« Forschungslandschaft: Projekte

Planungspraktiken sind kritische Entscheidungsprozesse, die die Gesamtleistung von Cloud- und Produktionsumgebungen erheblich beeinflussen. Daher sind Planungsprobleme seit Jahrzehnten ein Hauptanliegen von Praktikern und Wissenschaftlern in diesem Bereich. Bei den meisten Planungsproblemen handelt es sich um bekannte NP-schwere Optimierungsprobleme. Daher werden üblicherweise Heuristiken und Verbesserungsmethoden eingesetzt, um Planungsprobleme zu lösen. Heuristische Methoden zeichnen sich durch eine kurze Ausführungszeit aus, sind aber nicht in der Lage, eine hohe Lösungsqualität für die Lösung komplexer Probleme zu gewährleisten. Verbesserungsmethoden liefern qualitativ hochwertige Lösungen, sind aber mit einem hohen Rechenaufwand verbunden. Daher wird eine Scheduling-Methodik vorgestellt, die den kombinierten Einsatz von heuristischen, metaheuristischen und Deep Reinforcement Learning-Methoden zur Lösung von Scheduling-Problemen in Cloud- und Produktionsumgebungen effizient ermöglicht. Da die meisten industriellen Planungsprobleme multikriteriellen Optimierungsmaßnahmen unterliegen, befasst sich die Methodik mit Planungsproblemen unter Berücksichtigung der Systemeffizienz und der Kundenzufriedenheit. Für das Design und die Entwicklung des vorgestellten Artefakts wurden Technologien zur Parallelisierung und Skalierbarkeit eingesetzt, um eine hohe Recheneffizienz zu erreichen.