近日，我校電子信息學院王小剛老師作為第一作者，我校作為第一單位，與上海交通大學計算機科學與工程系教授團隊、澳大利亞墨爾本大學計算與信息系統學院教授團隊合作，在國際知名期刊IEEE Transactions on Computers上發表題為“Adaptive Cloud Bundle Provisioning and Multi-Workflow Scheduling via Coalition Reinforcement Learning”的學術研究論文。IEEE Transactions on Computers是IEEE協會計算機系統與結構領域頂刊，中國計算機學會(CCF)推薦為Ａ類期刊，1952年創刊，每年發表文章僅160多篇，是計算機專業老牌國際期刊，聲譽較高，行業內廣受認可。

現代人工智能中的圖像深度學習分類、大規模生物信息處理以及互聯網購物和媒體交互等應用系統常被部署在數據中心雲端進行計算，以充分利用雲端的大規模計算和存儲能力，節省應用系統的運行成本。然而，此類系統往往包含大量復雜業務流程的任務流，而且大量用戶發起業務請求後，對雲端虛擬機(VM)計算資源的自動配置和供應帶來極大挑戰。現有方法大多集中在單一類型VM的資源供應上，很少考慮多類型VM實例同時供應，導致雲端對復雜工作流任務的VM實例供應不均衡，從而使系統執行性能下降，雲計算資源使用成本也隨之增大。為此，王小剛老師提出了一種自適應的雲包實例供應和多工作流調度模型，用於在多類型VM實例上動態地執行復雜工作流的水平和垂直雲資源自動縮放。在模型中，首先提出了深度優先搜索聯盟強化學習(DFSCRL)的雲資源供應策略，該策略將物理機(PM)聯盟的形成與Q-learning算法相結合；然後從PM聯盟中動態生成一個最優的多類型VM實例包，最終提供這些實例給多個工作流並發執行。理論和實驗證明在多類型VM實例供應場景中，所提方法提高了雲端復雜應用系統的運行性能，同時較大地降低了雲計算資源的總體租賃成本。

從上海交大計算機科學與技術專業博士畢業後，王小剛老師在雲計算和服務計算領域不斷進行探索，並結合人工智能、物聯網應用領域開展研究。2019年9月至2020年9月在澳大利亞墨爾本大學計算與信息系統學院雲計算與分布式系統實驗室進行訪學研究，並於2021年分別以第一作者在國際知名期刊（IEEE Transactions on Services Computing，CCF B類，JCR 1區；Future Generation Computer Systems，JCR 1區）上連續發表了雲計算相關領域兩篇高水平文章，本項研究工作是該兩項前期工作的延續，系列相關研究工作的創新性獲得了期刊主編和審稿專家的一致認可。（供稿：電子信息學院）

論文鏈接：https://doi.org/10.1109/TC.2022.3191733