近日,我校电子信息学院王小刚老师作为第一作者,我校作为第一单位,与上海交通大学计算机科学与工程系教授团队、澳大利亚墨尔本大学计算与信息系统学院教授团队合作,在国际知名期刊IEEE Transactions on Computers录用发表题为“Adaptive Cloud Bundle Provisioning and Multi-Workflow Scheduling via Coalition Reinforcement Learning”的学术研究论文。IEEE Transactions on Computers是IEEE协会计算机系统与结构领域顶刊,中国计算机学会(CCF)推荐为A类期刊,1952创刊,每年录用文章仅160多篇,是计算机专业老牌国际期刊,声誉较高,行业内广受认可。
![](/_upload/article/images/9e/13/89e4778c4b88bfccd291ddc10755/3f1d69a8-30a8-4f82-9d8d-06a3dfc6965f.png)
现代人工智能中的图像深度学习分类、大规模生物信息处理以及互联网购物和媒体交互等应用系统常被部署在数据中心云端进行计算,以充分利用云端的大规模计算和存储能力,节省应用系统的运行成本。然而,此类系统往往包含大量复杂业务流程的任务流,而且大量用户发起业务请求后,对云端虚拟机(VM)计算资源的自动配置和供应带来极大挑战。现有方法大多集中在单一类型VM的资源供应上,很少考虑多类型VM实例同时供应,导致云端对复杂工作流任务的VM实例供应不均衡,从而使系统执行性能下降,云计算资源使用成本也随之增大。为此,王小刚老师提出了一种自适应的云包实例供应和多工作流调度模型,用于在多类型VM实例上动态地执行复杂工作流的水平和垂直云资源自动缩放。在模型中,首先提出了深度优先搜索联盟强化学习(DFSCRL)的云资源供应策略,该策略将物理机(PM)联盟的形成与Q-learning算法相结合;然后从PM联盟中动态生成一个最优的多类型VM实例包,最终提供这些实例给多个工作流并发执行。理论和实验证明在多类型VM实例供应场景中,所提方法提高了云端复杂应用系统的运行性能,同时较大地降低了云计算资源的总体租赁成本。
从上海交大计算机科学与技术专业博士毕业后,王小刚老师在云计算和服务计算领域不断进行探索,并结合人工智能、物联网应用领域开展研究。2019年9月至2020年9月在澳大利亚墨尔本大学计算与信息系统学院云计算与分布式系统实验室进行访学研究,并已于2021年分别以第一作者在国际知名期刊(IEEE Transactions on Services Computing,CCF B类,一区;Future Generation Computer Systems,一区)连续发表了云计算相关领域两篇高水平文章,本项研究工作是该两项前期工作的延续,系列相关研究工作的创新性获得了期刊主编和审稿专家的一致认可。
在云计算、人工智能、服务计算、大数据技术等领域电子信息学院不断发表国际高质量高水平学术论文,标志了我校电子信息学院在电子信息相关领域不断取得新突破,增强了我校智能信息系统计算与处理的国际学术影响力!(供稿:电子信息学院)