當前位置：首頁 > 科技文檔 > 互聯(lián)網(wǎng) > 正文

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）

開通會員，享受整站包年服務(wù)立即開通 >