روشی برای کاهش هزینه در گرید محاسباتی با استفاده از Q-Learning
محل انتشار: شانزدهمین کنفرانس دانشجویی مهندسی برق ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 555
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISCEE16_385
تاریخ نمایه سازی: 21 تیر 1393
چکیده مقاله:
محاسبات گرید گونه ای از سیستم های موازی توزیعی است که به اشتراک گذاشتن توده های متراکمی از منابع مختلف مانند: کامپیوتر های بزرگ، سیستم های ذخیره سازی، پایگاه داده ها و ... که از نظر جغرافیایی در مناطق مختلفی پراکنده شده اند و در مالکیت سازمان ها و افراد مختلفی می باشند به وجود می آورد. منابع در گریدهای محاسباتی دارای قیمت هستند و کاربر باید هزینه اجرای کارهای خود را بپردازد. یکی از اهداف اساسی در شبکه های گرید بالابردن امکان دسترسی به منابع با هزینه بهینه و زمان کمتر است. در واقع چنانچه منابع هوشمندانه انتخاب شوند بر کارایی کل سیستم، تاثیر می گذارد. برای این منظور وجود سیستم های زمانبندی هوشمند، در این شبکه ها ضروری است. در این مقاله، یک الگوریتم هوشمند مبتنی بر Q-Learning برای کاهش هزینه پیشنهاد شده است. در این الگوریتم، سیستم تجربیاتی که در حین تعامل با محیط بدست آورده است را ذخیره می کند تا در آینده با استفاده از این تجربیات، عمل زمانبندی منابع را انجام دهد. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی در مقایسه با الگوریتم های بررسی شده از کارایی بالاتری برخوردار بوده است.
کلیدواژه ها:
نویسندگان
فوزیه بهرامی خو
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد قزوین
حسن ختن لو
دانشیاردانشگاه بوعلی سینا همدان
حمید رضا رشیدی کنعان
استادیاردانشگاه آزاد اسلامی واحد قزوین
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 :