1.一种虚拟化容器资源下的多工作流资源供给方法，其特征在于，采用基于强化学习的容器资源生成策略，包括以下步骤：定义状态空间：用五元组S＝(WR,RA,AW,IM,PJ)表示状态空间，其中WR为待调度工作流任务的工作量，RA为资源可用时间，AW为等待队列中工作流任务的总工作量，IM为空闲容器资源数，PJ为队列中各用户提交工作流任务的比例；

定义动作空间：动作空间包括待分配工作流任务以及请求的资源数两个动作；

设定奖赏函数Re＝λeW+(1-λe)U，其中λe∈[0,1]为控制系数，W为任务响应率：execution time为工作流任务执行时间，waitng time为工作流任务等待时间，U为资源效用指标： [Tk,...,Tk+1]表示资源供给决策时刻，Pk表示[Tk,...,Tk+1]时刻容器簇内可用容器资源，fn表示TN时刻工作流任务执行时间总和；

设定奖赏函数上限值Ru、下限值Rl、保持范围Rm～Rn；

从动作空间中选择待执行工作流任务，执行选择的任务，检测获取奖赏函数Rε；

若奖赏函数Rε大于Ru，则在该任务后续的执行过程中，增加云平台中的虚拟化容器资源，若奖赏函数Rε小于Ru，则在该任务后续的执行过程中，减少云平台的虚拟化容器资源，若奖赏函数Rε在Rm～Rn范围内，则使云平台中的虚拟化容器资源保持不变。

2.根据权利要求1所述的一种虚拟化容器资源下的多工作流资源供给方法，其特征在于，还包括对虚拟化容器资源进行部署，具体包括：基于最小割的簇内虚拟化容器层次聚类；

利用局部搜索算法优化网络流量；

采用最佳匹配算法优化虚拟化容器放置：当放置新创建的虚拟化容器时，从已使用的第一台物理机开始依次搜索，找到与该虚拟化容器最匹配的物理机进行放置，只有当所有已使用的物理机都不能容纳该虚拟化容器时才启用一台新的物理机。

3.根据权利要求2所述的一种虚拟化容器资源下的多工作流资源供给方法，其特征在于，所述利用局部搜索算法优化网络流量具体为：以最大链路利用率或热点链路数目为目标函数，在最小割层次聚类结果的基础上选择产生拥塞链路且流量最大的虚拟化容器，随机与左右邻居交换机下的容器进行交换，然后计算目标函数：如果目标函数值减小，则接受此次交换；如没有减少，则拒绝交换，依次重复，直至循环到设定的迭代次数。