抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
計算機システムの利用率最大化や待ち時間短縮のためにはより良いジョブスケジューリングが必要である.目的に応じた報酬設計を行うことで機械学習システムが方策を学ぶことから,深層強化学習を用いたジョブスケジューリングの研究が広まっている.しかしながら,既存研究ではジョブの要求実行時間のみを学習に用いているため,実際の実行時間との差異が学習されておらず,適切に学習できていない可能性がある.我々は,深層強化学習を用いたジョブスケジューリングにおいて,実行時に不確定なジョブ属性の予測値を考慮することの効果の検証を行う.具体的には,利用率最大化を目的として,学習時にはジョブ実行時間の要求値と実際値を入力にし,スケジューリング時にはジョブ実行時間の要求値と予測値を用いる.予測値を考慮しない場合との比較を行なった結果,考慮することは利用率の向上に貢献しない結果となったが,学習時に用いたワークロードと類似の傾向を持つワークロードをスケジュールする際に利用率が高くなる傾向にあることが確認できた.(著者抄録)