arXiv cs.AI· Justin M. Cheney, Clement N. Nyirenda·· 2 天前AI 评分18
深度强化学习用于 HPC 作业调度：一项统计评估
Deep Reinforcement Learning for HPC Job Scheduling: A Statistical Evaluation
AI 导读
研究对比 PPO、A2C、DQN 各带有/无动作掩码共六种 DRL 方案，在两条真实 Slurm 负载轨迹、十个随机种子上与三种启发式及掩码均匀随机对照进行评测。
正文 · AI 翻译
摘要：深度强化学习（DRL）为高性能计算（HPC）提供了可学习的作业选择，但仅凭相对于启发式方法的性能并不能确立其超越动作掩码的价值。本文比较了六种 DRL 处理：近端策略优化（PPO）、优势演员-评论家（A2C）和深度 Q 网络（DQN），每种均分别在有掩码和无掩码条件下进行。三种启发式方法以及一个种子配对的掩码均匀随机对照，在两条真实 Slurm（Simple Linux Utility for Resource Management）工作负载轨迹（一条同构、一条异构）上，于统一非参数框架下、跨十个种子提供基线。所有掩码处理均完成评估，而无掩码处理被截断。在同构轨迹上，没有任何掩码 DRL 处理在平均等待时间或平均与最大有界减速方面显著优于对照。在异构轨迹上，MaskablePPO 相对于对照改善了全部三项指标。其平均等待时间在 10% 误差范围内与三种启发式方法相当，其最大有界减速比后到先服务（LCFS）低 22%。在两条轨迹上，MaskablePPO 在完整处理中具有领先的平均等待时间排名，但 Nemenyi 比较未检测到其与 MaskableA2C 的显著差异。在掩码变体中，MaskablePPO 的记录平均训练时间最低，而 MaskableDQN 的平均决策延迟最低。这些发现将完成度与特定基线的调度增益区分开来，并支持在评估可学习选择的价值时纳入掩码随机对照。
| 评论： | 17 页，9 张表，已被 SACAIR 2026 会议在线论文集接收 |
| 主题： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.21008 [cs.AI] |
| （或 arXiv:2610.21008v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21008 arXiv 颁发的 DOI 经由 DataCite（待注册） |
提交历史
来自：Clement Nyirenda [查看电子邮件]
[v1]
2026 年 10 月 14 日星期三 23:02:02 UTC（41 KB）
来源：arXiv cs.AI · arxiv.org