1.一种基于深度强化学习的云作业调度方法，其特征在于，包括：接收用户发送的用户作业；

对用户作业进行解耦，获取就绪作业集；

通过作业调度器对就绪作业集进行调度；所述调度为按照调度策略采取动作，将就绪作业集中的作业部署到相应的虚拟机上；所述动作为就绪作业集中的作业的虚拟机分配方式；

通过虚拟机执行作业，并且返回执行结果；

收集训练样本，建立经验池；所述训练样本用于存储就绪作业集状态、虚拟机状态、动作和回报值；所述回报值为采取动作获得的回报；

判断经验池内的训练样本数量是否小于阈值，若小于阈值则重新接收用户发送的用户作业，否则利用经验池中的训练样本优化作业调度器；

利用优化后的作业调度器进行调度。

2.根据权利要求1所述的一种基于深度强化学习的云作业调度方法，其特征在于，所述调度的目标函数为：

所述J为用户作业；所述π为调度策略；所述 为第k个用户的第i个作业；所述 为第k个用户的第i个作业的完工时间。

3.根据权利要求2所述的一种基于深度强化学习的云作业调度方法，其特征在于，所述所述 所述 为作业 传输到

k

虚拟机的数据量；所述L (i)为作业 的长度；所述 为作业 被执行后返回执行结果的数据量；所述 为作业 的执行时间；所述 为作业 的传输时间；所述 为作业的等待时间；所述等待时间为在通过作业调度器对就绪作业集进行调度之后，通过虚拟机执行作业，并且返回执行结果之前，虚拟机计算能力不足，被调度的作业进入虚拟机等待队列等待被执行的时间。

4.根据权利要求3所述的一种基于深度强化学习的云作业调度方法，其特征在于，所述所述 为分配给作业 的MIPS；所述c为兆字节到字节的转换系数；所述p为虚拟机完成每单位长度作业的CPU周期；所述 所述 为作业 向虚拟机传输数据的时间；所述 为作业 被执行后，返回处理结果的传输时间；所述 所述Jj为第j个作业；所述q为等待队列中作业 之前所有作业的集合；所述tj，e为第j个作业的执行时间。

5.根据权利要求4所述的一种基于深度强化学习的云作业调度方法，其特征在于，所述所述 所述作业 的传输数据量为 所述 为虚拟机分配给每个作业的带宽资源。

6.根据权利要求5所述的一种基于深度强化学习的云作业调度方法，其特征在于，所述所述b为虚拟机的带宽资源；所述 为在时隙T传输到虚拟机的作业数。

7.根据权利要求6所述的一种基于深度强化学习的云作业调度方法，其特征在于，所述训练样本为(St，α，r，St+1)；所述就绪作业集状态为SJ＝{t1，d1，t2，d2，……，tn，dn}；所述虚拟机状态为 所述动作由动作空间A存储，A＝{α1，α2，……，αn}；所述回报值由回报函数R计算， 所述St和St+1分别为时间步t和时间步t+1的状态；所述状态由状态空间S存储，S＝{SJ，SVM}；所述α为时间步t从动作空间A中选取的动作；所述r为时间步t回报函数R计算的回报值；所述就绪作业集状态SJ中的ti和di，分别表示就绪作业集中第i个作业的执行时间和传输到虚拟机的数据量；

所述n为就绪作业集的作业数量；所述虚拟机状态SVM中的 和 分别表示当前时间步第x个虚拟机中剩余的计算能力和等待执行的作业数量；所述m为虚拟机的数量；所述动作空间A中的动作αi表示就绪作业集中第i个作业的虚拟机分配方式；所述动作αi的可选项为m+1；所述 和 分别为第x个虚拟机已执行的作业数量和等待执行的作业数量。

8.根据权利要求上7所述的一种基于深度强化学习的云作业调度方法，其特征在于，所述优化作业调度器的目标函数为：所述γ为折扣因子，γ∈[0，1]。

9.根据权利要求上8所述的一种基于深度强化学习的云作业调度方法，其特征在于，所述优化作业调度器的损失函数为：所述θz为第z次迭代后的作业调度器参数；所述S′为下一个时间步的S；所述D(M)为经验池D每次抽取样本数M；所述α′为S′对应最大Q值的动作；所述 为优化第z次迭代后的作业调度器的参数。

10.根据权利要求上9所述的一种基于深度强化学习的云作业调度方法，其特征在于，所述参数θ关于损失函数的梯度为：