بهينه سازي مصرف انرژي در سيستم هاي توزيع شده براساس زمان بندي وظيفه با استفاده از يادگيري تقويتي و روش عملگر-نقاد

مصرف انرژي در مراكز و سيستم هاي داده اي به شدت در حال افزايش است كه بررسي اين موضوع يك مساله اساسي در عصر كنون است. از جمله مزاياي مهم سيستم هاي توزيعي صرفه جويي در هزينه ها است زيرا نياز به نصب و راه اندازي اوليه منابع نداشته و مقياس پذيري و انعطاف پذير هستند، اما مبحث توازن بار و زمانبندي مناسب در سيستم هاي توزيعي يك چالش مي باشد. در اين مقاله روشي براي زمانبندي وظايف بر روي منابع در دسترس پويا ارايه شده و سيستم از يادگيري مداوم براي بهترين عملكرد استفاده مي كند. در روش پيشنهادي از عملگر نقاد براي بهبود تصميم گيري در يادگيري تقويتي استفاده شده تا استخراج قوانين توزيع و استفاده آنها در يادگيري تقويتي سبب بهبود شود و اهداف بهبود مصرف انرژي را ميسر سازد. روش پيشنهادي از نظر معيارهاي زمان اتمام تمامي كارها و ميزان مصرف انرژي با روش ارايه شده در كار مشابه مقايسه شد و در ارزيابي ها روش پيشنهادي به نسبت روش مورد مقايسه ميزان مصرف انرژي مناسب تري داشته است. البته در محيط هايي كه طول صف تشكيل شده و منابع و درخواست ها سريع تغيير مي كند به دليل افزايش تعداد حالت و يادگيري مستمر اين مصرف انرژي كمي افزايش مي يابد. در كل روش پيشنهادي مناسب محيط هاي پايدار، تغيرات كم و يا با فواصل زماني متعادل تر است زيرا پروسه يادگيري مدت زماني را به طول مي انجامد.