Integrating Deep Reinforcement Learning (DRL) with GAACO for Resource Scheduling in Cloud Computing

فاطمة رجب المصري

المؤلفون

فاطمة رجب المصري
fatm.almasre@sebhau.edu.ly
قسم الحاسوب، كلية التربية غات، جامعة سبها، غات، ليبيا

الكلمات المفتاحية:

الحوسبة السحابية، التعلم التعزيزي العميق، جدولة الموارد، إدارة الموارد الذكية

الملخص

تُعدّ جدولة الموارد بكفاءة مصدر قلق كبير في الحوسبة السحابية، ويعود ذلك أساسًا إلى ديناميكيات أعباء العمل، وندرة الموارد، والحاجة إلى جودة الخدمة. تُطوّر هذه الورقة نموذج توزيع هجين يجمع بين خوارزمية جينية لتحسين مستعمرات النمل (GAACO) وتعلم التعزيز العميق (DRL). طُبّقت الخوارزمية الهجينة وقُيّمت باستخدام CloudSim 3.0.3 لتحسين تكيف وكفاءة الحوسبة السحابية. تُظهر النتائج التجريبية أن خوارزمية GAACO+DRL تتفوق باستمرار على خوارزمية GAACO وحدها، حيث تُقلّل زمن الوصول بنسبة تصل إلى 30%، وتُخفّض متوسط وقت الانتظار بنسبة تتراوح بين 20% و35%، وتُحسّن الإنتاجية، وتُوازن توزيع أعباء العمل، وتُخفّض استهلاك الطاقة، وتُزيل تمامًا انتهاكات اتفاقيات مستوى الخدمة (SLA). تُسلّط هذه النتائج الضوء على فعالية الجمع بين التحسين الفوقي والتعلم التعزيزي لتحقيق جدولة موارد مستقرة وفعالة وقابلة للتطوير في الحوسبة السحابية.

Dimensions