原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
摘要
DAGDirectedAcyclicGraph
分布式异构计算系统中的（，有向无环图）任务
调度是计算机体系结构研究领域中的热点问题之一，而调度模型与调度算法是
DAG任务调度中最重要的两个方面。如何合理地将任务分配给不同处理器，从
而得到最短的完成时间，是任务调度需要解决的问题。另外，新型应用的DAG
任务具有计算任务种类多、并行依赖关系复杂等特点，传统启发式调度算法难以
自适应软硬件系统的发展变化，通常导致系统运行效率的下降。利用机器学习的
方法解决传统启发式方法遇到的难题是系统研究领域的发展方向。为解决异构计
算系统中DAG任务自适应调度问题，本文拟结合深度学习与强化学习的方法，
设计实现满足多种应用场景的自学习智能调度算法。本文的主要研究工作如下：
1DAG
（）分布式异构计算系统中任务智能调度模型的设计。在分布式异
DAGDAG
构计算系统中，任务的智能调度模型主要涉及基于强化学习的任务调
度模型、调度目标、调度状态、调度动作以及调度奖励函数等要素的表示。
2
（）基于深度学习与强化学习相结合的调度算法。在本文中，我们提出了
一种使用深度强化学习的自适应DAG任务调度（ADTS）算法。在强化学习过
程中恰当地定义了调度问题。设计了高效的调度状态空间，动作空间与奖励函数
来训练基于策略梯度的REINFORCE智能体。利用该算法探索长期奖励的能力，
ADTS算法可以实现良好的调度策略。实验结果表明，本文提出的ADTS算法与
经典的HEFT与CPOP算法相比具有一定的有效性。
3DAG
（）基于蒙特卡洛树搜索的任务智能调度算法。在本文中，我们提
出了一种单智能体蒙特卡洛树搜索（MCTS）的DAG任务智能调度算法。利用
MCTS方法来确定实际调度策略。在任务调度过程中，该算法平衡了探索与利用
MCTSHEFTCPOP
的关系。实验结果表明，本文提出的单智能体算法与经典的、
与PEFT算法相比具有一定的有效性。
关键词：异构计算系统，DAG调度，深度强化学习，MCTS
ABSTRACT
DAG(DirectedAcyclicGraph)taskschedulingindistributedheterogeneous
computingsystemsisoneofthehotissuesinthefieldofcomputerarchitecture
research,andschedulingmodelsandschedulingalgorithmsarethetwomost
importantaspectsofDAGtaskscheduling.Howtoassignreasonablytasksto
differentprocessorstogettheshortestcompletiontimeisaproblemthatneedstobe
solvedbytaskscheduling.Inaddition,DAGtaskswithnewapplicationshave
文档评论（0）