云—边—端异构计算资源管理调度框架

1. 项目简介

本项目是一套可训练的深度强化学习调度框架，用于云—边—端异构计算环境中的 DAG 任务调度。

框架在每个调度步骤中，从当前 READY 任务和合法资源组合中选择一个动作，在满足任务依赖、资源兼容性和内存约束的前提下，尽量降低整体完成时间 makespan。

2. 比赛要求对应关系

本项目支持：

任务 DAG、资源和网络参数配置化；
更换任务规模、资源数量、资源类型和异构参数；
Random、Greedy-EFT、HEFT 和 MaskablePPO 等多种策略；
统一调度策略接口；
相同场景下的公平评测；
HEFT 专家轨迹采集；
行为克隆预训练；
BC 初始化后的 MaskablePPO 微调；
固定训练集、验证集和测试集；
自动化测试和模型复现。

3. 目录结构

cloudedgesched/       核心调度框架
configs/              场景池与训练配置
scripts/              训练和评测脚本
scenarios/            DAG 与异构资源场景
tests/                自动化测试
artifacts/            最佳模型和专家数据
docs/                 项目说明书

4. 环境要求

推荐使用：

Python 3.11
PyTorch
Gymnasium
Stable-Baselines3
sb3-contrib
NumPy
PyYAML

安装依赖：

python3.11 -m venv .venv
source .venv/bin/activate

python -m pip install --upgrade pip
python -m pip install -r requirements.txt

5. 自动化测试

bash run_tests.sh

冻结版本包含 111 项自动化测试。

6. 训练提交方法

当前最佳学习方法为：

增强任务—资源观测
+ HEFT 行为克隆初始化
+ MaskablePPO 微调

启动训练：

bash train_submission_model.sh

快速训练冒烟测试：

bash train_submission_model.sh smoke

正式训练结果默认写入：

outputs/checkpoints/submission_bc_ppo

7. 从随机初始化训练基础 PPO

python -m scripts.train_maskable_ppo \
  --config configs/submission/train_maskable_ppo.yaml \
  --device cpu

8. 重新训练行为克隆模型

python -m scripts.train_heft_behavior_cloning \
  --config configs/submission/train_behavior_cloning.yaml \
  --device cpu

9. 最佳预训练模型

当前最佳模型：

artifacts/pretrained/best_ppo_model.zip

行为克隆初始模型：

artifacts/pretrained/best_bc_model.zip

检查最佳模型是否可以正常加载：

bash check_best_model.sh

10. 最佳验证结果

当前最佳学习模型在固定验证集上的结果为：

mean_ratio_to_heft = 1.432058
best_timestep = 10000

模型选择仅使用验证集，冻结测试集没有参与训练或超参数选择。

11. 配置化设计

场景由 JSON 文件描述，主要包括：

任务工作量；
DAG 依赖边；
依赖边数据量；
资源类型；
资源计算速度；
资源内存容量；
任务—资源兼容关系；
节点间通信带宽。

固定场景池配置：

configs/scenario_pools/baseline_pool_v1_frozen.json

提交专用训练配置：

configs/submission/train_maskable_ppo.yaml
configs/submission/train_behavior_cloning.yaml
configs/submission/train_bc_ppo.yaml

12. 统一策略接口

所有调度策略遵循统一的 SchedulerPolicy 接口，并通过：

select_action(
    context: PolicyContext,
    deterministic: bool = True,
) -> int

返回动作。

不同策略使用统一 episode runner 和 evaluator，在相同场景、相同时间模型和相同合法动作约束下进行比较。

13. 动作空间

动作编码方式：

action_id =
task_id × max_resource_count
+ resource_id

当前模型配置：

max_task_count = 100
max_resource_count = 16
action_count = 1600

环境通过：

env.action_masks()

提供合法动作掩码。

14. 项目说明书

完整设计、训练流程和实验结果见：

docs/项目说明书.md

15.大文件百度网盘连接

best_ppo_model.zip: https://pan.baidu.com/s/1j0F2jtncADvPT_P_S9U7SQ 提取码: qtha