1.一种基于Q学习的混合云作业调度方法，其特征在于，使用多agent并行学习，即每个agent独立进行最优策略学习，当某个agent最先得到满足error＜θ条件的策略时，就进行agent间的知识迁移，具体包括：定义Q学习的状态空间：将云环境资源池中活跃的虚拟机数量为状态空间；

定义Q学习中的动作集合A：动作集合中包括2个动作，分别为接受当前被调度作业和拒绝当前被调度作业；

定义系统的立即回报函数： 其中，jobi.ini表示作业执行的指令数，jobi.fsize表示作业大小，VMj.proc表示虚拟机处理速度，VMj.bw表示虚拟机带宽；

初始化Q(s,a)，其中Q(s,a)为二维表格，行s为系统状态，列a为动作集合；

初始化系统状态S；

S3：迭代执行S31至S36：

S31：将s设置为当前状态；

S32：使用贪心策略从动作集合A中选择动作；

S33：执行所选择的动作，计算记录当前的回报函数，得到立即回报值r和下一个系统状态S’；

S34：按式Qt＝Qt+α*(r+γ*Qt+1-Qt)，更新Q(s,a)，其中α∈(0,1)是学习速率，γ∈(0,1)是时间折扣因子，Qt指的是t时刻的Q值，即t时刻的Q(s,a)；

S35：计算error＝MAX(error|Qt-Qprevious-t)，Qprevious-t指时刻t前一时刻的Q值；

S36：判断error＜θ是否成立，若不成立则返回S31，若成立进行agent间的知识迁移，其中θ为固定比较值，根据需要设定。