基于强化学习的温度感知多核任务调度

摘要：

随着计算机中内核数量的增多,温度感知的多核任务调度算法成为计算机系统中的一个研究热点.近年来,机器学习在各个领域展现出巨大的潜力,彳艮多基于机器学习的系统温度管理研究工作应运而生.其中,强化学习因其较强的自适应性,被广泛地运用于温度感知的任务调度算法中.然而,目前基于强化学习的温度感知任务调度算法系统建模不够准确,很难做到温度、性能和复杂度的较好权衡.因此,提出一种基于强化学习的多核温度感知调度算法——ReLeTA.在该算法中提出了更全面的状态建模方式和更加有效的奖励函数,从而帮助系统进一步降低温度.实验部分通过3个不同的真实计算机平台验证该方法,实验结果表明了该方法的有效性以及可扩展性,与现有方法相比,ReLeTA可以更好地控制系统温度.

关键词：温度感知;多核系统;强化学习;Q-Learning

所属期刊栏目：32

分类号：TP316(计算技术、计算机技术)

资助基金：国家自然科学基金61902341

在线出版日期：2021-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共17页

页码：2408-2424