論文の概要: A Case Study: Using Genetic Algorithm for Job Scheduling Problem

• arxiv url: http://arxiv.org/abs/2106.04854v1
• Date: Wed, 9 Jun 2021 07:26:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-27 04:27:42.268604
• Title: A Case Study: Using Genetic Algorithm for Job Scheduling Problem
• Title（参考訳）: ジョブスケジューリング問題に対する遺伝的アルゴリズムの利用事例
• Authors: Burak Ta\u{g}tekin, Mahiye Uluya\u{g}mur \"Ozt\"urk, Mert Kutay Sezer
• Abstract要約: 本研究の目的は,1) 作業の優先度を自動的に決定し,待ち時間を削減すること,2) 作業毎に機械資源を自動的に割り当てることである。 GAアルゴリズムを用いて、ジョブの優先順位とリソース需要を自動的に決定し、個別のメースパンとリソース使用量を最小限に抑える。
• 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: Nowadays, DevOps pipelines of huge projects are getting more and more complex. Each job in the pipeline might need different requirements including specific hardware specifications and dependencies. To achieve minimal makespan, developers always apply as much machines as possible. Consequently, others may be stalled for waiting resource released. Minimizing the makespan of each job using a few resource is a challenging problem. In this study, it is aimed to 1) automatically determine the priority of jobs to reduce the waiting time in the line, 2) automatically allocate the machine resource to each job. In this work, the problem is formulated as a multi-objective optimization problem. We use GA algorithm to automatically determine job priorities and resource demand for minimizing individual makespan and resource usage. Finally, the experimental results show that our proposed priority list generation algorithm is more effective than current priority list producing method in the aspects of makespan and allocated machine count.
• Abstract（参考訳）: 現在、巨大なプロジェクトのDevOpsパイプラインはますます複雑になっています。 パイプラインの各ジョブには、特定のハードウェア仕様や依存関係を含む、さまざまな要件が必要になる可能性がある。 最小のmakespanを実現するために、開発者は常にできるだけ多くのマシンを適用する。 したがって、他のものは、解放される待機リソースとして停止することができる。 少数のリソースを使って各ジョブを最小化することは、難しい問題です。 本研究では,その目的について述べる。 1) 作業の優先順位を自動的に決定し、待ち時間を短縮する。 2) マシンリソースを各ジョブに自動的に割り当てる。 本研究では,多目的最適化問題として定式化される。 我々はgaアルゴリズムを用いて仕事の優先順位とリソース需要を自動的に決定し、個々のメイズパンとリソース使用量を最小化する。 最後に,提案した優先度リスト生成アルゴリズムは,makepanおよび割り当てマシン数の観点から,現在の優先度リスト生成手法よりも有効であることを示す。

