Skip Navigation Linksلیست مقالات ترجمه شده / خرید و دانلود
997,350

پیش از اقدام به خرید ترجمه فارسی می توایند نسخه انگلیسی را به صورت رایگان دانلود و بررسی نمایید. متن چکیده و ترجمه آن در پایین همین صفحه قابل مشاهده است.
دانلود رایگان مقاله انگلیسی
موسسه ترجمه البرز اقدام به ترجمه مقاله " مهندسی فناوری اطلاعات " با موضوع " بهبود قابلیت اطمینان در مدیریت منابع از طریق یادگیری تقویتی تطبیقی در سیستم های توزیع شده " نموده است که شما کاربر عزیز می توانید پس از دانلود رایگان مقاله انگلیسی و مطالعه ترجمه چکیده و بخشی از مقدمه مقاله، ترجمه کامل مقاله را خریداری نمایید.
عنوان ترجمه فارسی
بهبود قابلیت اطمینان در مدیریت منابع از طریق یادگیری تقویتی تطبیقی در سیستم های توزیع شده
نویسنده/ناشر/نام مجله :
Journal of Parallel and Distributed Computing
سال انتشار
2015
کد محصول
1009901
تعداد صفحات انگليسی
8
تعداد صفحات فارسی
29
قیمت بر حسب ریال
915,000
نوع فایل های ضمیمه
Pdf+Word
حجم فایل
1 مگا بایت
تصویر پیش فرض



Abstract

Demands on capacity of distributed systems (e.g., Grid and Cloud) play a crucial role in today’s information era due to the growing scale of the systems. While the distributed systems provide a vast amount of computing power their reliability is often hard to be guaranteed. This paper presents effective resource management using adaptive reinforcement learning (RL) that focuses on improving successful execution with low computational complexity. The approach uses an emerging methodology of RL in conjunction with neural network to help a scheduler that effectively observes and adapts to dynamic changes in execution environments. The observation of environment at various learning stages that normalize by resource-aware availability and feedback-based scheduling significantly brings the environments closer to the optimal solutions. Our approach also solves a high computational complexity in RL system through on-demand information sharing. Results from our extensive simulations demonstrate the effectiveness of adaptive RL for improving system reliability

چکیده

مطالبات در سیستم های توزیع شده (از جمله گرید و کلود) نقش بسیار مهمی در عصر اطلاعات امروز ایفا می کند و علت آن مقیاس رو به رشد این سیستم است. سیستم های توزیع شده حجم عظیمی از توان محاسباتی را ارائه می کنند و این در حالی است که این سیستم ها  قابلیت اطمینان خود را اغلب به سختی تضمین می کنند. این مقاله مدیریت منابع موثر را با استفاده از یادگیری تقویتی تطبیقی ​​(RL) ارائه می کند که بر بهبود اجرای موفق کارهای محاسباتی با  پیچیدگی کم تمرکز می کند. این روش از یک متد نو ظهور RL در رابطه با شبکه های عصبی برای کمک به زمانبند استفاده می کند که به طور موثر تغییرات پویا در محیطهای اجرایی را مشاهده می کند و خود را سازگار می نماید. مشاهده محیط در مراحل مختلف یادگیری توسط دسترس پذیری منابع و زمان بندی مبتنی بر بازخورد قاعده مند می شود و این امر به طرز چشمگیری محیط را به راه حل بهینه نزدیک می کند. راهکار ما پیچیدگی محاسباتی بالا در سیستم RL را نیز از طریق به اشتراک گذاری اطلاعات مبتنی بر تقاضا حل می کند. نتایج شبیه سازی های گسترده، اثربخشی RL تطبیقی را ​​برای بهبود قابلیت اطمینان سیستم نشان می دهد.

1-مقدمه

در سیستم های توزیع شده با مقیاس بزرگ از جمله گرید و کلود، با توسعه اینترنت قادر می شوند تا اطلاعات گسترده و خدمات کامپیوتری را بصورت پویا ارائه کنند. ناهمگونی و پویایی منابع و برنامه های کاربردی در این سیستم شایع است و باید به طور موثر به آن [11] پرداخته شود. تخصیص منابع با توجه به این ویژگی ها( ناهمگن و پویا) طور فزاینده با توسعه سیستم های توزیعی مهم تر شده است...



این مقاله ترجمه شده مهندسی فناوری اطلاعات در زمینه کلمات کلیدی زیر است:





Distributed systems
Resource management
Adaptive reinforcement learning
System reliability

ثبت سفارش جدید