s'authentifier
version française rss feed
HAL : hal-00491560, version 1

Fiche concise  Récupérer au format
Multi-objective reinforcement learning for responsive grids
Perez J., Germain-Renaud C., Kégl B., Loomis C.
Journal of Grid Computing 8, 3 (2010) 473-492 - http://hal.archives-ouvertes.fr/hal-00491560
Informatique/Calcul parallèle, distribué et partagé
Informatique/Apprentissage
Informatique/Modélisation et simulation
Multi-objective reinforcement learning for responsive grids
Julien Perez1, Cecile Germain-Renaud ()1, 2, Balázs Kégl ()1, 2, 3, Charles Loomis3
1 :  LRI - Laboratoire de Recherche en Informatique
http://www.lri.fr/
CNRS : UMR8623 – Université Paris Sud
LRI - Bâtiments 650-660 Université Paris-Sud 91405 Orsay Cedex
France
2 :  INRIA Saclay - Ile de France - TAO
http://tao.lri.fr/tiki-index.php
INRIA – CNRS : UMR8623 – Université Paris XI - Paris Sud
France
3 :  LAL - Laboratoire de l'Accélérateur Linéaire
http://www.lal.in2p3.fr/
CNRS : UMR8607 – IN2P3 – Université Paris XI - Paris Sud
Centre Scientifique d'Orsay B.P. 34 91898 ORSAY Cedex
France
Grids organize resource sharing, a fundamental requirement of large scientific collaborations. Seamless integration of grids into everyday use requires responsiveness, which can be provided by elastic Clouds, in the Infrastructure as a Service (IaaS) paradigm. This paper proposes a model-free resource provisioning strategy supporting both requirements. Provisioning is modeled as a continuous action-state space, multi-objective reinforcement learning (RL) problem, under realistic hypotheses; simple utility functions capture the high level goals of users, administrators, and shareholders. The model-free approach falls under the general program of autonomic computing, where the incremental learning of the value function associated with the RL model provides the so-called feedback loop. The RL model includes an approximation of the value function through an Echo State Network. Experimental validation on a real data-set from the EGEE grid shows that introducing a moderate level of elasticity is critical to ensure a high level of user satisfaction.
Anglais
27/02/2007

Journal of Grid Computing
Publisher Springer Verlag (Germany)
ISSN 1570-7873 (eISSN : 1572-9184)
internationale
Articles dans des revues avec comité de lecture
2010
8
3
473-492

The original publication is available at www.springerlink.com
LAL 10-101

Grid Observatory
DIM-LSC DIGITEO
Numéro Cordis 222667
Acronyme EGEE-III
Titre Enabling Grids for E-sciencE III
Financé par INFRA
Début 2008-04-30
Date de fin 2010-04-30
Identifiant de l'appel FP7-INFRASTRUCTURES-2007-2
Liste des fichiers attachés à ce document : 
PDF
RLGrid_JGC09_V7.pdf(1 MB)