本次组会将会介绍关于基于深度强化学习的工作流任务云调度研究进度并对未来研究进行展望,主要内容如下

科研背景：
虚拟化技术推动了云计算的飞速发展。云计算为用户提供了提供了强大且低成本的计算和存储资源和各种平台化服务和优化功能，使得云服务逐渐成为搭建应用程序的主流选择之一。
随着越来越多的应用选择云环境，云服务面临的服务环境愈发复杂，不断增加的任务种类对云服务的服务质量要求不断提高，实现高效的资源管理成为云服务发展的主要方向之一，其中，任务调度优化对于提高资源利用率，降低服务成本，满足用户要求等方面具有关键作用。

科研问题：
如何实现云环境下对复杂任务的实时，高效，提供满足用户QoS要求的调度。

科研目的：
我们以工作流任务为研究对象，对于应用程序用户实时发出工作流任务请求，通过使用遗传算法和深度强化学习，优化任务响应时间和执行成本，实现在动态变化的云环境下高效的工作流任务调度。

研究框架：

实验结果：