来源：期刊VIP网 时间：
作者：彭商濂;柳岸;
单位：成都信息工程大学计算机学院;四川川大智胜软件股份有限公司;
摘要：随着云桌面系统的广泛应用，虚拟机调度算法面临着如何有效应对复杂多变负载的挑战。传统算法在资源利用率、系统延迟和负载均衡等方面表现欠佳。本文提出一种基于图神经网络与强化学习相结合的云桌面虚拟机调度优化算法。将云桌面环境中的虚拟机及其资源需求建模为图结构，利用图神经网络预测虚拟机的负载情况。结合强化学习策略，根据预测结果动态调整资源分配和虚拟机迁移决策，优化系统性能。使用4K视频处理、办公应用、网络应用等场景的多种数据集，评估算法的资源利用率、系统延迟和负载均衡等指标。实验结果表明，基于图神经网络与强化学习的调度算法在多个数据集上均表现出优异的性能，在资源利用率上提升了12%以上，系统延迟减少了15%，负载均衡效果优于常用资源调度算法。
关键词：虚拟机调度;;图神经网络;;强化学习;;资源优化;;动态负载分配
基金资助：四川省科技厅重点研发项目（2023YFG0144）
