تقدم البحث إطارًا هجينًا يجمع بين التعلم العميق Q (DQL) وتحسين سرب الجسيمات (PSO) لتعزيز تخصيص الموارد في الحوسبة السحابية، مع معالجة التحديات مثل الأحمال الديناميكية واتفاقيات مستوى الخدمة (SLAs). تم تقييم الطريقة المقترحة باستخدام Cloud Sim مع كل من الأحمال الحقيقية والاصطناعية، مما أظهر تحسينات كبيرة: تقليل بنسبة 35% في متوسط وقت تنفيذ المهام…

تقدم ورقة البحث IntelliScheduler، وهو إطار عمل هجين يعتمد على التعلم العميق المعزز من نوع الممثل-الناقد مصمم لجدولة المهام التكيفية في بيئات الحوسبة السحابية الطرفية، وخاصة لتطبيقات إنترنت الأشياء (IoT). يتناول الإطار التحديات المتعلقة بالمواعيد النهائية المتنوعة وأحمال العمل المتغيرة، مما يعقد الامتثال لاتفاقية مستوى الخدمة (SLA) وجودة الخدمة (QoS). غالبًا ما تكافح طرق الجدولة…