Deep Reinforcement Learning no Problema de Escalonamento de Jobs em Computação em Grids
Resumo
Algoritmos de escalonamento desempenham um papel chave durante a otimização dos recursos de uma infraestrutura em grids. No presente trabalho, três métodos de Deep Reinforcement Learning são treinados e comparados com a heurística Easy Backfilling via simulação. É possível concluir que métodos de DRL são capazes de aprender políticas de escalonamento que se adaptam a carga de trabalho atingindo uma redução significativa no slowdown.
Publicado
06/08/2019
Como Citar
CASAGRANDE, Lucas; PILLON, Maurı́cio.
Deep Reinforcement Learning no Problema de Escalonamento de Jobs em Computação em Grids. In: ESCOLA REGIONAL DE ALTO DESEMPENHO DA REGIÃO SUL (ERAD-RS), 19. , 2019, Três de Maio.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2019
.
ISSN 2595-4164.
