Praveenchandar, J. & Tamilarasi, A. クラウド環境における効率的なリソース割り当てプロセスのための実現可能なジョブ スケジューリング アルゴリズム。で 2018 年アドバンス コンピューティングの最近の動向に関する国際会議 (ICRTAC) 28–33 (2018)。
Li, X.、Jiang, X.、Garraghan, P. & Wu, Z. クラウド データセンターにおける総合的なエネルギーと障害を意識したワークロード スケジューリング。 未来時制。 Gen.コンピューティング。システム。 78、887–900。 （2018年）。
Google スカラー
Choudhary, A.、Gupta, I.、Singh, V. & Jana, PK クラウド コンピューティングにおける二目的ワークフロー スケジューリングのための GSA ベースのハイブリッド アルゴリズム。 未来時制。 Gen.コンピューティング。システム。 83、14〜26。 （2018年）。
Google スカラー
Chiang, M.-L.、Huang, Y.-F.、Hsieh, H.-C. & ツァイ、W.-C.異種クラウドコンピューティング環境における信頼性と効率性の高い 3 層クラウド ディスパッチング アーキテクチャ。 応用科学。 8(8)、1385 (2018)。
Google スカラー
Funk, S. LRE-TL: 期限に制約のない散発的なタスク セットに最適なマルチプロセッサ アルゴリズム。 リアルタイムシステム。 46(3)、332–359。 （2010年）。
Google スカラー
ビッテンコート、L.F.、ゴールドマン、A.、マデイラ、E.R.M.、ダ・フォンセカ、N.L.S. & Sakellariou, R. 分散システムにおけるスケジューリング: クラウド コンピューティングの観点。 計算します。科学。牧師 30、31–54。 （2018年）。
Google スカラー
V. Mallikarjunaradhya 他、強化学習を使用したクラウド内のリアルタイム AI システムの効率的なリソース管理。 (2024年) https://doi.org/10.1109/ic3i61595.2024.10828656。
メリーランド州イスラム、R. エッジ コンピューティングにおける AI/ML アプリケーションの動的リソース割り当て: フレームワーク アーキテクチャと最適化方法。 Jを削除しました。 （2024年）。
Google スカラー
Vijayasekaran, G. & Duraipandian, M. IoT エッジ コンピューティングにおけるディープ Q ラーニング ベースのリソース スケジューリング。 (2024年) https://doi.org/10.1109/icict60155.2024.10544834。
Gu、Y.ら。 DRL とシミュレーテッド アニーリングを使用した、コストを意識したクラウド ワークフロー スケジューリング。 桁。共通。ネット。 （2024年）。
Google スカラー
Wang, Y. et al.デジタルツイン対応の 6G 産業用 IoT のためのエンドエッジクラウドコンピューティングとリソース割り当ての連携。 IEEE J. Sel.トップ。信号プロセス。 （2023年）。
Google スカラー
マドニ、SHH et al. IaaS クラウド コンピューティング環境におけるタスク スケジューリングのヒューリスティック アルゴリズムのパフォーマンス比較。 PLoS ONE 12(5)、e0176321。 （2017年）。
Google スカラー
チェン、W.ら。異種クラウド コンピューティング システム上の予算に制約のある並列アプリケーション向けの効率的なタスク スケジューリング。 未来時制。 Gen.コンピューティング。システム。 74、1〜11。 （2017年）。
Google スカラー
Abdulhamid, SI、Abd Latiff, MS、Madni, SH、Abdullahi, M. 動的クラスタリング アルゴリズムを使用した、クラウド コンピューティング環境向けのフォールト トレランス対応スケジューリング手法。 ニューラルコンピューティング。応用 29(1)、279–293。 （2018年）。
Google スカラー
マドニ、SH、アブド・ラティフ、MS、ヤハヤ、C.、アブドゥルハミド、SI IaaS クラウドのメタヒューリスティックなリソース割り当て技術の評価。 インディアン J. Sci.テクノロジー。 9、1–14 (2016)。
Google スカラー
Jalalian, Z. & Sharifi, M. 高速ビッグ データ処理のためのクラウド コンピューティングにおけるタスク スケジューリング アルゴリズムに関する調査。 内部。 J.Inf.コミューンテクノロジー。解像度 13(4)、28-35。 （2021年）。
Google スカラー
Shukur、H. et al.分散システムのリソース割り当てのクラウド コンピューティング仮想化。 Ｊ．Ａｐｐｌ．科学。テクノロジー。トレンド 1(3)、98-105。 （2020年）。
Google スカラー
Zhu, Z. & Tang, X. マルチリソース パッキングを使用した IaaS クラウドでの期限に制約のあるワークフロー スケジューリング。 未来時制。 Gen.コンピューティング。システム。 101、880–893。 （2019年）。
Google スカラー
マドニ、SHH et al. IaaS クラウド コンピューティング環境でのリソース スケジューリングのためのハイブリッド勾配降下カッコー検索 (HGDCS) アルゴリズム。 耳。計算します。 22(1)、301–334。 （2019年）。
Google スカラー
López García, Á.、Fernández del Castillo, E. & Campos Plasencia, I. プリエンプティブル インスタンスをサポートする効率的なクラウド スケジューラ設計。 未来のジェネレーター。計算します。システム。 95、68–78。 （2019年）。
Google スカラー
Arunanian, AR、Manjula, D. & Suguran, V. スケジュールされたタスク テクニック 通勤におけるテクニック: 文献調査。 未来時制。 Gen.コンピューティング。システム。 91、407–415。 （2019年）。
Google スカラー
