下问题:现有技术中,传统的基于排序的方法会导致一段时间内任务将部分处理器占满,而另一部分处理器空闲或任务量较少的情况出现,导致任务堆积在部分处理器中,任务的调度效率很低。
发明内容
为了对披露的实施例的一些方面有基本的理解,下面给出了简单的概括。所述概括不是泛泛评述,也不是要确定关键/重要组成元素或描绘这些实施例的保护范围,而是作为后面的详细说明的序言。
本公开实施例提供了一种用于量子云计算平台任务调度的方法,以缓解任务堆积在处理器的情况。
在一些实施例中,所述方法包括:获取待分配的任务和任务类型;根据任务类型获取任务分配给不同处理器的第一期望回报;根据第一期望回报进行任务调度。
本公开实施例提供的用于量子云计算平台任务调度的方法,可以实现以下技术效果:本申请通过任务类型获取任务分配给不同处理器的第一期望回报,并根据第一期望回报进行任务调度,从而能够避免针对部分处理器一直分配任务,出现该部分处理器被占满,而另一部分处理器空闲或任务量较少的情况。这样缓解了任务堆积在处理器的情况,提高了任务的调度效率。
以上的总体描述和下文中的描述仅是示例性和解释性的,不用于限制本申请。
附图说明
一个或多个实施例通过与之对应的附图进行示例性说明,这些示例性说明和附图并不构成对实施例的限定,附图中具有相同参考数字标号的元件示为类似的元件,附图不构成比例限制,并且其中:
图1是本公开实施例提供的一个用于量子云计算平台任务调度的方法的示意图;
图2是本公开实施例提供的一个用于量子云计算平台任务调度的系统的示意图。
具体实施方式
为了能够更加详尽地了解本公开实施例的特点与技术内容,下面结合附图对本公开实施例的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本公开实施例。在以下的技术描述中,为方便解释起见,通过多个细节以提供对所披露实施例的充分理解。然而,在没有这些细节的情况下,一个或多个实施例仍然可以实施。在其它情况下,为简化附图,熟知的结构和装置可以简化展示。
本公开实施例的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开实施例的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含。
除非另有说明,术语“多个”表示两个或两个以上。
本公开实施例中,字符“/”表示前后对象是一种“或”的关系。例如,A/B表示:A或B。
术语“和/或”是一种描述对象的关联关系,表示可以存在三种关系。例如,A和/或B,表示:A或B,或,A和B这三种关系。
结合图1所示,本公开实施例提供一种用于量子云计算平台任务调度的方法,包括:
步骤S101,获取待分配的任务和任务类型。
步骤S102,根据任务类型获取任务分配给不同处理器的第一期望回报。
步骤S103,根据第一期望回报进行任务调度。
采用本公开实施例提供的用于量子云计算平台任务调度的方法,通过任务类型获取任务分配给不同处理器的第一期望回报,并根据第一期望回报进行任务调度,从而能够避免针对部分处理器一直分配任务,出现该部分处理器被占满,而另一部分处理器空闲或任务量较少的情况。这样缓解了任务堆积在处理器的情况,提高了任务的调度效率。
可选地,任务类型包括:量子机器学习、量子金融组合优化、量子化学分析和量子退火算法等。不同类型的任务需要处理迭代的时间和资源各不相同。
可选地,第一期望回报为将任务调度到处理器能够获得的回报的期望。
可选地,根据任务类型获取任务分配给不同处理器的第一期望回报,包括:在预设的数据表中匹配出类型与不同处理器所对应的第一期望回报;数据表存储有任务类型、处理器、第一期望回报之间的对应关系。
在一些实施例中,如表1所示,表1为数据表的示例表。任务类型的集合S={t1,t2,…,ti,…,tn},其中,ti为第i种任务类型,n为任务类型的总数量,1≤i≤n,i和n均为正整数。处理器的集合P={p1,p2,…,pj,…pm},其中,pj为第j个处理器,m为处理器的总数量,1≤j≤m,j,m均为正整数。任务类型ti分配给处理器j的第一期望回报Q(ti,pj)。
表1
在一些实施例中,如表1所示,在数据表中匹配出待分配的任务的任务类型ti与不同的处理器对应的第一期望回报,得到待分配的任务分配给不同处理器的第一期望回报集合Q={Q(ti,p1),Q(ti,p2)…Q(ti,pj)…Q(ti,pm)}。
在一些实施例中,第一期望回报为待分配的任务分配给所对应的处理器获得的收益。并且在数据表中存储数据,方便对数据进行修改,也使获得第一期望回报更加方便、有效率。
