سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / اولین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین

کاربرد تخمین زمان و مدل‌سازی در زمان‌بندی بهینه وظایف کلان داده

نویسندگان :

آرمین اعیادی¹ آرزو جهانی²

1- دانشگاه صنعتی سهند تبریز 2- دانشگاه صنعتی سهند تبریز

کلمات کلیدی :

یادگیری ماشین،زمان بندی،رایانش ابری،بهینه سازی

چکیده :

با افزایش حجم داده‏ها، تولید اطلاعات مفید و تصمیم‏گیری به‌موقع با رعایت سرعت و دقت موردنیاز به‌عنوان چالشی مطرح است. به‌منظور بهبود زمان پاسخ ‏و کاهش هزینه در برخورد با وظایف کلان داده، معمولاً از مدل‌سازی و زمان‌بندی مجموعه وظایف استفاده می‏گردد. در این راستا، زمان‌بندی بهینه وابستگی ‏بسیار زیادی به داشتن اطلاعات کافی نظیر زمان و منابع موردنیاز هر زیر وظیفه دارد. اکثر روش‏های پیشنهادی برای زمان‌بندی وظایف کلان داده، با فرض ‏همگن بودن وظایف و همچنین با فرض داشتن زمان موردنیاز هر وظیفه، مسئله را به‌عنوان یک مسئله بهینه‏سازی عدد صحیح مدل کرده‏اند. مقاله حاضر ‏به‌منظور حل مسائل ذکرشده در زمان‌بندی وظایف کلان داده، از دو رویکرد متوالی بهره گرفته است. در ابتدا به‌منظور تخمین دقیق زمان اجرای وظایف، از ‏یک موتور پیش‏بینی وظایف استفاده می‏کند. سپس با داشتن اطلاعات کافی از مجموعه وظایف، یک چارچوب بهینه‌سازی ارائه می‏دهد که منابع را به‌طور ‏استراتژیک تخصیص داده و وظایف را برای کاهش تأخیر و حداکثر کردن استفاده از منابع زمان‌بندی می‏کند. نتایج ارزیابی نشان می‏دهد که این هم‌افزایی ‏منجر به کاهش قابل‌توجهی در زمان‌های اجرا و بهبود استفاده از منابع می‌شود و افزایش دقت تخمین زمان در حضور روش‏های مبتنی بر یادگیری را نشان ‏می‌دهد.‏