クラスタ化技術を用いた科学的ワークフロースケジューリングのための修正シャッフル型カエル学習アルゴリズム【JST・京大機械翻訳】

Karpagam M.; Karpagam M.; Geetha K.; Rajan C.

文献

J-GLOBAL ID：202002253737690959 整理番号：20A0205998

クラスタ化技術を用いた科学的ワークフロースケジューリングのための修正シャッフル型カエル学習アルゴリズム【JST・京大機械翻訳】

A modified shuffled frog leaping algorithm for scientific workflow scheduling using clustering techniques

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A0205998&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A0205998&from=J-GLOBAL&jstjournalNo=W1043A") }}

著者 (4件)： , , ,
資料名：
巻： 24 号： 1 ページ： 637-646 発行年： 2020年
JST資料番号： W1043A ISSN： 1432-7643 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：ドイツ (DEU) 言語：英語 (EN)

生物学と天文学のような科学の分野における科学的ワークフローは,特に大きい計算構造において,大量の科学的データとそれらの処理を容易にし,自動化するのに不可欠である。資源の大きな必要性のために,公共の不均一クラウドは,タスクの完了において主要な役割を果たす傾向がある。クラウドアプリケーションにおけるスケジューリングワークフローに入る従来の研究は,今日存在する競争環境に十分でないサービス品質を持つ問題に焦点を合わせている。データに関して集中的ないくつかの粒状タスクから成る科学的ワークフローがある。効率的な計算粒度に対して,タスククラスタリングはスケジュールの長さと資源の利用を低減する主要な役割を果たす。ワークフロースケジューリングはクラウドコンピューティングにおける顕著な問題であり,これは様々な機能的ニーズに基づいてVMsへのワークフロータスクのマッピングを試みる。これに対する非常に一般的なアプローチは,静的または動的スケジューリングアルゴリズムのいずれかであり,それらは,Opportunistic Load Balancing(OLB)のような様々な発見的方法に基づいている。しかし,ワークフロースケジューリングの場合,これは非決定論的多項式困難最適化になり,最適スケジュール内で達成するための挑戦課題である。提案した研究は,科学的ワークフローの最適スケジューリングのためのクラスタ化の発見的で新しいシャッフルフロッグリーピングアルゴリズム(SFLA)技術を利用する垂直ノード分割である。技術の結果は,クラスタ化の方法とともに提案されたSFLAが,SFLAとクラスタ化なしのOLBと比較して,より良い性能(資源の実行と利用に関して)を達成したことを示した。Copyright 2019 Springer-Verlag GmbH Germany, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

システム・制御理論一般 , ニューロコンピュータ

, , , , ,

前のページに戻る