本發明涉及一種基于深度強化學習的算力資源度量方法,包括以下步驟:步驟S1:對任務集中所有待量化計算任務進行建模分析,分別定義狀態、動作、獎勵值;步驟S2:根據深度強化學習算法構建算力量化模型框架,并針對量化要求對模型優化目標進行細化;步驟S3:通過調整超參數對模型進行優化,得到迭代完成的訓練模型;步驟S4:將待量化任務數據輸入訓練好的模型得到計算任務的算力度量結果。本發明能夠通過細粒度分析任務模型,量化任務資源需求量,有效預測任務執行時間,實現了對異構任務的算力資源度量,為未來工業互聯網下網絡?計算?控制一體化提供算力量化基礎。
聲明:
“基于深度強化學習的算力資源度量方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)