لطفا منتظر بمانید ...
0% Complete
صفحه اصلی
/
هشتمین كنفرانس بين المللی مهندسی صنايع و سيستم ها
حل مساله ی زمانبندی پردازنده های موازی برای کارهای دارای توابع تسریع یکسان با رویکرد یادگیری تقویتی
نویسندگان :
فرید ضیایی
1
محمد رنجبر
2
1- دانشگاه فردوسی مشهد
2- دانشگاه فردوسی مشهد
کلمات کلیدی :
زمانبندی پردازنده هاي موازی،سیستم های صف،یادگیری تقویتی،رایانش ابری
چکیده :
در حال حاضر حجم زیادی از محاسبات روزمره ی کاربران کامپیوتر، در مراکز داده و در بستر رایانش ابری انجام می شود. این مراکز وظیفه دارند درخواست هایی که از سوی کاربران ارسال می شوند را در کمترین زمان ممکن و با در نظر گرفتن معیارهای مختلف پاسخ دهند. بدین منظور، از یک سیستم زمانبندی و تخصیص استفاده می شود که در هر لحظه تصمیم می گیرد کدام درخواست به کدام پردازنده یا منبع تخصیص یابد و یا چه زمانی پردازش آن شروع شود. تابع هدف چنین سیستم هایی می توانند مواردی نظیر کمینه کردن مدت زمان پاسخگویی به هر کاربر و یا کمینه کردن تعداد پردازنده های مورد استفاده و به دنبال آن میزان مصرف انرژی باشد. این مسأله به دو زمینه ی زمانبندي پردازنده هاي موازي و سیستم های صف مرتبط می باشد. در این مقاله از رویکرد یادگیری تقویتی برای حل مسأله استفاده می شود و هدف، کمینه کردن مجموع زمان پاسخ دهي به کارها نسبت به اندازه ی آن ها می باشد. نتایج محاسباتی نشان می دهند که روش یادگیری تقویتی نسبت به سایر روش های موجود در پیشینه تحقیق عملکرد بهتری دارد.
لیست مقالات
لیست مقالات بایگانی شده
مدل سازی چند هدفه مسئله انتخاب تأمین کننده و تخصیص سفارش در زنجیره تأمین تاب آور
رضا همراهی - سید میثم موسوی
ارزیابی و سنجش تعاملات کاربر با محصول: شیوهها و چالشها
نرگس ادبی
تحلیل ابعاد استقرار مدیریت دانش در شهرداری تهران براساس مدل تراکنش-توانمندساز
اشکان گلدوز - امیر ذاکری
Robust Optimization of e-Health Systems Under Uncertainty
Alireza Alibakhshi - Saeed Anbari Moghadam - Dr Erfan Hassannayebi
The investigation of uncertainty sources for the improvement of the inventory management of fast-moving consumer goods
G. Reza Nasiri - Ghazaleh Saboori
مدلی جهت دسته بندی مواد اولیه با در نظرگیری ریسک تامین توسط مدل کرالجیک: مورد مطالعه در یک شرکت پالایش نفت
زهرا آقاخانی - احسان نیک بخش - بختیار استادی
Robust Optimization of Emergency Transportation Routes under Uncertainty Using Grey Wolf Optimizer
Faezeh Maleki
ارائه مدل ارتقای دانش تشخیص COVID-19 مبتنی بر یادگیری ماشین (مطالعه موردی: بیمارستان)
الهام عبادی جامخانه - محمد وحید سبط - ارد احمدی
بازطراحی شبکه زنجیره تأمین مرغ گوشتی پایدار
محمد صابر ابراهیمی شاهآبادی - احسان نیکبخش
Comparative Time Series Forecasting of Amoxicillin Demand Using ARIMA Variants and LSTM
َAli Jooyafar - Zeinab Vafaei - Alireza Maleki
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 44.8.0