本次汇报基于近期的背景调研，提出下一步工作的研究内容。下一步工作主要考虑在大规模云环境中，引入多智能体系统，解决任务调度问题。

科研背景

1. 云计算是一种计算服务，具有按需分配、可扩展、可靠和灵活等特性。他可以为企业的大数据提供可扩展的存储和处理，也可以简化企业管理和机器维护等工作，提高工作效率。因此，云计算成为了广大物联网制造商和供应商的首选。
2. 云计算中一个核心的研究问题就是作业调度问题。大规模云环境中，计算资源数量庞大，用户任务更加复杂，这对云管理员提出了很大的考验。如何以一种高效的调度方法处理大规模复杂任务的请求是一个非常值得研究的问题。

科研问题

1. 大规模云环境中任务数量庞大，计算资源多，云环境中的动态变化更加复杂，很难找到一种最佳的方法在虚拟化环境中高效地调度大数据任务，以保证最优的性能和最小的资源浪费。
2. 传统的深度强化学习使用单智能体来处理任务调度，但单智能体在大规模复杂环境中表现不优，学习效率较低。

科研目的

本次研究旨在提出一种面向大规模复杂云环境的任务调度方法，采用分层的思想，在大规模云环境中设置多个智能体协同调度，快速响应用户请求，在保证用户响应时间的基础上，提高资源利用率，保证服务性能。

研究方法——多智能体深度强化学习

多智能体是指在环境中设置多个智能体共同决策，适用于解决群体决策的问题。在多智能体系统中，智能体共分为竞争型、合作型、合作竞争型三种，可以实现系统均衡、合作等不同目标。多智能体强化学习框架如下所示。