مروری بر الگوریتم های زمانبندی جریان کار در محیط ابر با استفاده از روش یادگیری تقویتی

رایانش ابری یک مدل محاسباتی است که کاربران منابع محاسباتی را براساس قانون پرداخت در ازای استفاده از منابع دریافت می کنند. با توجه به محدودیت منابع ابری، اجرای درخواست های متغیر کاربران، نیازمند یک مکانیزم زمانبندی کارآمد است. با توجه به تنوع درخواست های کاربران دسته بندی در زمانبندی وظایف و ارائه سرویس، جایگاه ویژه ای در رایانش ابری دارد که تحقیق درباره آن، مستلزم شناخت اصول، قواعد و روش ها می باشد . در این پژوهش تکنیک های یادگیری تقویتی در الگوریتم های زمانبندی در محیط ابر بررسی می شود. دلیل این انتخاب قابلیت تطبیق با محیط و ارائه پاسخ مناسب به درخواست های متغیر با زمان، با تخصیص منبع آینده نگرانه است که منجر به افزایش کارایی سیستم می گردد. این الگوریتم ها به طور معمول شامل سه عنصر فضای حالت، مجموعه اقدامات در ادامه بیشتر توضیح داده خواهد شد.

Keywords:

رایانش ابری , زمانبندی , گراف جهتدار بدون دور , یادگیری تقویتی