Buchumschlag

Adaptive AI-based Decentralized Resource Management in the Cloud-Edge Continuum

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Li, Lanpei, Bell, Jack, Coppola, Massimo, Lomonaco, Vincenzo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Distributed, Parallel, and Cluster Computing Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Reinforcement Learning-Based Dynamic Management of Structured Parallel Farm Skeletons on Serverless Platforms
von: Li, Lanpei, et al.
Veröffentlicht: (2026)

ContinuumConductor : Decentralized Process Mining on the Edge-Cloud Continuum
von: Reiter, Hendrik, et al.
Veröffentlicht: (2025)

Trade-offs in Decentralized Agentic AI Discovery Across the Compute Continuum
von: Dazzi, Patrizio, et al.
Veröffentlicht: (2026)

Analytically-Driven Resource Management for Cloud-Native Microservices
von: Zhang, Yanqi, et al.
Veröffentlicht: (2024)

Downsides of Smartness Across Edge-Cloud Continuum in Modern Industry
von: Chigullapally, Akhil Gupta, et al.
Veröffentlicht: (2026)

AI-Driven Cloud Resource Optimization for Multi-Cluster Environments
von: Punniyamoorthy, Vinoth, et al.
Veröffentlicht: (2025)

DGRAG: Distributed Graph-based Retrieval-Augmented Generation in Edge-Cloud Systems
von: Zhou, Wenqing, et al.
Veröffentlicht: (2025)

Decentralized AI: Permissionless LLM Inference on POKT Network
von: Olshansky, Daniel, et al.
Veröffentlicht: (2024)

Deep Reinforcement Learning for Job Scheduling and Resource Management in Cloud Computing: An Algorithm-Level Review
von: Gu, Yan, et al.
Veröffentlicht: (2025)

Distributed Inference on Mobile Edge and Cloud: A Data-Cartography based Clustering Approach
von: Bajpai, Divya Jyoti, et al.
Veröffentlicht: (2024)

GoldFish: Serverless Actors with Short-Term Memory State for the Edge-Cloud Continuum
von: Marcelino, Cynthia, et al.
Veröffentlicht: (2024)

REACH: Reinforcement Learning for Adaptive Microservice Rescheduling in the Cloud-Edge Continuum
von: Bai, Xu, et al.
Veröffentlicht: (2025)

Combining Declarative and Linear Programming for Application Management in the Cloud-Edge Continuum
von: Massa, Jacopo, et al.
Veröffentlicht: (2025)

When Computing follows Vehicles: Decentralized Mobility-Aware Resource Allocation for Edge-to-Cloud Continuum
von: Nezami, Zeinab, et al.
Veröffentlicht: (2024)

Distributed Edge Analytics in Edge-Fog-Cloud Continuum
von: Srirama, Satish Narayana
Veröffentlicht: (2024)

Joint Resource Optimization, Computation Offloading and Resource Slicing for Multi-Edge Traffic-Cognitive Networks
von: Xiaoyang, Ting, et al.
Veröffentlicht: (2024)

ECCENTRIC: Edge-Cloud Collaboration Framework for Distributed Inference Using Knowledge Adaptation
von: Kamani, Mohammad Mahdi, et al.
Veröffentlicht: (2025)

Reinforcement Learning-driven Data-intensive Workflow Scheduling for Volunteer Edge-Cloud
von: Mounesan, Motahare, et al.
Veröffentlicht: (2024)

Quantifying Energy and Cost Benefits of Hybrid Edge Cloud: Analysis of Traditional and Agentic Workloads
von: Alamouti, Siavash
Veröffentlicht: (2025)

ARRC: Explainable, Workflow-Integrated Recommender for Sustainable Resource Optimization Across the Edge-Cloud Continuum
von: Jahnke, Brian-Frederik, et al.
Veröffentlicht: (2025)

Resource Slicing through Intelligent Orchestration of Energy-aware IoT services in Edge-Cloud Continuum
von: Shahid, Hafiz Faheem, et al.
Veröffentlicht: (2024)

Adaptive DNN Partitioning and Offloading in Heterogeneous Edge-Cloud Continuum
von: Deng, Akuen Akoi, et al.
Veröffentlicht: (2026)

Intelligent Autonomous Orchestration for Distributed Cloud Resources using Complex-Stability Analysis
von: Shyam, Gopal Krishna, et al.
Veröffentlicht: (2026)

AI Factories: It's time to rethink the Cloud-HPC divide
von: Lopez, Pedro Garcia, et al.
Veröffentlicht: (2025)

The AI_INFN Platform: Artificial Intelligence Development in the Cloud
von: Anderlini, Lucio, et al.
Veröffentlicht: (2025)

Profiling-Driven Adaptive Distributed Transformer Inference on Embedded Edge Deployment
von: Qazi, Muhammad Azlan, et al.
Veröffentlicht: (2026)

Data-Juicer 2.0: Cloud-Scale Adaptive Data Processing for and with Foundation Models
von: Chen, Daoyuan, et al.
Veröffentlicht: (2024)

Optimized Cloud Resource Allocation Using Genetic Algorithms for Energy Efficiency and QoS Assurance
von: Panggabean, Caroline, et al.
Veröffentlicht: (2025)

Adaptive Fault Tolerance Mechanisms of Large Language Models in Cloud Computing Environments
von: Jin, Yihong, et al.
Veröffentlicht: (2025)

Towards Resource-Efficient Compound AI Systems
von: Chaudhry, Gohar Irfan, et al.
Veröffentlicht: (2025)

DECICE: AI-Driven Scheduling and Digital Twin Integration for the Cloud-HPC-Edge Compute Continuum
von: Sharma, Aasish Kumar, et al.
Veröffentlicht: (2026)

Dora: QoE-Aware Hybrid Parallelism for Distributed Edge AI
von: Jin, Jianli, et al.
Veröffentlicht: (2025)

Application of Machine Learning Optimization in Cloud Computing Resource Scheduling and Management
von: Zhang, Yifan, et al.
Veröffentlicht: (2024)

Research on Edge Computing and Cloud Collaborative Resource Scheduling Optimization Based on Deep Reinforcement Learning
von: Wang, Yuqing, et al.
Veröffentlicht: (2025)

Administrative Decentralization in Edge-Cloud Multi-Agent for Mobile Automation
von: Li, Senyao, et al.
Veröffentlicht: (2026)

GMB-ECC: Guided Measuring and Benchmarking of the Edge Cloud Continuum
von: Jahnke, Brian-Frederik, et al.
Veröffentlicht: (2025)

Towards Seamless Serverless Computing Across an Edge-Cloud Continuum
von: Simion, Emilian, et al.
Veröffentlicht: (2024)

On the Impact of White-box Deployment Strategies for Edge AI on Latency and Model Performance
von: Singh, Jaskirat, et al.
Veröffentlicht: (2024)

Why Do AI Agents Systematically Fail at Cloud Root Cause Analysis?
von: Kim, Taeyoon, et al.
Veröffentlicht: (2026)

SkyServe: Serving AI Models across Regions and Clouds with Spot Instances
von: Mao, Ziming, et al.
Veröffentlicht: (2024)