可选地,根据第一期望回报进行任务调度,包括:将数值最大的第一期望回报所对应的处理器作为调度处理器进行任务调度。
可选地,根据第一期望回报进行任务调度前还包括:获取随机变量;在随机变量满足预设条件的情况下,将数值最大的第一期望回报所对应的处理器作为调度处理器进行任务调度;在随机变量不满足预设条件的情况下,随机选择一个处理器作为调度处理器进行任务调度。
可选地,通过均匀分布的方式选择随机变量,其中θ,0≤θ≤1。
可选地,随机变量满足预设条件,包括:随机变量小于设定阈值ε。
在一些实施例中,在随机变量小于设定阈值,即θ<ε的情况下,将待分配的任务分配给不同处理器的第一期望回报集Q中的最大值对应的处理器作为调度处理器进行任务调度。在随机变量不满足预设条件,即θ≥ε的情况下,随机选择一个处理器作为调度处理器进行任务调度。
通过第一期望回报和随机变量对任务进行调度,使任务可以到达不同的处理器,不用针对同一个处理器进行排队,这样解决了任务堆积在处理器的问题,提高了任务的调度效率。
可选地,在根据第一期望回报进行任务调度后还包括:获取奖励值;根据奖励值更新调度处理器对应的第一期望回报。
可选地,奖励值为任务类型为ti的任务调度到处理器pj所获得的回报R(ti,pj)。
可选地,获取奖励值,包括:获取任务到达处理器所耗费的第一时间,将第一时间的倒数确定为奖励值。可选地,各任务到达处理器所耗费的时间之和为所有任务的总响应时间。这种方式确定的奖励值能够体现任务到达处理器所耗费的时间,任务到达处理器所耗费的第一时间越短,奖励值越大,通过最大化累计奖励值使得所有任务的总响应时间最短,从而提高任务的调度效率。
可选地,获取奖励值,包括:获取任务到达处理器至任务完成所耗费的第二时间,将第二时间的倒数确定为奖励值。可选地,各任务到达处理器并至任务完成所花费的时间为所有任务的总调度时间。这种方式确定的奖励值能够体现任务到达处理器至任务完成所耗费的时间,任务到达处理器所耗费的第二时间越短,奖励值越大,通过最大化累计奖励值使得所有任务的总调度时间最短,从而提高任务的调度效率。
可选地,根据奖励值更新调度处理器对应的第一期望回报,包括:根据第一期望回报获得转移期望回报;根据第一期望回报获得过去期望回报,根据奖励值获得现在期望回报,根据转移期望回报获得将来期望回报;将过去期望回报、现在期望回报、将来期望回报相加,获得第二期望回报;将第二期望回报赋值给调度处理器对应的第一期望回报。
可选地,通过计算Q'(ti,pj)=Qg+Qx+Ql得到第二期望回报;其中,Q'(ti,pj)为第二期望回报,Qg为过去期望回报,Qx为现在期望回报,Ql为将来期望回报。
可选地,将第二期望回报Q'(ti,pj)赋值给任务类型为ti的任务调度到处理器pj的第一期望回报Q(ti,pj),以更新任务类型为ti的任务调度到处理器pj的的第一期望回报。可选地,根据更新后的第一期望回报对数据表内存储的任务类型、处理器、第一期望回报之间的对应关系进行更新。
在一些实施例中,第一期望回报是将任务类型ti的任务调度到处理器所获得的奖励值的期望。第一期望回报体现了任务类型ti的任务和不同处理器之间的适配度,在任务类型ti的任务调度到对应的处理器所获得的第一期望回报最大的情况下,所耗费的时间最短,提高了将同类型任务调度到该处理器的效率。
可选地,根据第一期望回报获得转移期望回报,包括:将数值最大的第一期望回报确定为转移期望回报。
可选地,通过计算Qz=V(ti)获得转移期望回报,其中,Qz为转移期望回报,V(ti)为任务类型为ti的任务分配给不同处理器的第一期望回报的最大值。
可选地,根据第一期望回报获得过去期望回报、根据奖励值获得现在期望回报、根据转移期望回报获得将来期望回报,包括:将调度处理器对应的第一期望回报乘以预设的第一阈值,获得过去期望回报;将奖励值乘以预设的第二阈值,获得现在期望回报;将转移期望回报乘以预设的第三阈值,获得将来期望回报;第一阈值与第二阈值的和为1;第一阈值、第二阈值和第三阈值均为小数。
可选地,通过计算Qg=βQ(ti,pj)得到过去期望回报Qg,其中,Qg为过去期望回报,β为第一阈值,Q(ti,pj)为任务类型为ti的任务调度到调度处理器pj的第一期望回报。
可选地,通过计算Qx=αR(ti,pj)得到现在期望回报;其中,Qx为现在期望回报;α为第二阈值,即学习速率;R(ti,pj)为任务类型为的ti任务调度到调度处理器pj获得的奖励值。可选地,β=1-α。
可选地,通过计算Ql=γV(ti)得到将来期望回报;其中,Ql为将来期望回报,γ为第三阈值,V(ti)为任务类型为ti的任务的转移期望回报。
