CN115309521A - 面向海上无人设备的深度强化学习任务调度方法及装置 - Google Patents
面向海上无人设备的深度强化学习任务调度方法及装置 Download PDFInfo
- Publication number
- CN115309521A CN115309521A CN202210880692.8A CN202210880692A CN115309521A CN 115309521 A CN115309521 A CN 115309521A CN 202210880692 A CN202210880692 A CN 202210880692A CN 115309521 A CN115309521 A CN 115309521A
- Authority
- CN
- China
- Prior art keywords
- task
- scheduling
- target
- learning model
- tasks
- 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.)
- Pending
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Software Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提出了一种面向海上无人设备的深度强化学习任务调度方法及装置,涉及智能调度领域,该方法包括以下步骤:构建智能体学习模型,并初始化模型的网络参数;获取多个处理任务,根据拓扑排序将处理任务有序编排,得到任务执行队列;针对任务执行队列中的处理任务,获取处理任务对应的调度状态、调度动作和奖励,并生成四元组;根据四元组和奖励函数计算目标奖励值,并结合最小化损失公式和策略梯度公式更新智能体学习模型的目标网络参数,得到训练完成后的目标智能体学习模型;获取待处理任务,根据目标智能体学习模型对实时待处理任务进行实时任务优化调度。本发明可以实现大规模问题下的实时任务调度,提高资源利用率,降低能耗需求。
Description
技术领域
本申请涉及智能调度领域,尤其涉及一种面向海上无人设备的深度强化学习任务调度方法及装置。
背景技术
现有的异构多核任务调度技术主要应用于大规模计算设备,理论而言这些设备的资源和用电不受限制,但对于性能受限的终端设备而言,目前缺少相关技术研究。该问题一般视为组合优化问题,是一种典型的NP-Hard问题,当应用场景变化时需要建立相应的数学模型。针对小规模问题可以精确求解,求解大规模问题时则设计各类优化/近似算法,此类方法的复杂度随问题规模的增加急剧上升,无法满足实时任务调度的需求。
发明内容
本发明的目的是针对海上无人设备调度,提出一种面向海上无人设备的深度强化学习任务调度方法及装置。
本申请第一方面提出了一种面向海上无人设备的深度强化学习任务调度方法,包括:
构建智能体学习模型,并初始化所述智能体学习模型的网络参数;
获取多个处理任务,并根据拓扑排序将所述多个处理任务进行有序编排,得到任务执行队列;
针对所述任务执行队列中的处理任务,获取所述处理任务对应的调度状态、调度动作和奖励,根据所述调度状态、调度动作和奖励生成四元组;
根据所述四元组和奖励函数计算目标奖励值,并根据所述目标奖励值、最小化损失公式和策略梯度公式更新所述智能体学习模型的目标网络参数,以得到训练完成后的目标智能体学习模型;
获取待处理任务,根据所述目标智能体学习模型对所述实时待处理任务进行实时任务优化调度。
可选的,所述智能体学习模型包括表演者网络和评论家网络,所述智能体学习模型设计为由预测网络和目标网络构成的双网格结构。
可选的,所述多个处理任务包括获取原始海上数据任务、海上目标检测任务、海下传感数据处理任务、海上物体识别任务、方位信息处理任务、感知信息计算任务、导航任务处理任务、保存处理结果任务中的任意一种或者多种。
可选的,在获取所述处理任务对应的调度状态之前,还包括:
定义调度状态空间,其中,所述调度状态定义如下:
st=[n,EST(vi,p1),…,EST(vi,pM),wi,1,…wi,M],1≤1≤N;
其中st是时间t时的调度状态,n表示当前任务队列中未调度的任务数量,EST(vi,pj)是当前待调度任务vi在处理器pj上的最早开始时间,wi,j表示当前任务vi在处理器pj上的处理时间,N、M分别为任务数量和处理器数量。
可选的,在获取所述处理任务对应的调度动作之前,还包括:
定义调度动作空间,其中,所述调度动作定义如下:
at={pj|p1,…,pM}
其中at是t时刻的调度动作,pj表示智能体为任务队列中的第一个任务分配的处理器。
可选的,在根据所述四元组和奖励函数计算目标奖励值之前,还包括:
构建所述奖励函数,其中,所述奖励函数公式化表示如下:
r(st,at)=c0/TCt+c1/ECt
