Вибір провайдера хмарного сервісу на основі навчання з підкріпленням і репутації провайдерів

Для задачі вибору провайдера хмарного сервісу запропоновано використати підхід на основі навчання з підкріпленням, що додатково враховує репутацію провайдерів, яка визначається за досвідом використання їх сервісів та оцінками користувачів. Для провайдерів зі сталими параметрами надання сервісів пока...

Повний опис

Збережено в:
Бібліографічні деталі
Опубліковано в: :Реєстрація, зберігання і обробка даних
Дата:2014
Автори: Мирошникова, І.Ю., Новіков, О.М.
Формат: Стаття
Мова:Українська
Опубліковано: Інститут проблем реєстрації інформації НАН України 2014
Теми:
Онлайн доступ:https://nasplib.isofts.kiev.ua/handle/123456789/87165
Теги: Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
Назва журналу:Digital Library of Periodicals of National Academy of Sciences of Ukraine
Цитувати:Вибір провайдера хмарного сервісу на основі навчання з підкріпленням і репутації провайдерів / І.Ю. Мирошникова, О.М. Новіков // Реєстрація, зберігання і обробка даних. — 2014. — Т. 16, № 4. — С. 54-63. — Бібліогр.: 12 назв. — укр.

Репозитарії

Digital Library of Periodicals of National Academy of Sciences of Ukraine
Опис
Резюме:Для задачі вибору провайдера хмарного сервісу запропоновано використати підхід на основі навчання з підкріпленням, що додатково враховує репутацію провайдерів, яка визначається за досвідом використання їх сервісів та оцінками користувачів. Для провайдерів зі сталими параметрами надання сервісів показано зменшення кількості кроків, що необхідні для навчання системи, порівняно з підходами на основі навчання з підкріпленням без урахування репутації провайдерів. Reputation-oriented reinforcement learning approach was proposed for cloud service provider selec-tion problem. Provider reputation in the approach is based on their service using experience and users’ estimates. Modelling results for providers with fixed service parameters demonstrated the decreasing number of steps, required for system learning, as compared with reinforcement learning approaches with-out considering providers’ reputation.
ISSN:1560-9189