論文の概要: An Evolutionary Algorithm for Task Scheduling in Crowdsourced Software Development

• arxiv url: http://arxiv.org/abs/2107.02202v1
• Date: Mon, 5 Jul 2021 18:07:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-07 13:37:39.054589
• Title: An Evolutionary Algorithm for Task Scheduling in Crowdsourced Software Development
• Title（参考訳）: クラウドソーシング型ソフトウェア開発におけるタスクスケジューリングの進化的アルゴリズム
• Authors: Razieh Saremi, Hardik Yagnik, Julian Togelius, Ye Yang, and Guenther Ruhe
• Abstract要約: 本稿では,クラウドソーシングソフトウェア開発のための進化的アルゴリズムに基づくタスクスケジューリング手法を提案する。 4つのプロジェクトの実験結果から,提案手法はプロジェクト期間を33～78%短縮できる可能性が示された。
• 参考スコア（独自算出の注目度）: 10.373891804761376
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The complexity of software tasks and the uncertainty of crowd developer behaviors make it challenging to plan crowdsourced software development (CSD) projects. In a competitive crowdsourcing marketplace, competition for shared worker resources from multiple simultaneously open tasks adds another layer of uncertainty to the potential outcomes of software crowdsourcing. These factors lead to the need for supporting CSD managers with automated scheduling to improve the visibility and predictability of crowdsourcing processes and outcomes. To that end, this paper proposes an evolutionary algorithm-based task scheduling method for crowdsourced software development. The proposed evolutionary scheduling method uses a multiobjective genetic algorithm to recommend an optimal task start date. The method uses three fitness functions, based on project duration, task similarity, and task failure prediction, respectively. The task failure fitness function uses a neural network to predict the probability of task failure with respect to a specific task start date. The proposed method then recommends the best tasks start dates for the project as a whole and each individual task so as to achieve the lowest project failure ratio. Experimental results on 4 projects demonstrate that the proposed method has the potential to reduce project duration by a factor of 33-78%.
• Abstract（参考訳）: ソフトウェアタスクの複雑さとクラウド開発者行動の不確実性により、クラウドソーシングソフトウェア開発(CSD)プロジェクトの計画が困難になる。 競合するクラウドソーシング市場では、複数のオープンタスクからの共有ワーカーリソースの競争が、ソフトウェアクラウドソーシングの潜在的な結果に別の不確実性をもたらします。 これらの要因は、クラウドソーシングプロセスや成果の可視性と予測性を改善するために、自動スケジューリングによるCSDマネージャのサポートの必要性につながります。 そこで本研究では,クラウドソーシングソフトウェア開発のための進化的アルゴリズムに基づくタスクスケジューリング手法を提案する。 提案手法は,多目的遺伝的アルゴリズムを用いて最適なタスク開始日を推薦する。 本手法は,プロジェクト期間,タスク類似度,タスク故障予測の3つの適合度関数を利用する。 タスク障害適合関数はニューラルネットワークを使用して、特定のタスク開始日に関してタスク障害の確率を予測する。 提案手法では,プロジェクト全体の開始日と各タスクの開始日を推奨し,プロジェクトの失敗率の最小化を図る。 4つのプロジェクトの実験結果から,提案手法はプロジェクト期間を33～78%短縮できる可能性が示された。

関連論文リスト

• TS-EoH: An Edge Server Task Scheduling Algorithm Based on Evolution of Heuristic [0.6827423171182154]
  本稿では,EC理論と進化的アルゴリズムに基づく新しいタスクスケジューリング手法を提案する。 実験の結果,タスクスケジューリングアルゴリズムは従来の強化学習法よりも優れていた。
  論文  参考訳（メタデータ） (2024-09-04T10:00:32Z)
• 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)
• Meta-learning with an Adaptive Task Scheduler [93.63502984214918]
  既存のメタ学習アルゴリズムは、一様確率でランダムにメタトレーニングタスクをサンプリングする。 タスクは、限られた数のメタトレーニングタスクを考えると、ノイズや不均衡に有害である可能性が高い。 メタトレーニングプロセスのための適応タスクスケジューラ(ATS)を提案する。
  論文  参考訳（メタデータ） (2021-10-26T22:16:35Z)
• Efficiently Identifying Task Groupings for Multi-Task Learning [55.80489920205404]
  マルチタスク学習は、あるタスクによって学習された情報を活用して、他のタスクのトレーニングに役立てることができる。 マルチタスク学習モデルにおいて、どのタスクを一緒にトレーニングすべきかを選択するアプローチを提案する。 本手法は,全タスクを協調学習し,タスクの勾配が他のタスクの損失に影響を及ぼす影響を定量化する。
  論文  参考訳（メタデータ） (2021-09-10T02:01:43Z)
• Apply Artificial Neural Network to Solving Manpower Scheduling Problem [15.848399017432262]
  本稿では,マルチシフトマンパワースケジューリング問題を解決するために,ディープラーニングと組み合わせた新しいモデルを提案する。 我々は,時系列に基づくニューラルネットワークトレーニング手法を用いて,長期・長期のスケジューリング課題を解決する。 我々の研究は、ニューラルネットワークとディープラーニング戦略が、同様の問題を効果的に解決する可能性を示唆している。
  論文  参考訳（メタデータ） (2021-05-07T23:54:00Z)
• Online Task Scheduling for Fog Computing with Multi-Resource Fairness [9.959176097194675]
  フォグコンピューティングシステムでは、オンラインタスクスケジューリング(すなわち、エンドデバイスから連続的に生成されるタスクのリソース割り当てを決定する)が重要な課題である。 オンラインタスクスケジューリング方式であるFairTSを提案する。 シミュレーションの結果、FairTSはタスクの遅くなり、リソースの公平性が向上し、最先端のスキームよりも優れていた。
  論文  参考訳（メタデータ） (2020-08-01T07:57:40Z)
• 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)
• Adaptive Procedural Task Generation for Hard-Exploration Problems [78.20918366839399]
  ハード探索問題における強化学習を容易にするために,適応手続きタスク生成(APT-Gen)を導入する。 私たちのアプローチの中心は、ブラックボックスの手続き生成モジュールを通じてパラメータ化されたタスク空間からタスクを作成することを学習するタスクジェネレータです。 学習進捗の直接指標がない場合のカリキュラム学習を可能にするために,生成したタスクにおけるエージェントのパフォーマンスと,対象タスクとの類似性をバランスさせてタスクジェネレータを訓練することを提案する。
  論文  参考訳（メタデータ） (2020-07-01T09:38:51Z)
• Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal Constraints [52.58352707495122]
  本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。 都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
  論文  参考訳（メタデータ） (2020-05-27T01:10:41Z)
• Distributed Primal-Dual Optimization for Online Multi-Task Learning [22.45069527817333]
  本稿では,対数学習におけるタスク固有のノイズを捕捉し,実行時効率でプロジェクションフリーな更新を行う適応的原始双対アルゴリズムを提案する。 我々のモデルは、エネルギー不足や帯域制限のあるタスクが更新を延期できるようにするため、分散型の周期接続タスクに適しています。 実験結果から,提案モデルが実世界の様々なデータセットに対して極めて有効であることが確認された。
  論文  参考訳（メタデータ） (2020-04-02T23:36:07Z)

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。