.png){kind=icon}
返回
LLM-based cost-aware task scheduling for cloud computing systems
.png){kind=icon}
OA
AI
DOI：10.1186/s13677-025-00822-0.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
云任务调度由于资源异构性、优化目标冲突以及动态工作负载波动而面临重大挑战。传统启发式算法通常需要全面的环境参数知识，显著制约了其在动态云计算环境中的有效性。尽管深度强化学习（DRL）方法通过持续环境交互在智能调度中展现出前景，但它们在多样化云场景下的泛化能力有限，且缺乏决策可解释性。为解决这些不足，本文提出LarS，一种将大型语言模型（LLMs）作为云任务调度高层决策代理的调度框架。在LarS中，在精心选择的代表性云环境中训练的DRL代理生成高质量的调度决策数据集，用于微调LLM。通过联合优化平均响应时间、任务成功率及平均租赁成本，LarS实现了在异构云部署中的强泛化能力。实验结果表明，LarS在平均响应时间、成功率及平均成本方面优于当前方法，并在不同实验设置下保持了良好的泛化性能。
Keyword:
Cloud computing
Task scheduling
Deep reinforcement learning
Large language models
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
0
论文数:
103
被引数:
0
机构
引用论文
Cost-aware job scheduling for cloud inutances using deep reinforcement learning使用深度强化学习的云inutances成本感知作业调度
PREAI
分享收藏Multi objective trust aware task scheduling algorithm in cloud computing using whale optimizationOAAI
OAAI分享收藏Large Language Model-Guided SARSA Algorithm for Dynamic Task Scheduling in Cloud Computing.png)
Mathematics
MathematicsIF0
PREAI
分享收藏Batch Jobs Load Balancing Scheduling in Cloud Computing Using Distributional Reinforcement Learning
PREAI
分享收藏Work Scheduling in Cloud Network Based on Deep Q-LSTM Models for Efficient Resource Utilization
PREAI
分享收藏LsiA3CS: Deep-Reinforcement-Learning-Based Cloud-Edge Collaborative Task Scheduling in Large-Scale IIoTLsiA3CS: 大规模IIoT中基于深度强化学习的云边协同任务调度
PREAI
分享收藏
查看更多内容