其中,TCt和ECt分别表示系统处理当前已经调度的任务所需的时间开销和能耗开销。c0、c1为控制因子且c0+c1=1,用于控制时间和能耗对优化目标的影响程度。
可选的,所述根据所述目标奖励值、最小化损失公式和策略梯度公式更新所述智能体学习模型的目标网络参数,包括:
根据目标奖励值和最小化损失公式更新预测评论家网络,所述最小化损失公式为:
yi=ri+γQ′(si+1,μ′(si+1|θμ′)|θQ′),1≤i≤BN,
其中,ri为当前时刻i的奖励,γ为衰减因子,si+1为下一时刻状态;
根据目标奖励值和策略梯度公式更新预测表演家网络,所述策略梯度公式为:
其中,BN为批量梯度下降的样本数。
所述网络参数更新方式为:
其中,τ为软更新系数。
本申请第二方面提出了一种面向海上无人设备的深度强化学习任务调度装置,包括:
初始化模块,用于构建智能体学习模型,并初始化所述智能体学习模型的网络参数;
任务编排模块,用于获取多个处理任务,并根据拓扑排序将所述多个处理任务进行有序编排,得到任务执行队列;
第一训练模块,针对所述任务执行队列中的处理任务,获取所述处理任务对应的调度状态、调度动作和奖励,根据所述调度状态、调度动作和奖励生成四元组;
第二训练模块,根据所述四元组和奖励函数计算目标奖励值,并根据所述目标奖励值、最小化损失公式和策略梯度公式更新所述智能体学习模型的网络参数,以得到训练完成后的目标智能体学习模型;
调度模块,用于获取待处理任务,根据所述目标智能体学习模型对所述实时待处理任务进行实时任务优化调度。
本申请第三方面,提出一种计算机设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如上述第一方面中任一所述的方法。
本申请第四方面,提出一种非临时性计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如上述第一方面中任一所述的方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
针对海上无人设备的应用场景提出的调度方案,考虑边缘设备端资源利用率与能耗需求,改进了现有技术自适应差、学习能力不足、应用场景有限等缺点,同时具有稳定可靠的求解性能,并且将训练后的智能体直接用于任务的调度,满足实时性要求。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是根据本申请示例性实施例示出的一种面向海上无人设备的深度强化学习任务调度方法的流程图;
图2是基于本申请示例性实施例示出的实时任务调度技术路线示意图;
图3是根据本申请示例性实施例示出的包含八个任务的DAG图;
图4是根据本申请示例性实施例示出的一种面向海上无人设备的深度强化学习任务调度装置的框图;
图5是一种电子设备的框图。
具体实施方式
下面详细描述本申请的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
图1是根据本申请示例性实施例示出的一种面向海上无人设备的深度强化学习任务调度方法的流程图,其特征在于,包括:
步骤101,构建智能体学习模型,并初始化智能体学习模型的网络参数。
可选的,智能体学习模型包括表演者网络ActorNet和评论家Critic Net网络,智能体学习模型设计为由预测网络Predict和目标网络Target构成的双网格结构。
本申请实施例中,表演者网络采用Policy-network的更新方式,而评论家网络采用Q-network的更新方式,结合由预测网络和目标网络构成的双网格结构,网络模型更新的方式如下所示:
其中,θQ′、θμ′分别为评论家目标网络和表演家目标网络的参数,θQ、θμ分别为评论家预测网络和表演家预测网络的参数。
其中,预测网络通过梯度方向传播执行在线及时更新参数,目标网络的参数θQ′、θμ′是每经过一定的训练步数(N)通过离线更新的方式,并根据预测网络的参数θQ、θμ进行更新,假设滑动平均参数为τ<1,则更新公式为:
其中评论家网络Critic Net是基于价值函数的网络,在当前状态和动作为st、at以及下一个状态和动作为st+1、at+1时,智能体所获得的状态-动作值期望用贝尔曼Bellman方程定义为:
Q(st,at|θQ)=E[r(st,at)+γQ(st+1,at+1|θQ)]
根据图2,预测Critic Net在进行前向传播时,预测CriticNet的输入st、at和输出Q(st,at)会传到损失函数计算模块,同时st+1会先输入到目标ActorNet生成下一步的预期执行动作a′,然后传入目标CriticNet并输出Q′(st+1,a′),最终传入损失函数计算模块,同时根据奖励计算出此时的奖励rt,损失计算公式如下:
L=E[(rt+γQ′(st+1,a′)-Q(st,at))2]
则梯度的计算公式为:
TargetQ=rt+γQ′(st+1,μ′(st+1|θμ′)|θQ′)
