روشی برای زمانبندی منابع درشبکه های گریدبااستفاده ازQ-Learning

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 651

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICEEE05_496

تاریخ نمایه سازی: 3 آذر 1392

چکیده مقاله:

شبکه های گریدیک سیستم توزیع شده می باشد که هماهنگ سازی و اشتراک منابع رادرمقیاس بزرگ امکان پذیرمی سازد یکی ازاهداف اساسی درشبکه های گرید بالابردن امکان دسترسی به منابع با هزینه بهینه و زمان کمتر است درشبکه های گرید ارایه شیوه ای هوشمند جهت دراختیارقراردادن منابع میتواند دراستفاده مفید ازمنابع موثرباشد درواقع چنانچه منابع هوشمندانه انتخاب شوند میزان استفاده بهینه ازمنابع افزایش می یابد و درنتیجه برکارایی کل سیستم تاثیر میگذارد برای این منظور وجود سیستم های زمانبندی هوشمند دراین شبکه ها ضروری است دراین مقاله یک الگوریتم زمانبندی هوشمندمبتنی برQ-Learningبرای کاهش زمان پیشنهاد شده است دراین الگوریتم سیستم تجربیاتی کهدرحین تعامل با محیط بدست اورده است را ذخیره می کند تا دراینده با استفاده ازتجربیات عمل زمانبندی هوشمندانه منابع را انجام دهد نتایج شبیه سازی نشان میدهد که الگوریتم پیشنهادی درمقایسه با الگوریتم بررسی شده ازکارایی بالاتری برخوردار بوده است

نویسندگان

اصغر پشوتن

دانشجوی کارشناسی ارشد

احمد فراهی

استادیاردانشگاه پیام نور

حسن ختن لو

دانشیاردانشگاه بوعلی سینا همدان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Aburukba, R, Ghenniwa, H, Weiming, Shen, Economic- based modelling for ...
  • Berstis, V, Fundamentas of Grid Computing, IBM from ...
  • http : /ib m .com/redbook _ 2002. ...
  • Badia, Bubak, Marian, Danelutto, Marco, Dustdar, Schahram, Gagliardi, Fabrizio, et ...
  • Baker, M, Buyya, R, Laforenza D, Grids and Grid technologies ...
  • Boster, I, Kesseman, C, Tuecke, S, The anatomy of the ...
  • International Journal of Supercomputer Applications, 2001. ...
  • Buyya, R, Abramson, D, Giddy, J, Stockinger, H, Economic Model ...
  • http ://www. buyya. com/ecogrid, 2008. ...
  • Buyya, R, E cono mic-based Distributed Resource Management and Scheduling ...
  • Buyya, R, Murshed, M, Gridsim: A Toolkit for the Modeling ...
  • Chun, B, Market-based Cluster Resource Management, Ph.D. Dissertation, the University ...
  • Coutinho, F, de Carvalho, L.A.V, Santana, R, A Workflow Scheduling ...
  • Haque, Aminul, M.Alhashmi, Saadat, Parthiban, Rajendran, A survey of economir ...
  • Iamnitchi, G, Foster, I, On Fully Decentralized Resource Discovery in ...
  • Lakshmanan, K, Bhatnagar, S, A novel Q-learning algorithm with function ...
  • Publications, C ommunication, Control, and Computing (Allerton), 50th Annual Allerton ...
  • Liangyin, Chen, Zhishu, Li, Qing, Li, Jingyu, Zhang, An Approach ...
  • Pandey, D, Pandey, P, Approximate Q-Learning: An Introduction, IEEE Conference ...
  • Algorithm for Resource Selection in Economic Grid with the Aim ...
  • Science and Computer Engineering (CESCE) , No.8, PP.32-35, 2010). ...
  • Sharma, R, Kant Soni, V, Mishra, M.K, An improved _ ...
  • Soniu, B, Schutter, B, Reinforce ment learning for multi- agent ...
  • Sutton, R, Barto, S, Reinfo rcement Learning, MIT University Press, ...
  • Wu, Jun, Xu, Xin, Zhang, Pengcheng, Liu, Chunming, A ...
  • Generation Computer Systems, Vol. 27, Issue 5, PP.430- 439, May2011. ...
  • Yin, G, Xu, C, Wang L, Q-Learning Algorithms with Random ...
  • نمایش کامل مراجع