基于MDP与LSTM的云科研任务滚动调度方法
王英1
王博2
姜高修2
朱理1
1.海军装备部 北京 1000002.南京电子工程研究所 南京 210000
摘要：随着人工智能、大数据分析等计算密集型科研任务规模的激增,云计算平台正面临"任务高度动态-资源异构-多目标冲突"三重挑战.针对现有调度方法实时性不足、目标耦合度高的问题,论文提出一种基于马尔可夫决策过程(MDP)的预测滚动调度算法PRHS-MDP.该算法首先利用长短期记忆网络(LSTM)实时预测节点未来负载,构建具有前瞻性的系统状态;随后在滚动窗口内求解多目标奖励函数,协同优化任务完成率、平均响应时间与能耗.在CloudSim异构环境上的仿真结果表明:与FIFO、MinMin、HEFT及PSO等基线算法相比,PRHS-MDP的任务完成率提升 18%,平均响应时间降低 23%,总能耗减少 11%,同时保持较快收敛速度与良好稳定性.研究为构建高效、自适应的科研云调度系统提供了理论依据和实践路径.
关键词：云计算任务调度马尔可夫决策过程负载预测
分类号：TP393(计算技术、计算机技术)
论文发表日期：2025-11-20
在线出版日期：2026-01-28（本平台首次上网日期，不代表文献的发表时间）
页数：5( 128-132 )
英文信息