Lernen von Service-Platzierung mittels Pointer Networks

Lernen von Service-Platzierung mittels Pointer Networks

Master Thesis

Motivation

Mobile Cloud Computing ermöglicht die Bereitstellung von Anwendungen auf Mobilgeräten, die aufgrund hoher Ressourcenanforderungen nicht lokal ausgeführt werden können. Allerdings ist der Kommunikationsaufwand eine Hürde für Anwendungen, die eine hohe Bandbreite oder geringe Latenz voraussetzen. Die Platzierung von Cloud-Ressourcen am Rand des Internets hat das Potenzial, diese Einschränkungen zu vermindern.

Es soll ein Pointer Network mittels Reinforcement Learning trainiert werden, um ein globales Service-Platzierungsproblem zu optimieren.

Ziele

  • Literaturrecherche bzgl. Verwandter Problemstellungen & Ansätze
  • Implementierung eines Pointer-Networks für ein Service-Placement Problem im Edge-Computing-Szenario
  • Implementierung eines Reinforcement-Learning-Algorithmus
  • Evaluierung der gelernten Heuristik

Erforderliche Qualifikationen

  • Fähigkeit zur Selbstständigen Arbeit und Interesse an Grundlagenforschung
  • Grundwissen über Netzwerke und verteilte Systeme
  • Grundkenntnisse in Python
  • Unabdingbar: Vorerfahrung mit Deep Reinforcement Learning