文献

J-GLOBAL ID：202002259333005396   整理番号：20A2618951

エッジコンピューティングネットワークにおける深層強化学習ベースのタスクスケジューリング【JST・京大機械翻訳】

Deep Reinforcement Learning Based Task Scheduling in Edge Computing Networks

著者 (3件)： Qi FAN (Beijing Key Laboratory of Internet Culture and Digital Dissemination Research, Beijing Information Science and Technology University) ,  Zhuo Li (Beijing Key Laboratory of Internet Culture and Digital Dissemination Research, Beijing Information Science and Technology University) ,  Xin Chen (Beijing Key Laboratory of Internet Culture and Digital Dissemination Research, Beijing Information Science and Technology University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCC  ページ： 835-840  発行年： 2020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： 5Gモバイルネットワークサービスの急速な発展により,ネットワークエッジにおける大量のデータ爆発物が出た。クラウドコンピューティングサービスは長い待ち時間と巨大な帯域幅要求に悩まされる。エッジコンピューティングは,5Gモバイルネットワークにおけるサービス遅延とトラフィック負荷を減らすキー技術になった。しかし,エッジコンピューティング環境においてタスクを知的にスケジュールする方法は,まだ重大な課題である。本論文では,クラウドエッジネットワークアーキテクチャにおけるタスクスケジューリングのための遅延を最小化する最適化問題を定義した。問題はNP困難であり,Markov決定過程に従ってモデル化した。非同期利点アクター-批評(CECS-A3C)に基づくクラウドエッジ協調スケジューリングアルゴリズムを設計した。シミュレーション結果は,提案したアルゴリズムが良好な収束速度を持ち,既存のDQNおよびRL-Gアルゴリズムと比較して,タスク処理時間を平均28.3%および46.1%低減でき,一方,性能をスケーラブルに保つことを示した。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： アルゴリズム ,  シミュレーション ,  加工時間 ,  最適化問題 ,  *ネットワーク ,  帯域幅 ,  待ち時間 ,  NP困難 ,  ネットワークアーキテクチャ
準シソーラス用語： Markov決定過程 ,  収束速度 ,  モバイルネットワーク ,  *タスクスケジューリング ,  スケジューリングアルゴリズム ,  クラウドサービス , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： エッジコンピューティング ,  深層強化学習 ,  タスクスケジューリング