其中表演者网络Actor Net是基于策略的网络输入为当前状态,输出为动作选择概率,假设输出层使用Softmax生成每个动作的选择概率,使用Critic Net来评估动作策略μ的表现:
J(μ)=E[Qμ(s,μ(s))]
其中J(μ)表示状态-动作的期望值,策略网络的训练目标是最大化J(μ),假设将目标取倒数利用梯度下降法。预测Actor Net的梯度计算公式为:
步骤102,获取多个处理任务,并根据拓扑排序将多个处理任务进行有序编排,得到任务执行队列。
可选的,多个处理任务包括获取原始海上数据任务、海上目标检测任务、海下传感数据处理任务、海上物体识别任务、方位信息处理任务、感知信息计算任务、导航任务处理任务、保存处理结果任务中的任意一种或者多种。
本申请实施例通过使用有向无环图DAG编排多个处理任务,并且建立任务执行队列。
如图3所示,处理任务为:1-获取原始海上数据,2-海上目标检测,3-海下传感数据处理,4-海上物体识别,5-方位信息处理,6-感知信息计算,7-导航任务处理,8-保存处理结果时,通过拓扑排序得到任务序列:{1,2,3,4,5,6,7,8}。
步骤103,针对任务执行队列中的处理任务,获取处理任务对应的调度状态、调度动作和奖励,根据调度状态、调度动作和奖励生成四元组。
可选的,在获取处理任务对应的调度状态之前,还包括:
定义调度状态空间,其中,调度状态定义如下:
st=[n,EST(vi,p1),…,EST(vi,pM),wi,1,…wi,M],1≤1≤N;
其中st是时间t时的调度状态,n表示当前任务队列中未调度的任务数量,EST(vi,pj)是当前待调度任务vi在处理器pj上的最早开始时间,wi,j表示当前任务vi在处理器pj上的处理时间,N、M分别为任务数量和处理器数量。
其中,本发明使用任务在所有处理器的最早开始时间和处理时间表示当前系统状态。
可选的,在获取处理任务对应的调度动作之前,还包括:
定义调度动作空间,其中,调度动作定义如下:
at={pj|p1,…,pM}
其中at是t时刻的调度动作,pj表示智能体为任务队列中的第一个任务分配的处理器。
其中,定义调度空间后,从调度空间做调度动作选择时,引入ε-greedy模式,设置经验回放池RBuffer保存历史经验知识。
一种可能的实施例中,海上无人设备处理器包含CPU、GPU、FPGA和DSP四种,并使用1-4编号表示所有处理器,动作空间可以表示为{1,2,3,4}。
步骤104,根据四元组和奖励函数计算目标奖励值,并根据目标奖励值、最小化损失公式和策略梯度公式更新智能体学习模型的目标网络参数,以得到训练完成后的目标智能体学习模型。
可选的,在根据四元组和奖励函数计算目标奖励值之前,还包括:
构建奖励函数,其中,奖励函数公式化表示如下:
r(st,at)=c0/TCt+c1/ECt
其中,TCt和ECt分别表示系统处理当前已经调度的任务所需的时间开销和能耗开销。c0、c1为控制因子且c0+c1=1,用于控制时间和能耗对优化目标的影响程度。
通过设置合理的控制因子值来满足不同应用场景对于任务处理时间和能耗开销的需求
一种可能的实施例中,c0=1、c1=0,表示只针对时间进行优化。
可选的,根据目标奖励值、最小化损失公式和策略梯度公式更新智能体学习模型的目标网络参数,包括:
根据目标奖励值和最小化损失公式更新预测评论家网络,最小化损失公式为:
yi=ri+γQ′(si+1,μ′(si+1|θμ′)|θQ′),1≤i≤BN,
其中,ri为当前时刻i的奖励,γ为衰减因子,si+1为下一时刻状态;
根据目标奖励值和策略梯度公式更新预测表演家网络,策略梯度公式为:
其中,BN为批量梯度下降的样本数。
网络参数更新方式为:
其中,τ为软更新系数。
步骤105,获取待处理任务,根据目标智能体学习模型对实时待处理任务进行实时任务优化调度。
本申请实施例中,在训练好目标智能体学习模型后,根据目标智能体学习模型对实时待处理任务进行任务调度,还包括以下步骤:
随机初始化预测评论家网络Q(s,a|θQ)和预测表演者网络μ(s|θμ)的参数θQ与θμ,并将该参数赋值给对应的目标网络参数:θQ′←θQ、θμ′←θμ;初始化经验回放池RBuffer、ε-greedy参数ε、衰减因子γ,软更新系数τ,批量梯度下降的样本数BN,目标网络参数更新频率C等超参数。
使用拓扑排序生成任务列表,对于每个时刻t=1,2,…,T的待调度的任务,获取当前的状态st,并选择动作at=μ(st|θμ),以ε的概率随机在动作空间中选择一个动作替换at;
根据st、at获取奖励rt和下一时刻状态st+1,将四元组(st,at,rt,st+1)保存到RBuffer中;
根据步骤104,获取目标网络的参数θQ′、θμ′,以此对实时待处理任务进行实时任务优化调度。
本申请实施例针对海上无人设备的应用场景提出的调度方案,考虑边缘设备端资源利用率与能耗需求,改进了现有技术自适应差、学习能力不足、应用场景有限等缺点,同时具有稳定可靠的求解性能,并且将训练后的智能体直接用于任务的调度,满足实时性要求。
