基于人工智能方法在各种计算范式上资源分配问题的最新综述

Mar, 2022

基于人工智能方法在各种计算范式上资源分配问题的最新综述

The state-of-the-art review on resource allocation problem using artificial intelligence methods on various computing paradigms

PDF

Javad Hassannataj Joloudari, Sanaz Mojrian, Hamid Saadatfar, Issa Nodehi, Fatemeh Fazl...

TL;DR本研究综述了基于人工智能的各种优化分配方法，涵盖云计算、车辆雾计算、物联网、5G 网络、点对点网络、深度强化学习等各种计算环境，并介绍了基于深度学习的资源分配方法。

Abstract

With the increasing growth of information through smart devices, increasing the quality level of human life requires various computational paradigms presentation including the Internet of Things, fog, and cloud. Between these three paradigms, the cloud computing paradigm as an emerging

cloud computing resource allocation optimization-based methods artificial intelligence deep learning

发现论文，激发创造

基于网络的云计算环境中的资源分配：设计挑战

本篇论文讨论了云计算资源分配的核心问题，对计算资源、网络资源、能源消耗等多方面因素进行细致分析与探讨，为构建全面的、高效的、绿色可持续的云计算数据中心提供了参考。

Sep, 2013

机器学习优化在云计算资源调度和管理中的应用

本文通过使用机器学习优化技术，提出了一种创新的方法来解决云计算资源调度和管理中的复杂问题，通过对云环境中低资源利用率和负载不平衡等挑战的深入研究，本研究提出了包括深度学习和遗传算法等优化方法在内的全面解决方案，以提高系统性能和效率，从而在云计算资源管理领域带来新的突破和进展。合理分配资源在云计算中起着至关重要的作用。

Feb, 2024

基于深度学习的车联网无线资源分配

本文介绍深度学习在车联网中用于资源分配的关键动因和障碍，并回顾了近期在利用深度学习哲学解决无线资源分配问题方面取得的重要成果。通过深度强化学习和优化技术，探究当前设计方法所面临的挑战，并提出未来资源分配研究的一些方向。

Jul, 2019

利用强化学习进行物联网边缘计算资源分配

本文提出一种边缘计算中使用强化学习来降低能耗和任务执行延迟的近似最优算法。

Mar, 2019

基于深度强化学习的云原生无线网络资源分配

基于容器虚拟化的云原生无线网络架构，应用深度强化学习算法来监控网络状态和动态分配资源，优化了网络分片和多接入边缘计算等场景的资源分配，大幅提高了网络效率。

May, 2023

分布式基础设施的高效资源调度利用协商能力

提出了一种基于模糊逻辑的基于代理的自动协商资源调度系统，通过引入综合性协商游戏，根据协商结果对资源进行调度，从而达到更高效地利用资源的目的，并成功使用机器学习模型替代模糊协商系统以提高处理速度。

Feb, 2024

基于深度强化学习的云资源分配和功耗管理的层级框架

研究提出一种基于深度强化学习的层次化框架，用于云计算系统中的资源分配和电源管理问题，采用自动编码器和权重共享结构，以解决高维状态空间问题，采用 LSTM 建模工作负载预测，并采用分布式方式操作的无模型 RL 电源管理器处理本地部分问题。

Mar, 2017

物联网应用的普适型人工智能：资源高效分布式人工智能综述

本文综述了面向普适 AI 系统中资源调度的挑战，重点概述了分布式推断、训练和在线学习任务中的通信高效技术。

May, 2021

现代分布式计算系统中基于人工智能的资源管理

本文探讨了数据驱动资源管理系统在分布式计算系统中的应用及其挑战所在，并提供了一个概念性的数据驱动 RMS 模型，并以 GPU 频率调节和互联网数据中心资源管理两个实时案例证明该方法是可行的。

Jun, 2020

跨层优化实现资源高效 AIoT 系统：综述

人工智能物联网（AIoT，AI+IoT）领域是由智能基础设施的广泛使用和深度学习（DL）的显著成功推动的。本研究通过优化资源友好型的深度学习模型以及模型自适应系统调度，来改善 DL 模型的准确性和响应性，推动由单独级别设置的性能边界。此外，针对 AIoT 环境的动态特性，本文还探索了适用于不同级别的上下文感知控制器，实现自动跨级别适应，并提出了资源高效的 AIoT 系统的一些潜在方向。

Sep, 2023