مروری بر الگوریتم های زمانبندی جریان کار در محیط ابر با استفاده از روش یادگیری تقویتی
سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 250
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMAECONF01_065
تاریخ نمایه سازی: 15 فروردین 1402
چکیده مقاله:
رایانش ابری یک مدل محاسباتی است که کاربران منابع محاسباتی را براساس قانون پرداخت در ازای استفاده از منابع دریافت می کنند. با توجه به محدودیت منابع ابری، اجرای درخواست های متغیر کاربران، نیازمند یک مکانیزم زمانبندی کارآمد است. با توجه به تنوع درخواست های کاربران دسته بندی در زمانبندی وظایف و ارائه سرویس، جایگاه ویژه ای در رایانش ابری دارد که تحقیق درباره آن، مستلزم شناخت اصول، قواعد و روش ها می باشد . در این پژوهش تکنیک های یادگیری تقویتی در الگوریتم های زمانبندی در محیط ابر بررسی می شود. دلیل این انتخاب قابلیت تطبیق با محیط و ارائه پاسخ مناسب به درخواست های متغیر با زمان، با تخصیص منبع آینده نگرانه است که منجر به افزایش کارایی سیستم می گردد. این الگوریتم ها به طور معمول شامل سه عنصر فضای حالت، مجموعه اقدامات در ادامه بیشتر توضیح داده خواهد شد.
کلیدواژه ها:
نویسندگان
مجتبی مداحی گیوی
گروه کامپیوتر، واحد شهر قدس، دانشگاه آزاد اسلامی، تهران، ایران