文献

J-GLOBAL ID：201802282677157766   整理番号：18A0270423

自己関心型分散環境下での負荷バランシングのための学習非協力ゲーム【Powered by NICT】

Learning non-cooperative game for load balancing under self-interested distributed environment

著者 (5件)： Xiao Zheng (College of Information Science and Engineering, Hunan University, Changsha, People’s Republic of China) ,  Tong Zhao (College of Mathematics and Computer Science, Hunan Normal University, Changsha, People’s Republic of China) ,  Li Kenli (College of Information Science and Engineering, Hunan University, Changsha, People’s Republic of China) ,  Li Keqin (College of Information Science and Engineering, Hunan University, Changsha, People’s Republic of China) ,  Li Keqin (Department of Computer Science, State University of New York, NY 12561, USA)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 52  ページ： 376-386  発行年： 2017年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 大規模分散システムにおける資源はいくつかの自律ドメイン間に分布した。これらのドメインは,負荷分散を通る著しく大きな処理能力を生成するために協働。しかし,同じドメインにおける資源は協同的になる傾向があるが,異なるドメインである利己的。公平性は,利己的環境下での共同研究への鍵である。公正配慮型負荷分散アルゴリズムを提案した。負荷バランシング問題を,ゲームとして定義する。この問題に対するNash均衡解が期待応答時間を最小化し,公平性を維持した。さらに,Nash均衡を探索するために使用されている強化学習。静的アプローチと比較して,このアルゴリズムはジョブ到着と実行の事前知識を必要とせず,これらのプロセスに動的に適応させることができる。合成した試験結果は,本アルゴリズムは異なるシステム利用,不均一性,およびシステムサイズの下で全体的な予想された応答時間の観点から最適方式に近いことを示した。も比例法に類似した公平性を保証する。San DiegoスーパコンピュータセンタにおけるスケーラブルなPOWERpallel2システムのジョブ作業負荷ログを用いて行った微量シミュレーション。著者らのアルゴリズムは,最大14%の期待応答時間を増加させた。しかし,日和見主義的負荷バランシング,最小実行時間,最小完了時間,スイッチングアルゴリズム,及びK%最良とは対照的に12 27%公平性を改善する。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： シミュレーション ,  公平性 ,  アルゴリズム ,  応答時間 ,  *ゲーム ,  分散アルゴリズム ,  スループット ,  Nash均衡 ,  *負荷分散 ,  不均一性 ,  強化学習
準シソーラス用語： 実行時間 ,  分散システム ,  *非協力ゲーム ,  *分散環境 , 【Automatic Indexing@JST】

著者キーワード (5件)： 分散計算 ,  ジョブスケジューリング ,  負荷バランシング ,  非協調ゲーム ,  強化学習

分類 (3件)： 光通信方式・機器  (ND10000B) ,  計算機網  (JC03000K) ,  ゲーム理論  (KA03060T)

タイトルに関連する用語 (6件)： 自己 ,  関心 ,  分散環境 ,  負荷バランシング ,  学習 ,  非協力ゲーム