公开(公告)号：CN118916132A

公开(公告)日：2024-11-08

申请号：CN202410970990.5

申请日：2024-07-19

Applicant: 北京邮电大学

Inventor： 于秀丽 ,  朱国平 ,  李雪倩 ,  徐鹏

IPC: G06F9/48 ,  G06F9/50 ,  G06N3/092

Abstract: 本发明提供了一种基于深度强化学习的面向异构资源的自适应任务调度方法，涉及异构算力平台技术领域，方法包括：获取用户输入的带标签的DAG任务，并对所述DAG任务进行提取，得到DAG任务信息；获取异构算力平台每个节点的资源信息；根据所述异构算力平台的各类所述资源信息和所述DAG任务信息建立并训练双智能体深度强化学习模型；在模拟的异构算力平台环境下，利用训练得到的双智能体深度强化任务调度学习模型的输出对所述DAG任务进行调度。本发明充分考虑了任务的对资源的需求偏好性以及节点的资源优势性，能够根据任务的需求匹配对应的节点，提高调度效率。

公开(公告)号：CN118939418A

公开(公告)日：2024-11-12

申请号：CN202410970923.3

申请日：2024-07-19

Applicant: 北京邮电大学

Inventor： 徐鹏 ,  朱国平 ,  马晓雯 ,  于秀丽

IPC: G06F9/50 ,  G06N3/006

Abstract: 本发明提供了一种异构GPU集群调度方法，涉及GPU集群调度技术领域，包括初始化GPU和蚁群算法参数，获取GPU调度指标，初始化信息素和启发式信息，计算GPU分配概率并分配应用任务，更新信息素值，全局调度优化，利用GPU虚拟化技术分发计算数据到空闲子节点进行计算，最后将结果返回给GPU主节点并应用层程序。本发明实现了高效GPU资源调度，提高了资源利用率和计算效率。