resource allocation | BriefGPT

关键词resource allocation

搜索结果 - 239

物联网环境下应急救援的多约束和多目标分配模型
利用物联网和时空数据分析，我们开发了多目标洗牌灰狼青蛙跳模型（MSGW-FLM），该模型在应对复杂的多周期紧急救援场景中显示出了卓越的性能，为优化应急救援资源分配迈出了重要的一步。
PDF4 months ago
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
PDF4 months ago
追逐长期约束的凸函数
我们研究了一类带有长期约束的在线度量问题，该问题涉及在线玩家在度量空间中进行决策以同时最小化击中成本和度量确定的切换成本。我们设计了特定实例的最优竞争性和学习增强算法，并进一步在数值实验中证明了我们提出的算法的良好性能。
PDF4 months ago
面向移动边缘计算系统定制化 VR 服务的联合提示决策 Transformer
该研究致力于在移动边缘计算系统中提供定制化虚拟现实服务给异构用户的资源分配。通过引入体验质量度量，考虑延迟、用户注意力水平和首选分辨率等因素，建立了一个体验质量最大化的资源分配问题，并将其作为一个强化学习问题来求解。为了学习通用策略，提出了
PDF5 months ago
AAAI大规模约束聚类与强化学习
在本文中，我们研究了在网络中为集群级别分配资源，从而提高资源分配和使用效率。我们提出了一种利用强化学习解决约束聚类问题的方法，通过训练一个代理来生成可行且（接近）最优的解决方案。通过实验结果表明，我们的算法即使在大规模实例中也能找到接近最优
PDF5 months ago
ORIENT：一种面向延迟敏感的 6G 应用的优先级感知节能方法
通过研究 6G 的服务实例放置和分配问题，路径选择和请求优先级的联合问题，提出了旨在最大化系统的整体利润并同时在一段时间内最小化能量消耗的 PIRA 方法，通过 ORIENT 方法，基于双重竞争深度 Q 学习机制和图神经网络，证明了这个问题
PDF5 months ago
借助人工智能改进软件工作量估算：综合研究和框架提案
本研究在过去的五年中对 AI 技术在软件工作量估计方面进行了广泛的研究。通过克服传统方法的局限性，该研究旨在提高准确性和可靠性，并通过性能评估和与包括人工神经网络（ANN）、支持向量机（SVM）、线性回归、随机森林在内的多种机器学习模型进行
PDF5 months ago
一种带有演化操作的赌博机方法进行模型选择
该研究论文将模型选择问题视为无限臂赌博机问题，通过部分训练（资源分配）选择模型，准确率作为奖励，最佳模型与最终选择模型之间的期望准确率差异作为遗憾，提出了一种基于进化算法的新型组合方法 Mutant-UCB，通过在三个开源图像分类数据集上的
PDF5 months ago
在不完全合作博弈中降低乐观偏差
合作博弈理论在当代人工智能中有各种应用，包括可解释的机器学习、资源分配和协同决策。本文提出了一个旨在优化展示联盟价值序列的框架，以有效缩小合作博弈中玩家期望与实际结果之间的差距。通过研究玩家对缺失联盟价值的乐观补全及其产生的差距的分析特性，
PDF5 months ago
减少资源配置差异的访问差异建模
针对 COVID-19 疫苗分配中存在的易受影响却难以获得疫苗的弱势群体，我们形式化并研究了资源分配问题，标识出减少资源差距作为关键目标，并展示其作为更复杂后续影响的替代指标的作用。我们提出了一种具体的访问模型，有助于量化给定分配对有利群体
PDF5 months ago
引入 PetriRL：一个集成 Petri 网和基于事件的强化学习的 JSSP 解决方案的创新框架
我们介绍了一种创新的框架来解决作业车间调度问题，通过使用 Petri 网建模作业车间，提高了可解释性，同时还实现了将原始数据直接整合到过程中，无需对作业车间实例进行预处理，Petri 网的控制功能使得自动化组件能够掌控流程，允许智能体专注于
PDF5 months ago
MM快速可扩展的深度学习与拉格朗日方法集成的网络切片
我们提出了一种新颖的框架，将约束优化方法和深度学习模型相结合，从而实现了强大的泛化能力和优越的逼近能力，基于该框架，我们设计了一种新的神经辅助算法，以在切片之间的资源限制下最大化网络效用，该算法具有高可扩展性，轻松适应不同数量的切片和切片配
PDF5 months ago
最优输运理论与多智体强化学习之间的协同作用
这篇论文研究了最优输运理论与多智能体强化学习的整合，利用最优输运处理分布和运输问题以增强多智能体强化学习的效率、协作性和适应性。优化资源分配、协调智能体政策、适应动态环境变化和提高能源效率是最优输运对多智能体强化学习产生的影响的五个关键领域
PDF6 months ago
O-RAN 中网络切片的高效资源分配的半监督学习方法
我们提出了一种创新的方法，旨在协调 Open Radio Access Network（O-RAN）中的多个独立 xAPPs，以实现网络切片和资源分配，并优化用户设备（UE）之间的加权吞吐量和物理资源块（PRB）的分配。通过设计 power
PDF6 months ago
MM基于分布式动态 6G 应用的语义感知多址方案
本研究介绍了在语义感知的范式下，如何通过资源分配决策来优化利用公平度的权衡，同时考虑到用户数据相关性。通过引入自我和协助吞吐量的概念，提出了一种新的无线频谱多接入问题的解决方法，利用 α 公平度度量优化。通过单信道和多信道的场景评估，发现在
PDF6 months ago
评估 MIMIC-IV 数据集和基准算法的公平性：应用于 ICU 住院时间预测
使用 MIMIC-IV 数据集研究 XGBoost 二元分类模型在预测 ICU 住院时间方面的公平性和偏见，并强调该研究对 ICU 有限资源分配的重要性，通过在人口属性上检测数据集的类别不平衡，并采用数据预处理和特征提取，发现 XGBoos
PDF6 months ago
面向边缘智能的移动性和成本感知推理加速算法
针对边缘智能化中的模型切割和资源分配存在的问题，我们提出了一种移动和成本感知的模型切割和资源分配算法，用于加速边缘推理。具体来说，在无用户移动的场景中，提供了循环迭代梯度下降（Li-GD）算法；而在存在用户移动的场景中，提出了移动感知的 L
PDF6 months ago
以多接入边缘计算为基础的元宇宙人性化资源分配
基于图卷积网络的自适应边缘资源分配方法在多用户元宇宙环境中模拟了各代理之间的相互作用，以优化资源分配并提升用户体验。
PDF6 months ago
iOn-Profiler：智能在线多目标 VNF 配置文件分析与强化学习
通过改进的强化学习方法，我们的研究提供了一种多目标优化的虚拟网络功能资源分配方案，实现了关键绩效指标的目标达成，同时最小化多种资源类型的消耗，并优化了虚拟网络功能的输出速率。
PDF7 months ago
无线 MEC 网络中动态资源分配的安全深度强化学习
本文提出了一个基于区块链安全的深度强化学习优化框架，用于分散的无线移动边缘计算网络中的数据管理和资源分配。我们设计了一种低延迟的基于声誉的股权证明共识协议，用于选择高可靠的区块链启用的基站，以安全存储移动边缘计算用户请求并防止数据篡改攻击。
PDF7 months ago