関連論文リスト

• Robotic warehousing operations: a learn-then-optimize approach to large-scale neighborhood search [84.39855372157616]
  本稿では,ワークステーションの注文処理,アイテムポッドの割り当て,ワークステーションでの注文処理のスケジュールを最適化することで,ウェアハウジングにおけるロボット部品対ピッカー操作を支援する。 そこで我々は, 大規模近傍探索を用いて, サブプロブレム生成に対する学習を最適化する手法を提案する。 Amazon Roboticsと共同で、我々のモデルとアルゴリズムは、最先端のアプローチよりも、実用的な問題に対するより強力なソリューションを生み出していることを示す。
  論文  参考訳（メタデータ） (2024-08-29T20:22:22Z)
• Toward Smart Scheduling in Tapis [1.0377683220196874]
  本稿では,Tapisにおけるインテリジェントなジョブスケジューリング機能の開発について紹介する。 我々は、異なるHPCシステムとキュー上でジョブの待ち時間を予測すること。 私たちの最初の結果セットは、既存のオプションリストから最適なシステムを選択するのに使用できる回帰としてこの問題を提起しました。
  論文  参考訳（メタデータ） (2024-08-05T20:01:31Z)
• Optimization of Worker Scheduling at Logistics Depots Using Genetic Algorithms and Simulated Annealing [12.052513851250467]
  この研究は、0-1整数線形プログラミングモデルを確立することから始まる。 目的関数は、時間労働の要求を満たすことを保証する一方で、個人日を最小化することを目的としている。 最適解法は最低29857人日を明らかにする。
  論文  参考訳（メタデータ） (2024-05-20T02:21:01Z)
• FAMO: Fast Adaptive Multitask Optimization [48.59232177073481]
  本稿では,動的重み付け手法であるFast Adaptive Multitask Optimization FAMOを導入する。 この結果から,FAMOは最先端の勾配操作技術に匹敵する,あるいは優れた性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2023-06-06T15:39:54Z)
• Minimalistic Predictions to Schedule Jobs with Online Precedence Constraints [117.8317521974783]
  オンライン優先制約による非サーボ的スケジューリングについて検討する。 アルゴリズムは、任意のジョブ依存に偏りがなく、前任者がすべて完了した場合に限り、ジョブについて学習する。
  論文  参考訳（メタデータ） (2023-01-30T13:17:15Z)
• Reinforcement Learning with Success Induced Task Prioritization [68.8204255655161]
  本稿では,自動カリキュラム学習のためのフレームワークであるSuccess induced Task Prioritization (SITP)を紹介する。 アルゴリズムはエージェントに最速の学習を提供するタスクの順序を選択する。 我々は,SITPが他のカリキュラム設計手法と一致するか,あるいは上回っていることを実証する。
  論文  参考訳（メタデータ） (2022-12-30T12:32:43Z)
• Answer-Set Programming for Lexicographical Makespan Optimisation in Parallel Machine Scheduling [18.286430978487388]
  我々は、シーケンス依存のセットアップ時間とリリース日を持つ並列マシン上で、困難なスケジューリング問題に対処する。 個々のマシンを非到達順に配置し、結果として生じるロバスト性を語彙的に最小化する。 実験の結果,ASPは実際にこの問題に対して有望なKRRパラダイムであり,最先端のCPおよびMIPソルバと競合していることがわかった。
  論文  参考訳（メタデータ） (2022-12-18T12:43:24Z)
• Non-Clairvoyant Scheduling with Predictions Revisited [77.86290991564829]
  非論理的スケジューリングでは、優先度不明な処理条件でジョブをスケジューリングするためのオンライン戦略を見つけることが課題である。 我々はこのよく研究された問題を、アルゴリズム設計に(信頼できない)予測を統合する、最近人気の高い学習強化された設定で再検討する。 これらの予測には所望の特性があり, 高い性能保証を有するアルゴリズムと同様に, 自然な誤差測定が可能であることを示す。
  論文  参考訳（メタデータ） (2022-02-21T13:18:11Z)
• Learning to Schedule [3.5408022972081685]
  本稿では,ジョブが生み出す累積保持コストを最小限に抑えるための学習・スケジューリングアルゴリズムを提案する。 各タイムスロットにおいて、サーバはシステムに残されているジョブのランダム保持コストを受信しながらジョブを処理できる。
  論文  参考訳（メタデータ） (2021-05-28T08:04:06Z)
• A Machine Learning Approach for Task and Resource Allocation in Mobile Edge Computing Based Networks [108.57859531628264]
  無線ネットワークにおいて,共同作業,スペクトル,送信電力配分問題について検討する。 提案アルゴリズムは、標準Q-ラーニングアルゴリズムと比較して、収束に必要なイテレーション数と全ユーザの最大遅延を最大18%、11.1%削減することができる。
  論文  参考訳（メタデータ） (2020-07-20T13:46:42Z)
• Optimal Sequential Task Assignment and Path Finding for Multi-Agent Robotic Assembly Planning [42.38068056643171]
  本研究では,タスク間優先制約のあるアプリケーションにおいて,ロボットの大規模チームに対する逐次的タスク割り当てと衝突のないルーティングの問題について検討する。 本稿では,その問題に対する等間隔最適解を計算するための階層的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-16T00:45:07Z)

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。