PulseAugur
实时 20:20:01
None Learning-Augmented Online Scheduling with Parsimonious Preemption

新的调度算法使用机器学习平衡延迟和抢占

研究人员开发了一种新的在线调度方法,该方法集成了机器学习预测,以改善作业延迟并最大限度地减少抢占。这项工作解决了算法性能与频繁抢占的复杂性之间的权衡问题,而频繁抢占在现有的学习增强调度方法中很常见。所提出的算法在每次作业的抢占次数有限的情况下,即使在预测不完美的情况下,也能实现具有竞争力的延迟界限,从而将学习增强调度的适用性扩展到更现实的场景。 AI

影响 引入了一种利用机器学习的在线调度新算法方法,有可能提高资源分配系统的效率。

排序理由 该集群包含一篇详细介绍新算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 · Mugen Blue, Sungjin Im, Alexander Lindermayr ·

    Learning-Augmented Online Scheduling with Parsimonious Preemption

    arXiv:2605.23255v1 Announce Type: new Abstract: Learning-augmented algorithms have emerged as a powerful paradigm to surpass traditional worst-case lower bounds by integrating potentially noisy predictions. While this framework has seen success in online scheduling, existing work…