기존 클라우드 엣지 워크로드 자원 관리는 지나치게 반응적이며, 정적 임계값에 의존하여 자원 과다 지출 또는 성능 저하를 야기합니다. 본 논문은 예측적 솔루션을 개발하여 이러한 문제를 해결하고자 합니다. CNN LSTM 모델을 활용한 시계열 예측과 멀티 에이전트 심층 강화 학습 기반 오케스트레이터를 결합한 하이브리드 아키텍처를 제시합니다. CNN LSTM의 예측 결과를 DRL 에이전트 상태 공간에 직접 통합하여 AI 관리자가 미래를 예측하고 장기적인 실행 계획을 수립하도록 합니다. 이를 통해 비용 절감, 시스템 안정성 및 사용자 경험 향상 간의 균형을 유지합니다.