可选地,第一阈值β、第二阈值α和第三阈值γ均为小数。
在一些实施例中,由于任务到来的时间和数目未知,处理单元的任务完成时间难以精确获知,任务在被处理之前的等待时间难以预测,则通过设定第三阈值γ来表示对未来奖励的重视程度。
在一些实施例中,在首次进行任务调度之前,对数据表进行初始化。可选地,对数据表进行初始化,包括:将任务类型ti的任务对应的各处理器pj的第一期望回报的初始值均设置为0。
在一些实施例中,对各任务类型的第一个任务进行调度时,对各任务类型的第一个任务随机选择一个处理器作为调度处理器进行任务调度,则各任务类型的第一个任务分配给对应调度处理器的第一期望回报为0。在对各任务类的第一个任务调度完成的情况下,通过得到的奖励值更新对应的第一期望回报,以便对第二个到来的同类型任务根据更新后的第一期望回报进行任务调度。
在一些实施例中,在待分配任务的任务类型不是第一次进行调度的情况下,根据任务类型获取任务分配给不同处理器的第一期望回报;根据第一期望回报进行任务调度;在调度过程中,获取对应的奖励值;再根据奖励值更新第一期望回报,从而对同类型任务的下一次调度进行优化,提高了任务的调度效率。
结合图2所示,本公开实施例提供一种用于量子云计算平台任务调度的系统,包括多个用户服务器21、任务调度器22、多个任务处理器23。
多个用户服务器21被配置为向任务调度器22上传用户提交的任务和对应的任务类型;任务调度器22被配置为接收用户服务器21传输的任务和对应的任务类型,并根据任务类型获得对应的任务处理器23,即调度处理器,并将该任务分配给对应的任务处理器23;任务处理器23被配置为接收任务调度器22分配的任务,将该任务放置在本地队列中,以先进先出(FIFO,First Input First Output)的方式处理本地队列中的任务,并获取各任务的奖励值。
可选地,用于量子云计算平台任务调度的系统还包括性能监测器。任务处理器将各任务的奖励值发送给性能监测器,性能监测器将接收到的各任务分配给对应任务处理器的奖励值反馈给任务调度器,以便任务调度器根据各任务分配给对应任务处理器的奖励值更新对应的第一期望回报。
采用本公开实施例提供的用于量子云计算平台任务调度的系统,任务调度器通过任务类型获取任务分配给不同处理器的第一期望回报,并根据第一期望回报进行任务调度。从而能够避免针对部分处理器一直分配任务,出现该部分处理器被占满,而另一部分处理器空闲或任务量较少的情况。这样缓解了任务堆积在处理器的情况,提高了任务的调度效率。
本公开实施例提供了一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令设置为执行上述用于量子云计算平台任务调度的方法。
本公开实施例提供了一种计算机程序产品,所述计算机程序产品包括存储在计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,使所述计算机执行上述用于量子云计算平台任务调度的方法。
上述的计算机可读存储介质可以是暂态计算机可读存储介质,也可以是非暂态计算机可读存储介质。
本公开实施例的技术方案可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括一个或多个指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本公开实施例所述方法的全部或部分步骤。而前述的存储介质可以是非暂态存储介质,包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等多种可以存储程序代码的介质,也可以是暂态存储介质。
以上描述和附图充分地示出了本公开的实施例,以使本领域的技术人员能够实践它们。其他实施例可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的部件和功能是可选的,并且操作的顺序可以变化。一些实施例的部分和特征可以被包括在或替换其他实施例的部分和特征。而且,本申请中使用的用词仅用于描述实施例并且不用于限制权利要求。如在实施例以及权利要求的描述中使用的,除非上下文清楚地表明,否则单数形式的“一个”(a)、“一个”(an)和“所述”(the)旨在同样包括复数形式。类似地,如在本申请中所使用的术语“和/或”是指包含一个或一个以上相关联的列出的任何以及所有可能的组合。另外,当用于本申请中时,术语“包括”(comprise)及其变型“包括”(comprises)和/或包括(comprising)等指陈述的特征、整体、步骤、操作、元素,和/或组件的存在,但不排除一个或一个以上其它特征、整体、步骤、操作、元素、组件和/或这些的分组的存在或添加。在没有更多限制的情况下,由语句“包括一个…”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。本文中,每个实施例重点说明的可以是与其他实施例的不同之处,各个实施例之间相同相似部分可以互相参见。对于实施例公开的方法、产品等而言,如果其与实施例公开的方法部分相对应,那么相关之处可以参见方法部分的描述。
