论文部分内容阅读
尝试运用增强学习方法来研究平行机调度问题，通过定义系统状态、行为和报酬函数，把调度问题转化为平均报酬型半马尔可夫决策过程，并使用结合函数泛化器的R—Learning算法来解决。提出排名算法，并利用它和两种常用的调度规则（最短期望加工时间规则和先进先出规则）来定义增强学习的行为。实验结果表明，R-Learning算法通过仿真实验学习较优的调度策略，在不同的决策状态下选择最优或次优的行为，对每个测试问题的效果都优于以上任何一条调度规则。