近日，实验室博士后周春阳的论文被计算机领域旗舰期刊 IEEE Transactions on Computers (TC) 录用，论文题目为“FAS-DQN: Freshness-aware Scheduling via Reinforcement Learning for Latency-sensitive Applications”。

  随着现代计算系统的复杂性提高，大型系统通常需要将不同功能集成到通用平台进行数据处理，系统运行状态面临的不确定性，为延迟敏感型大数据应用的高时效性运行带来了新的挑战。传统的静态系统分析方法难以应对这种情况，解决问题的关键是在动态时变环境中实现数据处理新鲜度和系统运行性能之间的平衡。为此，论文首次提出了一种称为FAS-DQN的新框架，该框架采用深度神经网络对系统运行环境的信息年龄进行感知，设计了新的强化学习模型允许代理通过尝试错误进行学习，从而不断更新策略以获得最佳调度方案。实验结果表明该方法的性能优于已知的传统方法。

  IEEE Transactions on Computers期刊每月出版一期，每期录用论文12篇左右，是计算机领域顶级期刊，也是计算机体系结构、并行与分布计算、存储系统领域的CCF A类期刊。