基于深度強化學習的資源受限條件下的DIDS任務(wù)調(diào)度優(yōu)化方法
控制與決策
頁數(shù): 6 2021-09-01
摘要: 在節(jié)點性能有限的邊緣計算環(huán)境下進行分布式入侵檢測系統(tǒng)(distributed intrusion detection system, DIDS)的任務(wù)分配,是一種典型的資源受限任務(wù)調(diào)度問題.針對該問題,提出基于深度強化學習的DIDS低負載任務(wù)調(diào)度方案.該方案將任務(wù)調(diào)度過程描述為馬爾科夫決策過程(Markov decision process, MDP)并建立模型的相關(guān)空間和價值... (共6頁)