Usando aprendizado supervisionado para composição de políticas de escalonamento

Este artigo propõe a utilização de aprendizado supervisionado para melhorar as políticas de escalonamento em ambientes de computação de alto desempenho, utilizando dados que incorporam políticas existentes (algoritmos tutores). O modelo treinado revela-se adaptável, superando, em alguns casos, as limitações dos algoritmos tutores.