May, 2022

基于聚类调度的多目标云多工作流公平优化

PDF
TL;DR该篇论文提出一种基于 makespan、cost 和 fairness 的多目标优化模型和全局聚类多工作流调度策略用于资源分配，实验结果表明该方法在维持整体 makespan 和 cost 的同时也达到了个体公平性，可为云上模拟工作流调度提供指导。
distributed computingmulti-workflow schedulingoptimizationfairnesscloud computing
发现论文，激发创造
  • 面向公平感知的多目标优化

    探讨了多目标优化的用户偏好以及与公平性在机器学习和多目标优化中的关系，介绍了公平性感知多目标优化的代表案例，并进一步阐述了公平在传统多目标优化、数据驱动优化和联邦优化中的重要性和挑战。

    Jul, 2022

  • 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

  • 分布式机器学习集群中的在线作业调度

    本文针对分布式机器学习系统的调度问题，使用参数服务器框架设计了一种在线算法，以最大化所有作业的整体效用，并在跟踪驱动模拟和实验测试中证明了其优越性。

    Jan, 2018

  • 利用多目标元模型优化机器学习中的公平性权衡

    使用多目标优化的方法直接优化错误 - 公平性权衡，并提出了一个灵活的框架来定义权重分类问题和多个代价函数，以减少优化参数，同时在真实问题中获得了更好的错误 / 公平性权衡解决方案。

    Apr, 2023

  • 机器学习的准确性和公平性权衡：基于随机多目标方法的研究

    本文介绍了一种新的处理公平性的方法，通过建立一个随机多目标优化问题，得到一组准确且平衡的 Pareto 前沿，以此权衡准确度和公平性，以更高效地处理大量的流数据。

    Aug, 2020

  • 基于改进的鲲鸟群算法的云空间职责调度

    云计算和任务调度算法的研究，使用遗传算法、颗粒群优化、蚁群优化以及扩展改进的 Salp Swarm Algorithm 进行比较。研究结果表明，提出的算法性能普遍优于其他算法，如与基本的 Salp Swarm Algorithm 相比，平均减少近 21% 的执行时间。

    Sep, 2023

  • 基于多智能体强化学习的地理分布数据中心可持续负载调度

    本研究提出一种基于多智能体强化学习和演员 - 评论家方法的算法，通过与真实工作负载模式、能源价格和碳强度相互作用的云系统学习最优的协同调度策略，从而最大化 GPU 利用率、降低运营成本和减少碳排放。与其他算法相比，我们的方法提高了系统效用，最高可达 28.6％。

    Apr, 2023

  • 并行分割学习的工作流优化

    该论文研究了如何通过拆分神经网络模型并进行任务分配和调度决策来实现减少训练时间的目标，并提出了一种基于对称性的问题分解解决方法和一种可扩展的解决方法。通过数值评估，证明该策略能够找到接近最优解，并且使训练时间比基准方案缩短 52.3%。

    Feb, 2024

  • 公平算法设计：公平高效的机器调度

    本论文探讨了自动决策算法引起的偏见问题，提出了一种通过合理使用个人数据来平衡公平和有效性之间矛盾的 Pareto 调度机制，以及带来的社会福利和个人利益之间的差异。

    Apr, 2022

  • 如何公平地安排虚拟会议？实现参会人员和演讲者的公正满意度

    本文提出了一个联合优化框架来设计虚拟会议日程，以平衡效率、参与者公平性和发言人公平性目标。我们利用两种可扩展的技术，通过多个实际数据集的广泛评估，展示了我们提出的方法的有效性和灵活性。

    Apr, 2022