क्लाउड कंप्यूटिंग की तीव्र प्रगति और क्लाउड सेवाओं की बढ़ती संख्या ने ऊर्जा दक्षता बढ़ाने के साथ ही SLA (सेवा स्तर समझौता) अनुपालन बनाए रखने के लिए बुद्धिमान कार्य-शेड्यूलिंग विधियों की मांग बढ़ा दी है। हम एक रिइन्फोर्समेंट लर्निंग जेनेटिक एल्गोरिथ्म फ्रेमवर्क प्रस्तुत करते हैं, जिसे एक लॉन्ग शॉर्ट-टर्म मेमोरी ऑटोइनकोडर के साथ संवर्धित किया गया है, ताकि एक अधिक अनुकूल और पूर्वानुमानित अनुसूची तंत्र बनाया जा सके जो गतिशील क्लाउड सेटिंग में काम करे। विशिष्ट रूप से, LSTM ऑटोइनकोडर उत्खनन मॉड्यूल का उपयोग अधिभार स्थितियों की भविष्यवाणी करने और असामान्य व्यवहार का पता लगाने के लिए किया जाता है, जबकि RL-GA बहु-उद्देश्यीय विकासात्मक अधिगम के माध्यम से कार्य आवंटन को अनुकूलित करता है। हमने Google क्लस्टर ट्रेसेस और RUBiS डेटासेट्स का उपयोग करते हुए CloudSim पर्यावरण में व्यापक सिमुलेशनों के माध्यम से हमारे मॉडल का सत्यापन किया और दिखाया कि पारंपरिक शेड्यूलर्स की तुलना में प्रस्तावित मॉडल कहीं अधिक कुशल है। फ्रेमवर्क ने बेसलाइन विधियों की तुलना में मेकसपान में 27.5% की कमी हासिल की, SLA उल्लंघनों में 4.2% तक (67% सुधार) की कमी की, डेडलाइन मिस्सेज में 78.6% की कमी की, CPU उपयोग को 88.7% तक बेहतर किया, और स्थैतिक प्रोविजनिंग ऊर्जा उपयोग को 42.7% तक कम किया। ANOVA परीक्षण (p-मूल्य < 0.001 के साथ) इन परिणामों की मजबूती का समर्थन करता है, और संयोजन विश्लेषण से पता चलता है कि फ्रेमवर्क के सभी घटकों में 500 प्रशिक्षण चक्रों के भीतर स्थिर लर्निंग होती है। यह पुष्टि करता है कि यह गतिशील क्लाउड पर्यावरणों का समर्थन करने के लिए पर्याप्त उत्तरदायी है, और रियल-टाइम प्रदर्शन मूल्यांकन में 156.8 मिलीसेकंड की एंड-टू-एंड शेड्यूलिंग विलंबता हासिल करता है। इसकी निकट-रेखीय गणनात्मक जटिलता को वर्कलोड आकारों के 100 से 1000 कार्यों तक फैलाव परीक्षणों के माध्यम से सत्यापित किया गया है। ये परिणाम और तुलना प्रस्तावित RL-GA-LSTM-AE फ्रेमवर्क की बुद्धिमान संसाधन अनुसूची के लिए व्यापक प्रभावशीलता, स्केलेबिलिटी और स्थिरता दिखाती है और बड़े पैमाने पर क्लाउड डेटा केंद्रों में हरे, SLA-चालित कंप्यूटिंग अवसंरचनाओं के डिज़ाइन और कार्यान्वयन के लिए आगे विकास के द्वार खोलती है, जो अगली पीढ़ी के कंप्यूटिंग की ओर अग्रसर है।
नरसिम्हुलु एट अल. (बुधवार,) ने इस प्रश्न का अध्ययन किया।