本研究は、エッジコンピューティングにおけるタスクスケジューリングの課題に取り組んでいる。従来のタスクスケジューリング手法は、複数の最適化目標を効果的に均衡させることができないことが問題となっている。
本論文では、進化計算理論と発見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アプローチを提案している。サービスリクエストをタスクシーケンスとしてモデル化し、大規模言語モデル(LLM)サービスを使ってさまざまなスケジューリングスキームを評価する。
実験結果から、提案手法であるTS-EoHアルゴリズムが既存の発見的手法やリインフォースメント学習手法よりも優れた性能を示すことが分かった。また、異なる発見的戦略の影響や、さまざまなLLMサービス間の進化結果の比較も行っている。
提案手法の主な貢献は以下の3点:
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Wang Yatong,... at arxiv.org 09-17-2024
https://arxiv.org/pdf/2409.09063.pdfDeeper Inquiries