文献

J-GLOBAL ID：201902240032373740   整理番号：19A0136057

斜面:タスクスケジューリングのための自己学習最適化と予測ensemラー【JST・京大機械翻訳】

SLOPE: A Self Learning Optimization and Prediction Ensembler for Task Scheduling

著者 (7件)： Kapoor Lohit (Sreenidhi Institute of Science and Technology, Hyderabad, Telangana, India) ,  Jindal Anish (Computer Science and Engineering Department, Thapar Institute of Engineering and Technology, Patiala, (Punjab), India) ,  Benslimane Abderrahim (University of Avignon, France) ,  Aujla Gagangeet Singh (Computer Science & Engineering Department, Chandigarh University, Gharuan, (Punjab), India) ,  Chaudhary Rajat (Computer Science and Engineering Department, Thapar Institute of Engineering and Technology, Patiala, (Punjab), India) ,  Kumar Neeraj (Computer Science and Engineering Department, Thapar Institute of Engineering and Technology, Patiala, (Punjab), India) ,  Zomaya Albert Y. (School of Information Technologies, J12, University of Sydney, NSW, 2006, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： WiMob  ページ： 1-7  発行年： 2018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： マルチクラウド環境において,消費者は単一の不均一コンピューティングアーキテクチャを用いて複数のクラウドサービスにアクセスすることができる。このような環境において,同じクラウドサービスとその構成要素の複数の例が地理的に分散されている可能性がある。したがって,クラウドサービスブローカー(CSB)は,低価格で消費者に高性能を提供するために,マルチクラウド環境の不均一性を利用する。消費者タスクは,様々なサービスの実行のために,地理分散クラウドサービスコンポーネントに割り当てられる。この目的のために,マルチクラウド環境における不均一性の観点から,最適サービス構成要素同定とタスク割当が主要な関心事である。この目的のために,位置,価格,および性能を考慮したスケジューリングアルゴリズムが必要である。そこで,本論文では,SLOPE:Self学習最適化とマルチクラウド環境におけるTaskスケジューリングのための予測エンゼブラを提案した。1)第1段階では,Bayes定理を用いて自己学習アルゴリズムを設計し,可能性のあるルール列を選択するために各サービス成分の条件付き確率(強度)を計算し,2)与えられたサービス要求に対する最適スケジューリングポリシーを選択するためにルーレットホイール法を用いた。勾配は,動的因子に基づいて資源のプールから最良の可能なサービス成分を同定するのに役立ち,次に,選択されたコンポーネントへのサービス要求をスケジュールする。他の既存のアプローチと異なり,SLOPEはサービス選択のための効率的なスケジュールを構築する。実験結果は,SLOPEがそのカテゴリの他の競合方式と比較してより良く機能することを実証した。Copyright 2019 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： 地理学 ,  *学習 ,  計算機アーキテクチャ ,  学習アルゴリズム ,  *予測 ,  *スケジューリング ,  消費者 ,  *最適化
準シソーラス用語： 最適スケジューリング ,  スケジューリングアルゴリズム ,  タスク割当 ,  クラウドサービス ,  クラウド開発環境 ,  *自己学習 ,  *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 (5件)： 斜面 ,  タスクスケジューリング ,  自己学習 ,  最適化 ,  予測