图4是根据本申请示例性实施例示出的一种面向海上无人设备的深度强化学习任务调度装置的框图,其特征在于,包括:
初始化模块201,用于构建智能体学习模型,并初始化智能体学习模型的网络参数;
任务编排模块202,用于获取多个处理任务,并根据拓扑排序将多个处理任务进行有序编排,得到任务执行队列;
第一训练模块203,针对任务执行队列中的处理任务,获取处理任务对应的调度状态、调度动作和奖励,根据调度状态、调度动作和奖励生成四元组;
第二训练模块204,根据四元组和奖励函数计算目标奖励值,并根据目标奖励值、最小化损失公式和策略梯度公式更新智能体学习模型的网络参数,以得到训练完成后的目标智能体学习模型;
调度模块205,用于获取待处理任务,根据目标智能体学习模型对实时待处理任务进行实时任务优化调度。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图5示出了可以用来实施本公开的实施例的示例电子设备300的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图5所示,设备300包括计算单元301,其可以根据存储在只读存储器(ROM)302中的计算机程序或者从存储单元308加载到随机访问存储器(RAM)303中的计算机程序,来执行各种适当的动作和处理。在RAM 303中,还可存储设备300操作所需的各种程序和数据。计算单元301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
设备300中的多个部件连接至I/O接口305,包括:输入单元306,例如键盘、鼠标等;输出单元307,例如各种类型的显示器、扬声器等;存储单元308,例如磁盘、光盘等;以及通信单元309,例如网卡、调制解调器、无线通信收发机等。通信单元309允许设备300通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元301可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元301的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元301执行上文所描述的各个方法和处理,例如语音指令响应方法。例如,在一些实施例中,语音指令响应方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元308。在一些实施例中,计算机程序的部分或者全部可以经由ROM 302和/或通信单元309而被载入和/或安装到设备300上。当计算机程序加载到RAM 303并由计算单元301执行时,可以执行上文描述的语音指令响应方法的一个或多个步骤。备选地,在其他实施例中,计算单元301可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行语音指令响应方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务("Virtual Private Server",或简称"VPS")中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (10)
1.一种面向海上无人设备的深度强化学习任务调度方法,其特征在于,包括:
构建智能体学习模型,并初始化所述智能体学习模型的网络参数;
获取多个处理任务,并根据拓扑排序将所述多个处理任务进行有序编排,得到任务执行队列;
针对所述任务执行队列中的处理任务,获取所述处理任务对应的调度状态、调度动作和奖励,根据所述调度状态、调度动作和奖励生成四元组;
根据所述四元组和奖励函数计算目标奖励值,并根据所述目标奖励值、最小化损失公式和策略梯度公式更新所述智能体学习模型的目标网络参数,以得到训练完成后的目标智能体学习模型;
获取待处理任务,根据所述目标智能体学习模型对所述实时待处理任务进行实时任务优化调度。
2.根据权利要求1所述的方法,其特征在于,所述智能体学习模型包括表演者网络和评论家网络,所述智能体学习模型设计为由预测网络和目标网络构成的双网格结构。
3.根据权利要求1所述的方法,其特征在于,所述多个处理任务包括获取原始海上数据任务、海上目标检测任务、海下传感数据处理任务、海上物体识别任务、方位信息处理任务、感知信息计算任务、导航任务处理任务、保存处理结果任务中的任意一种或者多种。
4.根据权利要求1所述的方法,其特征在于,在获取所述处理任务对应的调度状态之前,还包括:
定义调度状态空间,其中,所述调度状态定义如下:
st=[n,EST(vi,p1),…,EST(vi,pM),wi,1,…wi,M],1≤1≤N;
