مروری جامع بر تکنیک های یادگیری تقویتی برای زمان بندی منابع در تولید ابری

مساله زمان بندی منابع مبتنی بر ابر یک مسئله بهینه سازی ترکیبی معمولی است که بر چگونگی تخصیص وظایف به منابع به صورت کارآمد در یک سیستم تولید ابری تمرکز دارد. سیستم تولید ابری با چالش های قابل توجهی در بهینه سازی زمان بندی منابع به دلیل محیط پویا و نیازهای زمان واقعی مواجه است. از زمان ظهور یادگیری ماشین، بسیاری از مشکلات تصمیم گیری با استفاده از یادگیری تقویتی حل شده اند. این مقاله مروری قصد دارد یک الگوریتم مبتنی بر یادگیری تقویتی را برای بهینه سازی زمان بندی منابع در سیستم تولید ابری با بررسی ادبیات موجود بررسی کند. در ابتدا، مفهوم زمان بندی منابع چند هدفه تعریف و تشریح می شود. سپس، عناصر اصلی الگوریتم های یادگیری تقویتی برای بهبود مدل زمان بندی معرفی می شوند. این مقاله با بحثی درباره یافته ها و پیشنهاداتی برای جهت های تحقیقاتی آینده به منظور تقویت بیشتر این حوزه به پایان می رسد.

Keywords:

زمان بندی منابع , یادگیری تقویتی , تولید ابری , هوش مصنوعی , یادگیری ماشین