Deep Reinforcement Learning no Problema de Escalonamento de Jobs em Computação em Grids

• Lucas Casagrande UDESC
• Maurı́cio Pillon UDESC

Abstract

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.