本领域技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,可以取决于技术方案的特定应用和设计约束条件。所述技术人员可以对每个特定的应用来使用不同方法以实现所描述的功能,但是这种实现不应认为超出本公开实施例的范围。所述技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本文所披露的实施例中,所揭露的方法、产品(包括但不限于装置、设备等),可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,可以仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例。另外,在本公开实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
附图中的流程图和框图显示了根据本公开实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这可以依所涉及的功能而定。在附图中的流程图和框图所对应的描述中,不同的方框所对应的操作或步骤也可以以不同于描述中所披露的顺序发生,有时不同的操作或步骤之间不存在特定的顺序。例如,两个连续的操作或步骤实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这可以依所涉及的功能而定。框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
Claims (10)
1.一种用于量子云计算平台任务调度的方法,其特征在于,包括:
获取待分配的任务和所述任务类型;
根据所述任务类型获取所述任务分配给不同处理器的第一期望回报;
根据所述第一期望回报进行任务调度。
2.根据权利要求1所述的方法,其特征在于,根据所述任务类型获取所述任务分配给不同处理器的第一期望回报,包括:
在预设的数据表中匹配出所述类型与不同处理器所对应的第一期望回报;所述数据表存储有任务类型、处理器、第一期望回报之间的对应关系。
3.根据权利要求1所述的方法,其特征在于,根据所述第一期望回报进行任务调度,包括:
将数值最大的第一期望回报所对应的处理器作为调度处理器进行任务调度。
4.根据权利要求1所述的方法,其特征在于,根据所述第一期望回报进行任务调度前,还包括:
获取随机变量;
在所述随机变量满足预设条件的情况下,将数值最大的第一期望回报所对应的处理器作为调度处理器进行任务调度;
在所述随机变量不满足预设条件的情况下,随机选择一个处理器作为调度处理器进行任务调度。
5.根据权利要求1至4任一项所述的方法,其特征在于,在根据所述第一期望回报进行任务调度后,还包括:
获取奖励值;
根据所述奖励值更新所述调度处理器对应的第一期望回报。
6.根据权利要求5所述的方法,其特征在于,所述获取奖励值,包括:
获取所述任务到达处理器所耗费的第一时间,将所述第一时间的倒数确定为奖励值。
7.根据权利要求5所述的方法,其特征在于,所述获取奖励值,包括:
获取任务到达处理器至任务完成所耗费的第二时间,将所述第二时间的倒数确定为奖励值。
8.根据权利要求5所述的方法,其特征在于,根据所述奖励值更新所述调度处理器对应的第一期望回报,包括:
根据所述第一期望回报获得转移期望回报;
根据所述调度处理器对应的第一期望回报获得过去期望回报,根据所述奖励值获得现在期望回报,根据所述转移期望回报获得将来期望回报;
将所述过去期望回报、所述现在期望回报、所述将来期望回报相加,获得第二期望回报;
将所述第二期望回报赋值给所述调度处理器对应的第一期望回报。
9.根据权利要求8所述的方法,其特征在于,根据所述第一期望回报获得所述转移期望回报,包括:
将数值最大的第一期望回报确定为所述转移期望回报。
10.根据权利要求8所述的方法,其特征在于,根据所述第一期望回报获得所述过去期望回报、根据所述奖励值获得所述现在期望回报、根据所述转移期望回报获得所述将来期望回报,包括:
