在线资源调度以最大化元计算中的体验质量
摘要：元计算是一种新的计算范式，旨在解决当前边缘计算范式中存在的计算孤岛问题，并通过整合云端、边缘和终端设备上的所有资源来实现。它着眼于解决计算能力不足的问题。然而，在当前阶段，由于技术限制，不可能整合整个网络的资源。因此，我们创建了一个由多个元计算机组成的新的元计算架构，每个计算机在小规模网络中整合资源。为了使元计算在社会中得到广泛应用，必须重视元计算的服务质量和用户体验。考虑一个通过调度元计算机为用户提供服务的元计算系统，如何在有限的预算下从多个元计算机中选择以实现最大的体验质量(QoE)，特别是当每个元计算机的真实预期QoE事先不知道时？然而，现有的研究通常忽略了成本和预算，并且几乎没有考虑普遍递减边际效用定律。在本文中，我们从多臂赌博机(MAB)的角度制定了一个资源调度问题。为了确定一个能在有限预算下最大化总体QoE效用的调度策略，我们提出了一种基于上置信界(UCB)的算法，并使用一个凹函数来刻画现实世界中的边际效用，以模拟服务的效用。我们从理论上将我们提出的算法的遗憾上限与预算的次线性增长联系起来。最后，我们进行了广泛的实验，结果表明了我们算法的正确性和有效性。
作者：Yandi Li, Jianxiong Guo, Yupeng Li, Tian Wang, Weijia Jia
论文ID：2304.13463
分类：Distributed, Parallel, and Cluster Computing
分类简称：cs.DC
提交时间：2023-04-27