本次组会将会介绍有关《DRL-Scheduling-一种面向云应用的智能Qos感知作业调度框架》的有关内容以及自己的一些理解，主要从以下几个方面介绍：

科研背景：
随着云计算技术的不断发展，Iaas供应商（如Amazon EC2和Microsoft Azure）能为用户提供强大的计算和存储资源，使得应用程序供应商能以更低的成本构建自己的IT基础设施。因此，越来越多的应用程序迁移至云环境。基于云的应用程序的资源管理特别是实现高效的作业调度，满足用户的服务质量要求成为备受关注的问题之一。

科研问题：
不同于传统操作系统调度和分布式计算调度， 云环境下的任务调度环境更加复杂，影响因素更多，任务和虚拟机种类繁多，基于理论研究和启发式算法不能很好的实现云计算作业调度。因此，解决云环境下作业调度问题，实现高效，实时并尽量满足用户QoS要求的作业调度是主要解决的问题。

科研目的：
构建基于深度强化学习的智能调度框架，实现对云环境实时作业调度的优化，减少作业平均响应时间并尽量满足用户QoS要求。

使用方法：
深度强化学习DQN算法