一种基于深度强化学习的多核处理器任务调度方法

本发明公开了一种基于深度强化学习的多核处理器任务调度方法，属于多核处理器任务调度技术领域。该方法将每个核心的实时状态构建为特征矩阵，与待调度任务队列中每个任务的任务特征向量拼接，生成组合状态张量；采用深度确定性策略梯度算法，以组合状态张量为输入，通过策略网络输出连续调度动作向量，并对该向量进行离散化映射，确定任务与核心的分配关系；执行调度后，综合功耗变化值、温度变化值及任务完成时间计算奖励信号；将组合状态张量、连续调度动作向量、奖励信号及下一组合状态张量存入优先经验回放缓冲区，并利用缓冲区内采样数据更新策略网络和评价网络，以软更新方式调整目标网络参数，直至算法收敛。