論文の概要: A Comparative Evaluation of Population-based Optimization Algorithms for
Workflow Scheduling in Cloud-Fog Environments
- arxiv url: http://arxiv.org/abs/2012.00176v2
- Date: Sat, 12 Dec 2020 17:39:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-22 14:13:07.027335
- Title: A Comparative Evaluation of Population-based Optimization Algorithms for
Workflow Scheduling in Cloud-Fog Environments
- Title（参考訳）: クラウドフォグ環境におけるワークフロースケジューリングのための人口ベース最適化アルゴリズムの比較評価
- Authors: Dineshan Subramoney, Clement N. Nyirenda
- Abstract要約: 本研究は,クラウドファグ環境におけるワークフロースケジューリングのための4つの集団最適化アルゴリズムの比較評価を行った。
GAPSOアルゴリズムのハイブリッド組み合わせは、標準アルゴリズムよりもわずかに優れている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work presents a comparative evaluation of four population-based
optimization algorithms for workflow scheduling in cloud-fog environments.
These algorithms are as follows: Particle Swarm Optimization (PSO), Genetic
Algorithm (GA), Differential Evolution (DE) and GA-PSO. This work also provides
the motivational groundwork for the weighted sum objective function for the
workflow scheduling problem and develops this function based on three
objectives: makespan, cost and energy. The recently proposed FogWorkflowSim is
used as the simulation environment with the aforementioned objectives serving
performance metrics. Results show that hybrid combination of the GA-PSO
algorithm exhibits slightly better than the standard algorithms. Future work
will include expansion of the workflows used by increasing the number of tasks
as well as adding some more workflows. The addition of some more objectives to
the weighted objective function will also be pursued
- Abstract（参考訳）: 本稿では,クラウドフォグ環境におけるワークフロースケジューリングのための4つの集団最適化アルゴリズムの比較評価を行う。
これらのアルゴリズムは,Particle Swarm Optimization (PSO), Genetic Algorithm (GA), Differential Evolution (DE), GA-PSOである。
この作業はまた、ワークフロースケジューリング問題に対する重み付き和目的関数に対する動機付け的な基礎ワークを提供し、この関数をmakespan、コスト、エネルギーの3つの目的に基づいて開発する。
最近提案されたFogWorkflowSimは、上記の目標がパフォーマンスメトリクスを提供するシミュレーション環境として使用される。
その結果,GA-PSOアルゴリズムのハイブリッド組み合わせは標準アルゴリズムよりも若干優れていることがわかった。
今後の作業には、タスク数の増加によるワークフローの拡張と、ワークフローの追加が含まれている。
重み付き目的関数にさらにいくつかの目的を追加することも追求される。
関連論文リスト
- Benchmarking Agentic Workflow Generation [80.74757493266057]
複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorFBenchを紹介する。
また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorFEvalを提案する。
我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することができることを観察する。
論文 参考訳（メタデータ） (2024-10-10T12:41:19Z) - The Firefighter Algorithm: A Hybrid Metaheuristic for Optimization Problems [3.2432648012273346]
The Firefighter Optimization (FFO) algorithm is a new hybrid metaheuristic for optimization problem。
FFOの性能を評価するため、FFOは13の最適化アルゴリズムに対して広範な実験を行った。
その結果、FFOは比較性能を達成し、いくつかのシナリオでは、得られた適合性、正確性に要する時間、時間単位でカバーされる研究空間の点で、一般的に採用されている最適化アルゴリズムよりも優れていることが示された。
論文 参考訳（メタデータ） (2024-06-01T18:38:59Z) - Federated Conditional Stochastic Optimization [110.513884892319]
条件付き最適化は、不変学習タスク、AUPRC、AMLなど、幅広い機械学習タスクで見られる。
本稿では,分散フェデレーション学習のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-10-04T01:47:37Z) - An Empirical Evaluation of Zeroth-Order Optimization Methods on
AI-driven Molecule Optimization [78.36413169647408]
分子目的を最適化するための様々なZO最適化手法の有効性について検討する。
ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。
本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
論文 参考訳（メタデータ） (2022-10-27T01:58:10Z) - Improved Algorithms for Neural Active Learning [74.89097665112621]
非パラメトリックストリーミング設定のためのニューラルネットワーク(NN)ベースの能動学習アルゴリズムの理論的および経験的性能を改善する。
本研究では,SOTA(State-of-the-art (State-the-art)) 関連研究で使用されるものよりも,アクティブラーニングに適する人口減少を最小化することにより,2つの後悔の指標を導入する。
論文 参考訳（メタデータ） (2022-10-02T05:03:38Z) - TunaOil: A Tuning Algorithm Strategy for Reservoir Simulation Workloads [0.9940728137241215]
TunaOilは貯水池流れシミュレーションの最適数値パラメータの探索を強化する新しい手法である。
我々は,異なるオーラクル内のモデルのアンサンブルを利用して,各シミュレーションから情報を抽出し,その後の実行時の数値パラメータを最適化する。
実験の結果, 予測によって全体の負荷を平均31%改善できることがわかった。
論文 参考訳（メタデータ） (2022-08-04T12:11:13Z) - Multi-objective Optimization of Clustering-based Scheduling for
Multi-workflow On Clouds Considering Fairness [4.021507306414546]
本稿では,資源割り当てのためのクラスタリングに基づくマルチワークフロースケジューリング手法を提案する。
実験結果から,提案手法の精度は,提案手法が比較アルゴリズムよりも優れており,全体の規模とコストと,個別の公平性を著しく損なうことなく性能が向上することが示された。
論文 参考訳（メタデータ） (2022-05-23T10:25:16Z) - Directed particle swarm optimization with Gaussian-process-based
function forecasting [15.733136147164032]
パーティクルスワム最適化 (PSO) は、探索空間を囲む一組の候補解を、ランダム化されたステップ長を持つ最もよく知られたグローバルおよびローカルな解へ移動させる反復探索法である。
本アルゴリズムは探索的・搾取的行動に対して望ましい特性が得られることを示す。
論文 参考訳（メタデータ） (2021-02-08T13:02:57Z) - Global Optimization of Gaussian processes [52.77024349608834]
少数のデータポイントで学習したガウス過程を訓練した空間定式化を提案する。
このアプローチはまた、より小さく、計算的にもより安価なサブソルバを低いバウンディングに導く。
提案手法の順序の順序による時間収束を,総じて低減する。
論文 参考訳（メタデータ） (2020-05-21T20:59:11Z) - Adaptivity of Stochastic Gradient Methods for Nonconvex Optimization [71.03797261151605]
適応性は現代最適化理論において重要であるが、研究されていない性質である。
提案アルゴリズムは,PL目標に対して既存のアルゴリズムよりも優れた性能を保ちながら,PL目標に対して最適な収束性を実現することを実証した。
論文 参考訳（メタデータ） (2020-02-13T05:42:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。