SEIKEI University Repository >
01:紀要(Bulletin) >
11:理工学研究報告 >
第58巻第1号 >
このアイテムの引用には次の識別子を使用してください:
http://hdl.handle.net/10928/1431
|
タイトル: | 分枝限定法とDeep Learningを組み合わせた並列タスクスケジューリング解法の開発 |
その他のタイトル: | Development of A Parallel Task Scheduling Solver that Combines A Branch-and-bound Method And Deep Learning |
著者: | 小納, 惇平 甲斐, 宗徳 KONO, Jumpei KAI, Munenori |
キーワード: | Task Scheduling Deep Learning Branch and bound Convolutional Neural Network |
発行日: | 2021年6月1日 |
出版者: | 成蹊大学理工学部 |
抄録: | Since the task scheduling problem belongs to the strong NP-hard combinatorial optimization problem, the search time for the optimum solution becomes enormous due to the increase in the scale of the problem. Deep Learning can be applied to this difficult problem. Deep Learning has the advantage that the required time to find a solution is short once learning is completed, but it has the disadvantage that the optimum solution is not always found. Therefore, in this paper, we prototype and evaluate a method for speeding up to find the optimal solution by scheduling that combines the search method based on branch-and-bound method and deep learning. |
URI: | http://hdl.handle.net/10928/1431 |
出現コレクション: | 第58巻第1号
|
このリポジトリに保管されているアイテムは、他に指定されている場合を除き、著作権により保護されています。
|