一种应用于大规模网络仿真系统的算力调度方法及系统

本发明涉及于算力调度技术领域，具体涉及一种应用于大规模网络仿真系统的算力调度方法及系统，所述方法包括：获取所有算力节点的资源占用状态信息集合；构建所有算力节点的任务队列；设定深度强化学习参数并初始化神经网络；将算力节点作为智能体与环境进行交互产生经验样本采用深度强化学习方法训练神经网络，得到初步的任务调度策略；使用蚁群算法对初步的任务调度进行进一步的优化，来获得最终的任务调度策略；采用最终的任务调度策略来对仿真任务进行调度。本发明在任务调度时，不仅考虑了算力节点的实时资源状态，也考虑了任务的特殊性、任务的优先级以及任务和任务之间的依赖关系，提高了对于算力的利用效率，缩减仿真时间。