MaskableDQN

深度强化学习用于高性能计算作业调度

一篇新的研究论文评估了六种深度强化学习（DRL）方法在高性能计算（HPC）作业调度中的有效性。该研究将近端策略优化（PPO）、优势演员-评论家（A2C）和深度Q网络（DQN）与传统启发式方法和带掩码的随机对照组进行了比较，每种方法都分别进行了动作掩码处理和未处理。结果表明，虽然带掩码的DRL方法通常完成了评估，但在异构工作负载跟踪中，只有MaskablePPO与对照组相比，在平均等待时间和最大有界减速方面显示出显著改进。