文献

J-GLOBAL ID：202102276084695147   整理番号：21A0005319

グリッドまたはIaaSクラウドのための強化学習ベース混合ジョブスケジューラ方式【JST・京大機械翻訳】

A Reinforcement Learning-Based Mixed Job Scheduler Scheme for Grid or IaaS Cloud

著者 (5件)： Cui Delong (College of Computer and Electronic Information, Guangdong University of Petrochemical Technology, Maoming, China) ,  Peng Zhiping (College of Computer and Electronic Information, Guangdong University of Petrochemical Technology, Maoming, China) ,  Xiong Jianbin (College of Computer and Electronic Information, Guangdong University of Petrochemical Technology, Maoming, China) ,  Xu Bo (College of Computer and Electronic Information, Guangdong University of Petrochemical Technology, Maoming, China) ,  Lin Weiwei (School of Computer Science and Engineering, South China University of Technology, Guangzhou, China)
資料名： IEEE Transactions on Cloud Computing  (IEEE Transactions on Cloud Computing)
巻： 8  号： 4  ページ： 1030-1039  発行年： 2020年 
JST資料番号： W2426A  ISSN： 2168-7161  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： ジョブスケジューリングはクラウドコンピューティングシステムにおける性能最適化と資源管理に必要な必要条件である。仮想マシン(VM)資源とサーバレベル一致(SLA)制約の下で,正確なスケールクラウドコンピューティング環境と効率的ジョブスケジューリングに焦点を合わせて,著者らは,クラウドコンピューティングプラットフォームの構造と最適化ジョブスケジューリング方式を導入した。システムモデルは,ポータル,ジョブスケジューラ,および資源プールを含む明確に定義された分離構成部品から成る。ユーザジョブの実行過程を分析することによって,著者らは,VM資源とデッドライン制約の下でメイクスパンと平均歩行時間(AWT)を最小にするために強化学習に基づく新しいジョブスケジューリング方式を設計して,学習プロセスにおける探索と開発のバランスをとるために並列マルチページ並列技術を採用して,Q学習アルゴリズムの収束を加速する。シミュレーションと実際のクラウドプラットフォーム実験結果は,提案したジョブスケジューリング方式の効率を実証した。Copyright 2021 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 ,  最適化 ,  システムモデル ,  時間制限 ,  仮想機械システム ,  必要条件 ,  *強化学習 ,  資源管理
準シソーラス用語： メイクスパン ,  学習過程 ,  Q学習 ,  ポータルサイト ,  ジョブスケジューリング ,  クラウドコンピューティング ,  IaaS , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： グリッド ,  IaaS ,  クラウド ,  強化学習