Alhussian、H. et al.仮想化されたクラウド環境における定期的なリアルタイム タスクのスケジュール可能性を調査します。 IEEEアクセス 7、29533–29542。 （2019年）。
Google スカラー
Zhu, J.、Li, X.、Ruiz, R.、Xu, X. は、確率的マルチステージ ジョブを柔軟なハイブリッド クラウド リソースにスケジュールします。 IEEEトランス。並列配布。システム。 29(6)、1401–1415。 （2018年）。
Google スカラー
Xu, H.、Yu, W.、Griffith, D.、Golmie, N. 産業用モノのインターネットに関する調査: サイバー物理システムの観点。 IEEEアクセス （2018年）。
Google スカラー
Wu, G.、Bao, W.、Zhu, X.、Zhang, X. 複数の IoT コンピューター タスクのための一般的なクロスレイヤー クラウド スケジューリング フレームワーク。 センサー （2018年）。
Google スカラー
Chen, L.、Li, X.、Ruiz, R. プリエンプティブおよび非プリエンプティブ タスクを使用したクラウド ワークフロー スケジューリングのためのアイドル ブロック ベースのメソッド。 未来時制。 Gen.コンピューティング。システム。 89、659–669。 （2018年）。
Google スカラー
Davis, R. & Burns, A. マルチプロセッサ システムのハード リアルタイム スケジューリングに関する調査。 ACM コンピューティング。生き残る。 43(4)、1-44。 （2011年）。
Google スカラー
Amalarethinam、DIG および Beena、TLA クラウドでの顧客によるコストベースのスケジューリング (CFCSC)。 計算に進みます。知る 46、660–667。 （2015年）。
Google スカラー
カオ、M.-T.、チェン、Y.-H. & カオ、S.-J.プライベート クラウドでの仮想マシンのライブ マイグレーションのための自動意思決定メカニズム。 数学。問題工学 2014年、328536。 （2014年）。
Google スカラー
Almuqren、L. et al.クラウド支援のモノのインターネット環境における機械学習ベースのボットネット検出を備えたハイブリッド メタヒューリスティック。 IEEEアクセス 11、115668–115676。 （2023年）。
Google スカラー
マドニ、SH et al. IaaS クラウド コンピューティング環境でのリソース スケジューリングのためのハイブリッド勾配降下カッコー検索 (HGDCS) アルゴリズム。 耳。計算します。 22(1)、301–334。 （2019年）。
Google スカラー
Bolufé-Röhler, A. & Tamayo-Vera, D. S ボックス最適化のための機械学習ベースのメタヒューリスティック ハイブリッド。 J.アンビエント。インテル。ヒューマニズ。アカウント 11、5139–5152。 （2020年）。
Google スカラー
Jagadish Kumar, N. & Balasubramanian, C. ハイブリッド勾配降下ゴールデン イーグル最適化 (HGDGEO) アルゴリズム ベースの、クラウド上でのビッグ データ処理のための効率的な異種リソース スケジューリング。 ワイレル。パース。共通。 129、1175–1195。 （2023年）。
Google スカラー
Seethalakshmi, V.、Govindasamy, V. & Akila, V. 異種環境でのビッグ データ処理のための効率的なリソース スケジューリングのためのハイブリッド勾配降下スパイダー モンキー最適化 (HGDSMO) アルゴリズム。 J. ビッグデータ 7、49。 （2020年）。
Google スカラー
Google スカラー
Chhabra, A. et al.ハイブリッド スウォーム インテリジェンス メタ ヒューリスティックを使用して、クラウド データ センターでのタスクのバッグ スケジューリングを最適化します。 J. スーパーコンピューター。 78、9121–9183。 （2022年）。
Google スカラー
Zakarya, M.、Gillam, L.、Ali Khan, A.、Rana, O.、Buyya, R. ApMove: コネクテッドおよび自動運転車のためのサービス移行技術。 IEEE インターネット シングス J. （2024年）。
Google スカラー
ザカリヤ、M. 他epcAware: マルチアクセス エッジ コンピューティングのための、ゲームベースのエネルギー、パフォーマンス、コスト効率の高いリソース管理技術。 IEEEトランス。サーブ。計算します。 （2022年）。
Google スカラー
カーン、AAら。マルチプロセッサ システム上でのリアルタイムの非周期タスクのための、移行を意識したスケジューリング手法。 IEEEアクセス 7、27859–27873。 （2019年）。
Google スカラー
アヤズ、A.、ザカリヤ、M.、カーン、R. 弾力性のあるクラウド データセンターにおけるエネルギーを意識した動的リソース管理。 サイマル。モデル。練習してください。理論 （2018年）。
Google スカラー
ザカリヤ、M. 他PerficientCloudSim: 異種クラウドでの大規模な計算をシミュレートするツール。 J. スーパーコンピューター。 77、3959–4013。 （2021年）。
Google スカラー
フセイン、H.ら。遺伝的アルゴリズムを使用した、高性能エッジ コンピューティング システム上でのエネルギー効率の高いリアルタイム タスクのスケジューリング。 IEEEアクセス 12、54879–54892。 （2024年）。
Google スカラー
Yang, C.、Ding, Y.、Hu, Z.、Ren, Z. スマート シティにおける大規模エッジ コンピューティングのための幾何化されたタスク スケジューリングと適応型リソース割り当て。 IEEE インターネット シングス J. (2025年)。
Google スカラー
ジョージア州アラウーホ、サンフランシスコ州ダ・コスタ・ベゼラ、アーカンソー州ダ・ロシャ エッジ コンピューティングにおけるタスクの優先順位とリソース消費に基づくリソース割り当て。 J. インターネット サービス応用 （2024年）。
Google スカラー
#次世代ネットワークにおけるエッジクラウド連続体向けのインテリジェントなジョブ #スケジューリングとリアルタイムのリソース最適化