تعد الحوسبة السحابية ركيزة للبنية الرقمية الحديثة إذ تتيح الوصول عند الطلب إلى موارد افتراضية قابلة للتوسع، غير أن جدولة المهام بكفاءة داخل بيئاتها ما تزال تحديًا قائمًا بسبب الطبيعة الديناميكية وغير المتجانسة لأعباء العمل، فالمهام تتبدل باستمرار والموارد تتفاوت في قدراتها، مما يجعل الخوارزميات التقليدية عاجزة عن التكيف اللحظي مع هذا التنوع، ومن هنا اتجه البحث إلى تقنيات التعلم العميق المعزز التي تتعلم سياسات جدولة تكيفية من التجربة، وتأتي هذه الدراسة لتقترح إطارًا هجينًا يجمع أكثر من منهج من مناهج هذا التعلم في منظومة واحدة
وتتضاعف صعوبة الجدولة لأن بيئات السحابة تخدم آلاف المهام المتنوعة في آن واحد وتعمل على خوادم وعقد متفاوتة القدرة والكلفة، فالخوارزمية التي تصلح لحظة ما قد تصبح غير ملائمة بعد تغير الحمل أو نوع المهام، ولهذا تبدو الأساليب الجامدة قاصرة عن الاستجابة اللحظية، بينما يعد التعلم المعزز بسياسات تتعلم من نتائج قراراتها وتتحسن مع الخبرة، غير أن لكل منهج من مناهجه حدودًا ظهرت في الدراسات السابقة، ما برر اختبار دمجها في إطار هجين واحد يستثمر تكاملها
أولًا: أهداف الدراسة ومنهجيتها
هدفت الدراسة إلى تطوير إطار هجين للتعلم العميق المعزز يمكّن من جدولة تكيفية للموارد في البيئات السحابية، وجمع الإطار المقترح بين شبكة كيو العميقة وأسلوب تحسين السياسة القريبة وأسلوب الفاعل الناقد بالمزية، بحيث تتكامل نقاط قوة كل منهج في إدارة قرارات الجدولة، ونُفذ النموذج المقترح باستخدام مكتبة باي تورش، وقُوّم في بيئة محاكاة مبنية على منصة كلاود سيم، وقورن أداؤه بمناهج التعلم العميق المعزز المنفردة وبخوارزميات الجدولة التقليدية، وأعيدت التجارب بتشغيلات متعددة لضمان الثبات، وأبلغت عن مقاييس إحصائية توثق النتائج في ظروف التقييم المعتمدة
ويجمع الإطار المقترح بين ثلاثة مناهج متكاملة، فشبكة كيو العميقة تتعلم قيم الأفعال من التجربة، وأسلوب تحسين السياسة القريبة يحدث السياسة بخطوات مضبوطة تحفظ استقرار التعلم، وأسلوب الفاعل الناقد بالمزية يوازن بين تقدير القيمة وتوجيه الفعل، وقد نفذت هذه البنية بمكتبة باي تورش واختبرت داخل بيئة محاكاة تحاكي بنية مراكز البيانات السحابية عبر منصة كلاود سيم، وقورنت بكل منهج من المناهج الثلاثة منفردًا وبخوارزميات تقليدية معروفة، مع تكرار التجارب عدة مرات والإبلاغ عن مقاييس إحصائية تمنح النتائج قابلية للفحص والمقارنة
ثانيًا: أبرز النتائج
أظهرت النتائج التجريبية أن المنهج المقترح حقق تحسنًا متسقًا في تقليل زمن الإنجاز الكلي للمهام ورفع استغلال الآلات الافتراضية مقارنة بمناهج التعلم العميق المعزز المنفردة وخوارزميات الجدولة التقليدية، وبينت التجارب المتكررة أن هذا التفوق ثابت عبر التشغيلات المتعددة في ظروف التقييم المعتمدة، غير أن الدراسة نبهت إلى أن للإطار المقترح كلفة حسابية أعلى من البدائل، وأنه لم يتحقق منه حتى الآن إلا في بيئة محاكاة، فتبقى كفاءته العملية في النشرات الواقعية رهنًا بتحقق لاحق يجري في بيئات تشغيل حقيقية
ثالثًا: دلالات الدراسة وتطبيقاتها
تشير دلالات الدراسة إلى أن الجدولة الهجينة القائمة على التعلم العميق المعزز مسار واعد لإدارة موارد الحوسبة السحابية إدارة تكيفية، إذ يمكن أن تساعد مزودي الخدمات السحابية على خفض أزمنة إنجاز مهام عملائهم ورفع كفاءة استغلال بناهم التحتية، كما ترسم الدراسة مسارًا تطويريًا واضحًا يتمثل في التحقق من الإطار في بيئات نشر واقعية ودمج اعتبارات كفاءة الطاقة في قرارات الجدولة، بما يوازن بين الأداء والاستدامة ويراعي الكلفة الحسابية الإضافية التي يتطلبها النهج الهجين في التطبيقات العملية المستقبلية
ويمكن لمشغلي المنصات السحابية أن يستفيدوا من هذه النتائج في تطوير وحدات جدولة ذكية داخل أنظمة إدارة مراكز البيانات، فتتحسن استجابة الخدمات وترتفع عوائد البنية التحتية القائمة دون توسع مادي، ويمثل إدخال اعتبارات الطاقة خطوة تطويرية جوهرية إذ إن تحسين الاستغلال وحده قد لا يكفي إذا ارتفع استهلاك الطاقة، وتبقى تجربة الإطار في بيئات إنتاج فعلية وبأحمال عمل حقيقية المعيار الحاسم للحكم على جاهزيته للاعتماد التجاري واسع النطاق
وخلاصة القول إن الدراسة قدمت إطارًا هجينًا للتعلم العميق المعزز تفوق في بيئة المحاكاة على المناهج المنفردة والتقليدية في زمن الإنجاز واستغلال الموارد، مع كلفة حسابية أعلى وحدود تحقق مقصورة على المحاكاة، وهو ما يجعل تجريبه ميدانيًا في منصات سحابية واقعية خطوة تالية لازمة قبل تعميم الاعتماد عليه
