关键词:
多目标决策优化
双深度Q网络
改进鲸鱼优化算法
高斯收敛
摘要:
为了优化计算机对队列任务的调度效率,将双深度Q网络和改进鲸鱼优化算法相结合提出了一种基于多目标决策优化的任务调度模型.在该模型中,双深度Q网络主要用于拟合计算机的任务调度过程,以实现更加高效的任务分配与优化.改进鲸鱼优化算法用于协同分配生成的任务队列,以提升任务分配的整体效率,研究结果显示,与蚁群算法、粒子群优化算法、灰狼优化算法相比,该调度模型在迭代过程中的收敛速率最高,最终任务执行时间为182ms,且任务执行效率比其他算法提升了15.71%~31.34%.另外,在低任务量状态下,该模型的调度效果也明显优于其他对比算法,且任务逾期时间范围不超过10ms.上述结果表明,该模型经过优化后能够保持较好的任务调度效果,且可有效提升计算机对服务器资源的利用率,因此该算法可为计算机的任务调度提供良好参考。