طراحی و پیاده سازی چارچوب یادگیری تقویتی عمیق مبتنی بر PPO برای تخصیص پویای منابع در سیستم های محاسباتی توزیع شده
فایل این در 7 صفحه با فرمت PDF قابل دریافت می باشد
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
چکیده :
با گسترش روزافزون زیرساخت های محاسباتی نظیر رایانش ابری، لبه ای و سیستم های توزیع شده، مدیریت بهینه منابع به یکی از چالش های حیاتی در مهندسی کامپیوتر تبدیل شده است. روش های سنتی تخصیص منابع، به دلیل ماهیت ایستا و عدم توانایی در انطباق با تغییرات دینامیکی سیستم، کارایی مطلوبی در محیط های واقعی ندارند. در این پژوهش، یک چارچوب نوین مبتنی بر یادگیری تقویتی عمیق و الگوریتم بهینه سازی سیاست PPO ارائه شده است که قادر است در محیط های پویا و غیرقطعی، سیاست تخصیص منابع را به صورت تطبیقی یاد بگیرد. مسئله به صورت فرایند تصمیم گیری مارکوف مدل سازی شده و عامل یادگیرنده با استفاده از داده های محیط، تصمیمات بهینه اتخاذ می کند. نتایج شبیه سازی نشان می دهد که روش پیشنهادی نسبت به الگوریتم های FCFS و Round Robin، موجب کاهش قابل توجه تاخیر، افزایش بهره وری منابع و بهبود پایداری سیستم می شود. این چارچوب قابلیت توسعه برای کاربردهای واقعی در مراکز داده و شبکه های ابری را داراست.
کلیدواژه ها:
نویسندگان
سید محمد فاطمی
کارشناس ارشد امنیت شبکه
مراجع و منابع این :
لیست زیر مراجع و منابع استفاده شده در این 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 لینک شده اند :