Opportunistic Coded Distributed Computing: An Evolutionary Game Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Task offloading has been proposed and studied to overcome the problem of energy and computation constrained terminals. Computationally intensive tasks are often parallelable, and therefore the execution time can be further improved via a coded distributed computing (CDC) approach, as CDC offers robustness against stragglers by introducing redundant computational tasks. In this paper, we study a user-centric task offloading problem, in which the edge performs the of-floaded computation with CDC. Furthermore, the extent of the straggler's effect on servers is also unknown to the user. This requires users to explore server and code settings of the CDC, and “opportunistically” select the best combo to maximize the utility. For simplicity, we refer to this scenario as opportunistic coded distributed computing. We formulate the problem as an evolutionary game in which each user is self-interested. The payoff is calculated based on the monetary cost of CDC-as-a-Service and total delay, weighted by user-defined parameter values. For the game solution, an evolutionary stable equilibrium (ESS) is used, i.e., probabilistic joint selection of server and code configuration. To obtain the ESS, we present an iterative algorithm based on the revision protocol. A theoretical analysis of equilibrium in terms of existence, uniqueness, stationarity, and stability is provided. Numerical simulations are conducted to support the theoretical findings and the adaption of equilibrium states to the hyper-parameters.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle