:: Library Catalog

Buchumschlag

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Fang, Bruce, Gao, Danyi
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Distributed, Parallel, and Cluster Computing
Online-Zugang:	https://arxiv.org/abs/2507.00550
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Domain-Adversarial Transfer Learning for Fault Root Cause Identification in Cloud Computing Systems
von: Fang, Bruce, et al.
Veröffentlicht: (2025)

AgentFlow: Resilient Adaptive Cloud-Edge Framework for Multi-Agent Coordination
von: Chen, Ching Han, et al.
Veröffentlicht: (2025)

Elastic Data Transfer Optimization with Hybrid Reinforcement Learning
von: Swargo, Rasman Mubtasim, et al.
Veröffentlicht: (2025)

An Elastic Job Scheduler for HPC Applications on the Cloud
von: Bhosale, Aditya, et al.
Veröffentlicht: (2025)

TD3-Sched: Learning to Orchestrate Container-based Cloud-Edge Resources via Distributed Reinforcement Learning
von: Song, Shengye, et al.
Veröffentlicht: (2025)

Deep Reinforcement Learning-based Methods for Resource Scheduling in Cloud Computing: A Review and Future Directions
von: Zhou, Guangyao, et al.
Veröffentlicht: (2021)

Collaborative Resource Management and Workloads Scheduling in Cloud-Assisted Mobile Edge Computing across Timescales
von: Tang, Lujie, et al.
Veröffentlicht: (2024)

HGraphScale: Hierarchical Graph Learning for Autoscaling Microservice Applications in Container-based Cloud Computing
von: Fang, Zhengxin, et al.
Veröffentlicht: (2025)

ReinFog: A Deep Reinforcement Learning Empowered Framework for Resource Management in Edge and Cloud Computing Environments
von: Wang, Zhiyu, et al.
Veröffentlicht: (2024)

A Deep Reinforcement Learning Approach for Cost Optimized Workflow Scheduling in Cloud Computing Environments
von: Jayanetti, Amanda, et al.
Veröffentlicht: (2024)

MSARS: A Meta-Learning and Reinforcement Learning Framework for SLO Resource Allocation and Adaptive Scaling for Microservices
von: Hu, Kan, et al.
Veröffentlicht: (2024)

Collaborative Evolution of Intelligent Agents in Large-Scale Microservice Systems
von: Li, Yilin, et al.
Veröffentlicht: (2025)

Adaptive, Efficient and Fair Resource Allocation in Cloud Datacenters leveraging Weighted A3C Deep Reinforcement Learning
von: Kumari, Suchi, et al.
Veröffentlicht: (2025)

DRPC: Distributed Reinforcement Learning Approach for Scalable Resource Provisioning in Container-based Clusters
von: Bai, Haoyu, et al.
Veröffentlicht: (2024)

H-EYE: Holistic Resource Modeling and Management for Diversely Scaled Edge-Cloud Systems
von: Dagli, Ismet, et al.
Veröffentlicht: (2024)

LaissezCloud: Continuous Resource Renegotiation for the Public Cloud
von: Harith, Tejas, et al.
Veröffentlicht: (2026)

StatuScale: Status-aware and Elastic Scaling Strategy for Microservice Applications
von: Wen, Linfeng, et al.
Veröffentlicht: (2024)

Propius: A Platform for Collaborative Machine Learning across the Edge and the Cloud
von: Ding, Eric
Veröffentlicht: (2025)

A Pipelined Collaborative Speculative Decoding Framework for Efficient Edge-Cloud LLM Inference
von: Zhang, Yida, et al.
Veröffentlicht: (2026)

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

KCES: A Workflow Containerization Scheduling Scheme Under Cloud-Edge Collaboration Framework
von: Shan, Chenggang, et al.
Veröffentlicht: (2024)

Accelerating End-Cloud Collaborative Inference via Near Bubble-free Pipeline Optimization
von: Gao, Luyao, et al.
Veröffentlicht: (2024)

ML-ECS: A Collaborative Multimodal Learning Framework for Edge-Cloud Synergies
von: Liu, Yuze, et al.
Veröffentlicht: (2026)

SimDC: A High-Fidelity Device Simulation Platform for Device-Cloud Collaborative Computing
von: Pei, Ruiguang, et al.
Veröffentlicht: (2025)

MARLIN: Multi-Agent Game-Theoretic Reinforcement Learning for Sustainable LLM Inference in Cloud Datacenters
von: Moore, H., et al.
Veröffentlicht: (2026)

A Dynamic Approach to Load Balancing in Cloud Infrastructure: Enhancing Energy Efficiency and Resource Utilization
von: Sakib, Shadman, et al.
Veröffentlicht: (2025)

PipeSD: An Efficient Cloud-Edge Collaborative Pipeline Inference Framework with Speculative Decoding
von: Han, Yunhe, et al.
Veröffentlicht: (2026)

Enabling Elastic Model Serving with MultiWorld
von: Lee, Myungjin, et al.
Veröffentlicht: (2024)

Multi-agent Reinforcement Learning-based In-place Scaling Engine for Edge-cloud Systems
von: Prodanov, Jovan, et al.
Veröffentlicht: (2025)

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

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

Justin: Hybrid CPU/Memory Elastic Scaling for Distributed Stream Processing
von: Schmitz, Donatien, et al.
Veröffentlicht: (2025)

Towards using Reinforcement Learning for Scaling and Data Replication in Cloud Systems
von: Mokadem, Riad, et al.
Veröffentlicht: (2024)

Dilu: Enabling GPU Resourcing-on-Demand for Serverless DL Serving via Introspective Elasticity
von: Lv, Cunchi, et al.
Veröffentlicht: (2025)

A Digital Twin-based Multi-Agent Reinforcement Learning Framework for Vehicle-to-Grid Coordination
von: Hua, Zhengchang, et al.
Veröffentlicht: (2025)

ElasticMoE: An Efficient Auto Scaling Method for Mixture-of-Experts Models
von: Singh, Gursimran, et al.
Veröffentlicht: (2025)

Agora: Bridging the GPU Cloud Resource-Price Disconnect
von: McDougall, Ian, et al.
Veröffentlicht: (2025)

LLM-Enhanced Deep Reinforcement Learning for Task Offloading in Collaborative Edge Computing
von: Guo, Hao, et al.
Veröffentlicht: (2026)

TempoScale: A Cloud Workloads Prediction Approach Integrating Short-Term and Long-Term Information
von: Wen, Linfeng, et al.
Veröffentlicht: (2024)

Sustainable Graph Analytics Workload Scheduling with Evolutionary Reinforcement Learning in Edge-Cloud Systems
von: Ramicetty, P., et al.
Veröffentlicht: (2026)