基于长短期记忆神经网络的容器云队列在线任务动态分配

摘要：

针对现有容器云在线任务分配方法分配合理性和资源均衡度较差、任务处理效率较低的问题,提出一种基于长短期记忆神经网络的容器云队列在线任务动态分配方法.描述容器云队列在线任务模型;以节点互补度、资源利用率以及能耗组成任务分配多目标函数;在约束条件下利用长短期记忆神经网络求解任务分配最优方案,完成容器云队列在线任务动态分配.实验结果表明,本文分配方案的分配合理性达到0.925,资源均衡度达到10.255,最长队列长度为10,最大能耗值为5000 W,分配合理性、资源均衡度、任务处理效率均得到改善,分配方案更加合理.

关键词：长短期记忆神经网络、容器云、任务分配、多目标函数、约束条件

分类号：TP215.25(自动化技术及设备)

资助基金：国家自然科学基金;广东省高等学校科学研究特色创新项目;广州华商学院校内导师制科研项目

在线出版日期：2022-08-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：79-84