公开(公告)号：CN118733274A

公开(公告)日：2024-10-01

申请号：CN202410932240.9

申请日：2024-07-12

Applicant: 中国科学院沈阳计算技术研究所有限公司

Inventor： 郭锐锋 ,  王传晨 ,  王鸿亮 ,  李雪娆 ,  修鹏飞 ,  许晶

IPC: G06F9/50 ,  G06F9/48 ,  G06N20/00

Abstract: 本发明涉及一种基于AI训练任务指标的资源调度策略优化方法，一种基于AI训练任务指标的资源调度策略优化方法，包括以下步骤：任务特征提取：从AI训练任务中提取任务特征信息，并将所述任务特征信息转化为特征向量；调度策略建模：将资源调度问题建模为马尔可夫决策过程，根据特征向量构建状态空间、动作空间和奖励函数；深度强化学习训练：采用深度Q网络算法对调度策略进行训练；调度决策执行：根据当前的任务和资源状态，利用训练好的Q网络选择最优的调度动作，根据最优的调度动作将任务分配到相应的计算节点，实现资源调度策略优化。本发明能够提高资源利用率，通过智能调度策略优化，显著提高计算资源的利用效率，减少资源闲置和浪费；缩短任务完成时间，优化任务的调度顺序和分配，显著缩短AI训练任务的总完成时间。