将所述调度处理器对应的第一期望回报乘以预设的第一阈值,获得所述过去期望回报;
将所述奖励值乘以预设的第二阈值,获得所述现在期望回报;
将所述转移期望回报乘以预设的第三阈值,获得所述将来期望回报;
所述第一阈值与第二阈值的和为1;所述第一阈值、第二阈值和第三阈值均为小数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011553279.8A CN112596879B (zh) | 2020-12-24 | 2020-12-24 | 用于量子云计算平台任务调度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011553279.8A CN112596879B (zh) | 2020-12-24 | 2020-12-24 | 用于量子云计算平台任务调度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112596879A true CN112596879A (zh) | 2021-04-02 |
CN112596879B CN112596879B (zh) | 2023-06-16 |
Family
ID=75202400
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011553279.8A Active CN112596879B (zh) | 2020-12-24 | 2020-12-24 | 用于量子云计算平台任务调度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112596879B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113419833A (zh) * | 2021-06-24 | 2021-09-21 | 中国信息通信研究院 | 用于量子云计算平台任务调度的方法、装置和量子云计算平台任务调度服务器 |
CN117519919A (zh) * | 2023-09-20 | 2024-02-06 | 广州开得联软件技术有限公司 | 任务调度方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106940656A (zh) * | 2016-01-04 | 2017-07-11 | 阿里巴巴集团控股有限公司 | 一种任务调度方法及装置 |
US20180276031A1 (en) * | 2015-09-15 | 2018-09-27 | Alibaba Group Holding Limited | Task allocation method and system |
CN109144716A (zh) * | 2017-06-28 | 2019-01-04 | 中兴通讯股份有限公司 | 基于机器学习的操作系统调度方法及装置、设备 |
CN109767094A (zh) * | 2018-12-27 | 2019-05-17 | 南京邮电大学 | 智慧云制造任务调度装置 |
CN109784687A (zh) * | 2018-12-27 | 2019-05-21 | 南京邮电大学 | 智慧云制造任务调度方法、可读存储介质和终端 |
-
2020
- 2020-12-24 CN CN202011553279.8A patent/CN112596879B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180276031A1 (en) * | 2015-09-15 | 2018-09-27 | Alibaba Group Holding Limited | Task allocation method and system |
CN106940656A (zh) * | 2016-01-04 | 2017-07-11 | 阿里巴巴集团控股有限公司 | 一种任务调度方法及装置 |
CN109144716A (zh) * | 2017-06-28 | 2019-01-04 | 中兴通讯股份有限公司 | 基于机器学习的操作系统调度方法及装置、设备 |
CN109767094A (zh) * | 2018-12-27 | 2019-05-17 | 南京邮电大学 | 智慧云制造任务调度装置 |
