.png){kind=icon}
返回
Adaptive scheduling strategy for cloud computing resources based on Q-learning algorithm
.png){kind=icon}
PRE
AI
DOI：10.1051/meca/2025034.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对云计算环境中虚拟机负载频繁变化及资源需求快速波动的特点，本文提出一种基于Q学习的自适应资源调度策略模型。该模型通过实时监控虚拟机资源状态构建精简的状态与动作空间，并设计优化奖励机制以动态调整资源分配策略。强化学习算法通过持续学习和调整生成最优调度策略，从而提升资源利用率、负载均衡和任务执行效率。实验结果表明，采用Q学习自适应资源调度策略的虚拟机CPU利用率为0.87，内存利用率为0.72，带宽利用率为0.74，且资源利用率曲线波动合理稳定。这表明该模型有效提升了云计算环境中虚拟机资源调度的效率，并确保资源得到高效平稳分配。
Keyword:
Cloud computing environment
resource management
Q-learning algorithm
adaptive resource scheduling
load balancing
