본 논문은 이기종 작업자 노드를 갖는 무선 코딩 기반 분산 컴퓨팅 시스템을 위한 Q-러닝 기반 작업 할당(task allocation) 접근법을 제안한다. 이러한 시스템에서의 작업 할당은 연산 및 통신 능력의 이기종성으로 인해 어려우며, 그 결과 노드 전반에 걸친 처리 시간의 분포가 동일하지 않고(independently) 독립적으로 분포하지 않게 된다. 작업 할당 문제를 마코프 결정 과정(Markov decision process)으로 모델링하고 Q-러닝을 적용함으로써, 마스터 노드는 노드 이기종성에 적응하면서 평균 처리 시간을 최소화하도록 작업을 효과적으로 할당하는 방법을 학습한다. 본 접근법은 이기종 환경에서 분산 컴퓨팅을 최적화하기 위해 강화학습(reinforcement learning)이 지닐 수 있는 잠재력을 보여준다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.