CN109784687A (zh) * | 2018-12-27 | 2019-05-21 | 南京邮电大学 | 智慧云制造任务调度方法、可读存储介质和终端 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113419833A (zh) * | 2021-06-24 | 2021-09-21 | 中国信息通信研究院 | 用于量子云计算平台任务调度的方法、装置和量子云计算平台任务调度服务器 |
CN113419833B (zh) * | 2021-06-24 | 2023-12-29 | 中国信息通信研究院 | 用于量子云计算平台任务调度的方法、装置和量子云计算平台任务调度服务器 |
CN117519919A (zh) * | 2023-09-20 | 2024-02-06 | 广州开得联软件技术有限公司 | 任务调度方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112596879B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11436050B2 (en) | Method, apparatus and computer program product for resource scheduling | |
US8434085B2 (en) | Scalable scheduling of tasks in heterogeneous systems | |
CN111381950A (zh) | 一种面向边缘计算环境基于多副本的任务调度方法和系统 | |
CN106326002B (zh) | 资源调度方法、装置及设备 | |
CN111971694A (zh) | 用于深度神经网络的训练数据的协同异构处理 | |
CN113946431B (zh) | 一种资源调度方法、系统、介质及计算设备 | |
CN112596879A (zh) | 用于量子云计算平台任务调度的方法 | |
CN112148468B (zh) | 一种资源调度方法、装置、电子设备及存储介质 | |
CN115292016A (zh) | 基于人工智能的任务调度方法及相关设备 | |
KR101770191B1 (ko) | 자원 할당 방법 및 그 장치 | |
Adhikari et al. | Analysis of average waiting time and server utilization factor using queueing theory in cloud computing environment | |
CN113419833B (zh) | 用于量子云计算平台任务调度的方法、装置和量子云计算平台任务调度服务器 | |
CN115543615A (zh) | 一种资源分配方法、装置、电子设备及存储介质 | |
CN113821318A (zh) | 一种物联网跨域子任务组合协同计算方法及系统 | |
CN110780985A (zh) | 一种有限时间的并行任务调度方法与装置 | |
CN111049900B (zh) | 一种物联网流计算调度方法、装置和电子设备 | |
Shi et al. | Multijob associated task scheduling for cloud computing based on task duplication and insertion | |
CN109189581B (zh) | 一种作业调度方法和装置 | |
CN113641448A (zh) | 一种边缘计算容器分配和层下载排序体系结构及其方法 | |
Chatterjee et al. | Work capacity of freelance markets: Fundamental limits and decentralized schemes | |
CN112559179A (zh) | 一种作业处理方法和装置 | |
CN116915869A (zh) | 基于云边协同的时延敏感型智能服务快速响应方法 | |
CN115827178A (zh) | 边缘计算任务分配方法、装置、计算机设备及相关介质 | |
CN112130979B (zh) | 调度任务及训练神经网络模型的方法、装置、终端和介质 | |
CN113254200B (zh) | 资源编排方法及智能体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |