文献

J-GLOBAL ID：201802237523942112   整理番号：18A1677568

クラウドにおける不確実性の下での最適タスクスケジューリングのためのソフト集合ベースDDQスケジューラ【JST・京大機械翻訳】

Soft-set based DDQ scheduler for Optimal Task Scheduling under Uncertainty in the Cloud

著者 (2件)： Bhargavi K (Assistant Professor Department of CSE, Siddaganga Institute of Technology) ,  Babu B. Sathish (Professor, Department of CSE, RV College of Engineering)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICECIT  ページ： 1-6  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： クラウドにおけるタスクスケジューリングは,資源へのタスクの効率的な配分により,高度に最適化された性能を達成するための予備的要件の一つである。しかし,クラウドパラダイムは,タスクと資源パラメータにおける不確実性のために脆弱である。したがって,スケジューリング決定を行う前に,不確実性を適切に扱う自己学習モデルを開発する必要がある。しかし,文献では,不確実性の下でスケジューリング決定を行うための近似モデルを生成するための十分な研究は行われていない。本論文は,不確実なクラウド環境におけるスケジューリングの問題に取り組んだ。ここで,タスクと資源パラメータにおける不確実性を扱う前に,タスク不確実性をソフトセットによって扱い,資源不確実性をK平均クラスタリング技術によって管理した。不確実性を扱った後に,二重-D-Q学習スケジューラ(DDQ)を設計して,資源のクラスタに対するタスクのソフト集合を効率的にマップするために,二重Q値を用いて最適ポリシーを引き出した。ソフト集合の性能を期待値法を用いて解析し,収束速度と精度に関して良好であることが分かったが,実行時間と資源の利用に関しては中程度のままであった。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *スケジューリング ,  クラスタ ,  クラスタ化 ,  最適化 ,  Q値 ,  期待値 ,  *不確実性
準シソーラス用語： 実行時間 ,  収束速度 ,  Q学習 ,  近似モデル ,  自己学習 ,  脆弱性 ,  *スケジューラ ,  *タスクスケジューリング , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (7件)： クラウド ,  不確実性 ,  タスクスケジューリング ,  ソフト ,  集合 ,  DDQ ,  スケジューラ