简介： 本发明涉及一种强化学习和机器学习相结合的云软件服务资源分配方法。建立面向变化负载的管理操作决策模型。首先，使用强化学习方法，针对历史数据计算每一管理操作在不同环境、状态下的Q值；其次，使用机器学习方法，基于Q值预测模型，输入环境和状态，就能预测每一管理操作的Q值；最后，根据Q值预测模型，在运行时进行管理操作决策，通过反馈控制，逐步推理合适的资源分配方案。本发明方法使用在实际应用RUBiS中，结果显示：本发明方法能够提高云应用资源分配的有效性，管理操作决策的正确性达到92.3%，相比传统机器学习方法，资源分配效果提高约6%。