Buchumschlag

iScheduler: Reinforcement Learning-Driven Continual Optimization for Large-Scale Resource Investment Problems

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Hu, Yi-Xiang, Wang, Yuke, Wu, Feng, Huang, Zirui, Zeng, Shuli, Li, Xiang-Yang
Format:	Preprint
Veröffentlicht:	2026
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

FATE: Future-State-Aware Scheduling for Heterogeneous LLM Workflows
von: Huang, Zirui, et al.
Veröffentlicht: (2026)

SLO-Aware Scheduling for Large Language Model Inferences
von: Huang, Jinqi, et al.
Veröffentlicht: (2025)

Resource Allocation and Workload Scheduling for Large-Scale Distributed Deep Learning: A Survey
von: Liang, Feng, et al.
Veröffentlicht: (2024)

Scale: Deep Reinforcement Learning for Container Scheduling in Serverless Edge Computing
von: Chen, Chen, et al.
Veröffentlicht: (2026)

A Reinforcement Learning-Driven Task Scheduling Algorithm for Multi-Tenant Distributed Systems
von: Zhang, Xiaopei, et al.
Veröffentlicht: (2025)

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

HydraInfer: Hybrid Disaggregated Scheduling for Multimodal Large Language Model Serving
von: Dong, Xianzhe, et al.
Veröffentlicht: (2025)

Reinforcement Learning Optimization for Large-Scale Learning: An Efficient and User-Friendly Scaling Library
von: Wang, Weixun, et al.
Veröffentlicht: (2025)

MRSch: Multi-Resource Scheduling for HPC
von: Li, Boyang, et al.
Veröffentlicht: (2024)

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

FLAME: A Serving System Optimized for Large-Scale Generative Recommendation with Efficiency
von: Guo, Xianwen, et al.
Veröffentlicht: (2025)

PATCHEDSERVE: A Patch Management Framework for SLO-Optimized Hybrid Resolution Diffusion Serving
von: Sun, Desen, et al.
Veröffentlicht: (2025)

Workflow-Driven Modeling for the Compute Continuum: An Optimization Approach to Automated System and Workload Scheduling
von: Sharma, Aasish Kumar, et al.
Veröffentlicht: (2025)

Scheduling Data-Intensive Workloads in Large-Scale Distributed Systems: Trends and Challenges
von: Stavrinides, Georgios L., et al.
Veröffentlicht: (2025)

iDDS: Intelligent Distributed Dispatch and Scheduling for Workflow Orchestration
von: Guan, Wen, et al.
Veröffentlicht: (2025)

Characterization-Guided GPU Fault Resilience in NVIDIA MPS
von: Liu, Rixin, et al.
Veröffentlicht: (2026)

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

Collaborative Multi-Agent Reinforcement Learning Approach for Elastic Cloud Resource Scaling
von: Fang, Bruce, et al.
Veröffentlicht: (2025)

LRScheduler: A Layer-aware and Resource-adaptive Container Scheduler in Edge Computing
von: Tang, Zhiqing, et al.
Veröffentlicht: (2025)

Scalable HPC Job Scheduling and Resource Management in SST
von: Abdurahman, Abubeker, et al.
Veröffentlicht: (2025)

A HPC Co-Scheduler with Reinforcement Learning
von: Souza, Abel, et al.
Veröffentlicht: (2024)

λScale: Enabling Fast Scaling for Serverless Large Language Model Inference
von: Yu, Minchen, et al.
Veröffentlicht: (2025)

Cortex: Workflow-Aware Resource Pooling and Scheduling for Agentic Serving
von: Pagonas, Nikos, et al.
Veröffentlicht: (2025)

Reinforcement Learning for Adaptive Resource Scheduling in Complex System Environments
von: Li, Pochun, et al.
Veröffentlicht: (2024)

Dynamic Scheduling Strategies for Resource Optimization in Computing Environments
von: Wang, Xiaoye
Veröffentlicht: (2024)

Arrow: Adaptive Scheduling Mechanisms for Disaggregated LLM Inference Architecture
von: Wu, Yu, et al.
Veröffentlicht: (2025)

Diagonal Scaling: A Multi-Dimensional Resource Model and Optimization Framework for Distributed Databases
von: Abdullah, Shahir, et al.
Veröffentlicht: (2025)

An Efficient and Adaptive Watermark Detection System with Tile-based Error Correction
von: Zhong, Xinrui, et al.
Veröffentlicht: (2025)

RingAda: Pipelining Large Model Fine-Tuning on Edge Devices with Scheduled Layer Unfreezing
von: Li, Liang, et al.
Veröffentlicht: (2025)

FREESH: Fair, Resource- and Energy-Efficient Scheduling for LLM Serving on Heterogeneous GPUs
von: He, Xuan, et al.
Veröffentlicht: (2025)

INSPIRIT: Optimizing Heterogeneous Task Scheduling through Adaptive Priority in Task-based Runtime Systems
von: Wang, Yiqing, et al.
Veröffentlicht: (2024)

A Survey on Model-heterogeneous Federated Learning: Problems, Methods, and Prospects
von: Fan, Boyu, et al.
Veröffentlicht: (2023)

SLICE: SLO-Driven Scheduling for LLM Inference on Edge Computing Devices
von: Chow, Will
Veröffentlicht: (2025)

cuSZ-$i$: High-Ratio Scientific Lossy Compression on GPUs with Optimized Multi-Level Interpolation
von: Liu, Jinyang, et al.
Veröffentlicht: (2023)

Dynamic Service Scheduling and Resource Management in Energy-Harvesting Multi-access Edge Computing
von: Chen, Shuyi, et al.
Veröffentlicht: (2025)

Will LLMs Scaling Hit the Wall? Breaking Barriers via Distributed Resources on Massive Edge Devices
von: Shen, Tao, et al.
Veröffentlicht: (2025)

Optimal Fixed Priority Scheduling in Multi-Stage Multi-Resource Distributed Real-Time Systems
von: Kumar, Niraj, et al.
Veröffentlicht: (2024)

Scheduling Deep Learning Jobs in Multi-Tenant GPU Clusters via Wise Resource Sharing
von: Luo, Yizhou, et al.
Veröffentlicht: (2024)

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

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