1.6 KiB
1.6 KiB
title, created, updated, type, tags, sources, confidence
| title | created | updated | type | tags | sources | confidence | |||||
|---|---|---|---|---|---|---|---|---|---|---|---|
| 排队网络控制 (Queueing Network Control) | 2026-06-17 | 2026-06-17 | concept |
|
|
high |
排队网络控制 (Queueing Network Control)
动态多类别多服务池排队系统的调度是bellman-taylor-score-decoding 框架的主要验证场景——也是运筹学中经典的 MDP 基准。
问题设定
- 多类别任务：不同类型的请求到达系统
- 多服务池：多个服务器组，各有不同的处理能力
- 状态依赖可行动作：调度决策受服务器可用性和队列约束
- 目标：最小化等待时间或最大化吞吐量
为什么适合 BTSD
- 后动作配置自然存在：调度后的队列长度 =
φ_s(a) - 延续价值函数接近线性：一阶 Taylor 近似效果好
- 动作约束复杂：离散分配 + 容量约束，标准 DRL 接口不匹配
BTSD 在该场景的应用
- 策略学到的是状态依赖的指数（index）
- 解码器选择总得分最大的可行调度动作
- 本质上学到了一个learned index-based dispatching rule
- 不引入任何排队特化技术（如方差削减）
实验结果
- 小规模实例接近最优策略
- 大规模系统显著优于传统基准启发式
- BTSD-PPO 框架直接可用，无需排队特化的架构设计