文献

J-GLOBAL ID：202002221373577082   整理番号：20A1072958

協調エッジネットワークにおける強化学習によるDAGベース要求のためのオンラインスケジューリング最適化【JST・京大機械翻訳】

Online Scheduling Optimization for DAG-Based Requests Through Reinforcement Learning in Collaboration Edge Networks

著者 (5件)： Zhang Yaqiang (School of Information Engineering, China University of Geosciences (Beijing), Beijing, China) ,  Zhou Zhangbing (School of Information Engineering, China University of Geosciences (Beijing), Beijing, China) ,  Shi Zhensheng (PetroChina Research Institute of Petroleum Exploration and Development, Beijing, China) ,  Meng Lin (College of Science and Engineering, Ritsumeikan University, Shiga, Japan) ,  Zhang Zhenjiang (School of Software Engineering, Beijing Jiaotong University, Beijing, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 72985-72996  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： エッジコンピューティングの広い採用は,ネットワーク端上のスマートデバイスにおける複雑な要求におけるタスクのスケジューリングを促進するが,計算とエネルギー資源において集中的であるとき,タスクはクラウドにオフロードされる必要がある。従来の技術はほとんど原子タスクのスケジューリングを探索するが,エッジサーバに関する複雑な要求スケジューリングは広く研究されていない課題である。この挑戦に取り組むために,本論文は,ネットワーク端におけるDAGベースの要求のためのオンラインタスクスケジューリング最適化を提案する。そこでは,このスケジューリング手順をMarkov決定プロセスとしてモデル化する。そこでは,システム状態,要求,および決定空間を形式的に指定する。時間差学習に基づく機構を採用して,各決定段階における最適タスク割当戦略を学習した。広範な実験を行い,評価結果は,著者らの技術が,最新の対応物と比較して,システムの長期平均遅延とエネルギー消費を効果的に低減できることを実証した。Copyright 2020 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： *最適化 ,  *学習 ,  *スケジューリング ,  *ネットワーク ,  エネルギー資源 ,  エネルギー消費 ,  *強化学習
準シソーラス用語： タスク割当 ,  時間差 ,  *オンラインスケジューリング ,  スマートデバイス ,  エッジコンピューティング , 【Automatic Indexing@JST】

分類 (3件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z) ,  移動通信  (ND08030H)

タイトルに関連する用語 (6件)： 協調 ,  エッジ ,  強化学習 ,  DAG ,  オンラインスケジューリング ,  最適化