Una solución de Aprendizaje Reforzado para ubicar fragmentos replicados en Bases de Datos Distribuidas

LUISA MANUELA GONZÁLEZ GONZÁLEZ, MARISELA MAINEGRA HING, ABEL RODRÍGUEZ MORFFI, DARIEN ROSA PAZ

Resumen


DEBIDO A LA COMPLEJIDAD DEL PROBLEMA DE LA DISTRIBUCIÓN DE LOS DATOS, LA MAYORÍA DE LAS PROPUESTAS DE SOLUCIÓN PRESENTADAS HASTA LA FECHA HAN COINCIDIDO EN DIVIDIR EL PROCESO DE DISEÑO DE LA DISTRIBUCIÓN EN DOS FASES SERIADAS: LA FRAGMENTACIÓN Y LA UBICACIÓN DE LOS FRAGMENTOS EN LOS SITIOS DE LA RED. ESTE TRABAJO ABORDA EL PROBLEMA DE UBICACIÓN DE FRAGMENTOS PARTIENDO DE UN MODELO MATEMÁTICO QUE EN SU FORMA GENERAL ES NP-COMPLETO Y PROPONE UN MÉTODO METAHEURÍSTICO BASADO EN Q-LEARNING DE APRENDIZAJE REFORZADO QUE MINIMIZA EL COSTO TOTAL EN UN TIEMPO ACEPTABLE. ESTA PROPUESTA INTEGRA LA REPLICACIÓN DE FRAGMENTOS

Palabras clave


DISEÑO DE BASES DE DATOS DISTRIBUIDAS; UBICACIÓN; REPLICACIÓN; APRENDIZAJE REFORZADO; Q-Learning

Texto completo:

pdf


Contacto:
Oscar Zavala