其中st是时间t时的调度状态,n表示当前任务队列中未调度的任务数量,EST(vi,pj)是当前待调度任务vi在处理器pj上的最早开始时间,wi,j表示当前任务vi在处理器pj上的处理时间,N、M分别为任务数量和处理器数量。
5.根据权利要求1所述的方法,其特征在于,在获取所述处理任务对应的调度动作之前,还包括:
定义调度动作空间,其中,所述调度动作定义如下:
at={pj|p1,…,pM}
其中at是t时刻的调度动作,pj表示智能体为任务队列中的第一个任务分配的处理器。
6.根据权利要求1所述的方法,其特征在于,在根据所述四元组和奖励函数计算目标奖励值之前,还包括:
构建所述奖励函数,其中,所述奖励函数公式化表示如下:
r(st,at)=c0/TCt+c1/ECt
其中,TCt和ECt分别表示系统处理当前已经调度的任务所需的时间开销和能耗开销。c0、c1为控制因子且c0+c1=1,用于控制时间和能耗对优化目标的影响程度。
8.一种面向海上无人设备的深度强化学习任务调度装置,其特征在于,包括:
初始化模块,用于构建智能体学习模型,并初始化所述智能体学习模型的网络参数;
任务编排模块,用于获取多个处理任务,并根据拓扑排序将所述多个处理任务进行有序编排,得到任务执行队列;
第一训练模块,针对所述任务执行队列中的处理任务,获取所述处理任务对应的调度状态、调度动作和奖励,根据所述调度状态、调度动作和奖励生成四元组;
第二训练模块,根据所述四元组和奖励函数计算目标奖励值,并根据所述目标奖励值、最小化损失公式和策略梯度公式更新所述智能体学习模型的网络参数,以得到训练完成后的目标智能体学习模型;
调度模块,用于获取待处理任务,根据所述目标智能体学习模型对所述实时待处理任务进行实时任务优化调度。
9.一种计算机设备,其特征在于,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现如权利要求1-7中任一所述的方法。
10.一种非临时性计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210880692.8A CN115309521A (zh) | 2022-07-25 | 2022-07-25 | 面向海上无人设备的深度强化学习任务调度方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210880692.8A CN115309521A (zh) | 2022-07-25 | 2022-07-25 | 面向海上无人设备的深度强化学习任务调度方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115309521A true CN115309521A (zh) | 2022-11-08 |
Family
ID=83859710
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210880692.8A Pending CN115309521A (zh) | 2022-07-25 | 2022-07-25 | 面向海上无人设备的深度强化学习任务调度方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115309521A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115950080A (zh) * | 2023-02-20 | 2023-04-11 | 重庆特斯联启智科技有限公司 | 一种基于强化学习的暖通空调调控方法和装置 |
CN117707797A (zh) * | 2024-02-06 | 2024-03-15 | 湘江实验室 | 基于分布式云平台的任务调度方法、装置及相关设备 |
CN117931443A (zh) * | 2024-01-24 | 2024-04-26 | 江南大学 | 一种基于深度强化学习的控制系统任务云调度方法 |
CN118051315A (zh) * | 2024-04-11 | 2024-05-17 | 矩阵起源(深圳)信息科技有限公司 | 任务调度方法、装置、终端设备以及存储介质 |
-
2022
- 2022-07-25 CN CN202210880692.8A patent/CN115309521A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115950080A (zh) * | 2023-02-20 | 2023-04-11 | 重庆特斯联启智科技有限公司 | 一种基于强化学习的暖通空调调控方法和装置 |
CN117931443A (zh) * | 2024-01-24 | 2024-04-26 | 江南大学 | 一种基于深度强化学习的控制系统任务云调度方法 |
