基于机会约束多智能体强化学习的云协同超售学习
机器学习
2022-11-23 v1 人工智能
多智能体系统
摘要
超售是提高云资源利用率的常用做法。它允许云服务提供商出售超过物理限制的资源，假设并非所有用户都会同时充分利用资源。然而，如何设计一种在提高利用率的同时满足某些安全约束的超售策略仍是一个开放问题。现有方法和工业实践过于保守，忽略了多样资源使用模式与概率约束的协调。为应对这两点局限，本文将云超售表述为机会约束优化问题，并提出了一种有效的机会约束多智能体强化学习（C2MARL）方法来求解。具体而言，C2MARL 通过考虑约束的上界来减少约束数量，并利用多智能体强化学习范式学习安全且最优的协调策略。我们在内部云平台与公共云数据集上评估了 C2MARL。实验表明，在不同安全约束级别下，我们的 C2MARL 在提高利用率（）方面优于现有方法。
引用
@article{arxiv.2211.11759,
title = {Learning Cooperative Oversubscription for Cloud by Chance-Constrained Multi-Agent Reinforcement Learning},
author = {Junjie Sheng and Lu Wang and Fangkai Yang and Bo Qiao and Hang Dong and Xiangfeng Wang and Bo Jin and Jun Wang and Si Qin and Saravan Rajmohan and Qingwei Lin and Dongmei Zhang},
journal= {arXiv preprint arXiv:2211.11759},
year = {2022}
}