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。
分散自己適応ソフトウェアでは,複数の制御ループは,これらが管理成分に自己適応能力を提供する。このために,これらの制御ループが変化する環境におけるシステム全体に関する各管理された成分と大域的QoS目標のいくつかの局所的QoS目標を満たす連続的に調整する必要がある。これはこれらの目標を満足する管理システム(成分)の変異体を選択することにより達成される。目標適合性は配位を必要とするので,制御ループは,他の制御ループによる変異体選択戦略を考慮した適合最大目標をもたらすことを変異体を選択することが必要である。全体目標適合計算機構も局所的および大域的目標違反を捕捉する必要である。本論文では,これらの問題を考慮した分散強化学習ベース自己適応法を提案した。強化学習法,Q学習は特異的変異体を選択する最大達成可能な目標適合性を学習することに役立つ。他の制御ループ戦略は,バリアント選択を観察することによって推定し,良好なバリアント選択のためのQ学習を組み込んだ。全体目標適合計算手法も違反目標を強調に対する局所的および全体的な目標の重みを動的に調整することを提案した。提案されたアプローチは,サービスベース遠隔支援システムを用いて評価した。二つのアプローチと比較した-ランダムバリアント選択とバリアント選択は他の制御ループ戦略を無視していた。提案した技術は,最大の総合目標適合を上回った。提案した動的重み更新機構を静的重量ベースのものと比較した。動的技術は全ての目標を満たす連続的に静的なものよりも優れていた。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】