CN117707797A (zh) * | 2024-02-06 | 2024-03-15 | 湘江实验室 | 基于分布式云平台的任务调度方法、装置及相关设备 |
CN117707797B (zh) * | 2024-02-06 | 2024-05-03 | 湘江实验室 | 基于分布式云平台的任务调度方法、装置及相关设备 |
CN118051315A (zh) * | 2024-04-11 | 2024-05-17 | 矩阵起源(深圳)信息科技有限公司 | 任务调度方法、装置、终端设备以及存储介质 |
CN118051315B (zh) * | 2024-04-11 | 2024-07-26 | 矩阵起源(深圳)信息科技有限公司 | 任务调度方法、装置、终端设备以及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113950066B (zh) | 移动边缘环境下单服务器部分计算卸载方法、系统、设备 | |
CN115309521A (zh) | 面向海上无人设备的深度强化学习任务调度方法及装置 | |
CN110737529B (zh) | 一种面向短时多变大数据作业集群调度自适应性配置方法 | |
Liu et al. | A hierarchical framework of cloud resource allocation and power management using deep reinforcement learning | |
JP6975272B2 (ja) | 深層強化学習及び転移学習を用いた製造ディスパッチングのためのシステム | |
Tuli et al. | GOSH: Task scheduling using deep surrogate models in fog computing environments | |
CN114661466B (zh) | 用于边缘计算环境中面向智能工作流应用的任务卸载方法 | |
CN114596553A (zh) | 模型训练方法、轨迹预测方法、装置及自动驾驶车辆 | |
CN113867843A (zh) | 一种基于深度强化学习的移动边缘计算任务卸载方法 | |
CN115147687A (zh) | 学生模型训练方法、装置、设备及存储介质 | |
Swarup et al. | Energy efficient task scheduling in fog environment using deep reinforcement learning approach | |
CN112528160A (zh) | 智能推荐、模型训练方法、装置、电子设备及存储介质 | |
CN116700931A (zh) | 多目标边缘任务调度方法、装置、设备、介质及产品 | |
Li et al. | Efficient data offloading using Markovian decision on state reward action in edge computing | |
CN117436485A (zh) | 基于权衡时延和精度的多退出点的端-边-云协同系统及方法 | |
CN117202264A (zh) | Mec环境中面向5g网络切片的计算卸载方法 | |
CN115456194B (zh) | 基于异步联邦学习的模型训练控制方法、装置及系统 | |
CN115756789A (zh) | 一种针对深度学习推理服务系统的gpu调度优化方法 | |
CN115189798A (zh) | 一种资源分配方法、装置、电子设备及存储介质 | |
Zhang et al. | Effective 3C Resource Utilization and Fair Allocation Strategy for Multi-Task Federated Learning | |
CN114819095A (zh) | 业务数据处理模型的生成方法、装置及电子设备 | |
CN117251258A (zh) | 任务分配的方法、电子设备和计算机程序产品 | |
Coppens et al. | Gunreal: Gpu-accelerated unsupervised reinforcement and auxiliary learning | |
Qian et al. | A Reinforcement Learning-based Orchestrator for Edge Computing Resource Allocation in Mobile Augmented Reality Systems | |
CN114691314B (zh) | 基于确定性算子共存的服务调度方法及其应用的gpu |
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 |