Enfoque de programación de tareas multi-muestra en paralelo basado en aprendizaje profundo por refuerzo en entorno de computación en la nube
Autores: Xiao, Yuhao; Yao, Yping; Zhu, Feng
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Enfoque de programación de tareas multi-muestra en paralelo basado en aprendizaje profundo por refuerzo en entorno de computación en la nube
Categoría
Matemáticas
Subcategoría
Matemáticas generales
Palabras clave
Análisis de escenarios
Simulaciones de evaluación
Computación en la nube
Aprendizaje profundo por refuerzo
Programación de tareas multi-muestra
Simulación paralela
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 41
Citaciones: Sin citaciones
El método propuesto demuestra reducciones en el tiempo de ejecución del 4 al 11% y ahorros en costos de ejecución del 11 al 22% en comparación con el algoritmo Round-Robin, el algoritmo Best Fit y el algoritmo genético.
Descripción
El método propuesto demuestra reducciones en el tiempo de ejecución del 4 al 11% y ahorros en costos de ejecución del 11 al 22% en comparación con el algoritmo Round-Robin, el algoritmo Best Fit y el algoritmo genético.