基于序贯学习的 IaaS 组合
分布式、并行与集群计算
2021-02-26 v1 机器学习
摘要
我们提出了一种新颖的 IaaS 组合框架，该框架根据提供商对长期服务供给的定性偏好来选择一组最优的消费者请求。决策变量被包含在时间条件偏好网络（TempCP-net）中，以表示短期和长期消费者的定性偏好。使用基于 k-d 树索引的时间相似性度量方法计算一组请求的全局偏好排序。我们提出了一种扩展的三维 Q-learning 方法来最大化全局偏好排序。我们设计了基于策略的序贯选择学习方法，该方法利用请求的长度来接受或拒绝组合中的请求。所提出的基于策略的学习方法使用凝聚聚类方法复用序贯优化的历史经验或策略。实验结果证明了该框架的可行性。
引用
@article{arxiv.2102.12598,
title = {Sequential Learning-based IaaS Composition},
author = {Sajib Mistry and Sheik Mohammad Mostakim Fattah and Athman Bouguettaya},
journal= {arXiv preprint arXiv:2102.12598},
year = {2021}
}
备注
to appear in ACM Transactions Web in 2021