tensorflow >=2.0.0 tensorlayer >=2.0.0 numpy == 1.24.2
step1:根据每种微服务设定的不同的到达率lambd和服务器处理能力mu,初始化得到镜像数目 step2:每一步部署一个镜像,部署成功获得正向奖励reward,部署失败获得惩罚 step3:所有镜像部署完毕,计算时延,计算累加reward赋予最后一步
调整随机seed = 0,1,1037(lr = 0.005) 1.改变边缘节点数 nodes = 4,6,8,10 2.微服务种类数 num = 4,6,8,10
1.请求数 2.边缘节点 3.微服务种类数
1.cpu 2.mem 3.load 调整权重值作量化实验
1.lr 2.soft update factor mu 3.exploration factor var * 4.lstm * 5.hidden layers *
mb_ddpg rsdql ffd GMDA
mb_ddpg.py and rsdql.py 均是根据论文核心**复现运用在本模型上,为了适配本文建立的模型,有些许不同 为了验证有效性,保持超参数基本一致