文献

J-GLOBAL ID：202002283337622499   整理番号：20A1948063

機械学習に基づくクラウドデータセンタにおける仮想マシン配置のための多目的負荷バランスアルゴリズム【JST・京大機械翻訳】

A multi-objective load balancing algorithm for virtual machine placement in cloud data centers based on machine learning

著者 (2件)： Ghasemi Arezoo (Faculty of Computer and Information Technology Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran) ,  Toroghi Haghighat Abolfazl (Faculty of Computer and Information Technology Engineering, Qazvin Branch, Islamic Azad University, Qazvin, Iran)
資料名： Computing  (Computing)
巻： 102  号： 9  ページ： 2049-2072  発行年： 2020年 
JST資料番号： B0828A  ISSN： 0010-485X  CODEN： CMPTA2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： クラウドコンピューティングは,顧客が需要とサービス利用に従ってコストを支払うユーティリティコンピューティングを提供する。この技術にはいくつかの挑戦がある。データセンターにおけるこれらの問題の一つは,仮想マシン(VM)配置であり,これらのVMのホストへのマッピングは,負荷分散,エネルギー消費の低減,資源利用の増加,短縮応答時間などのさまざまな目的のために実行される。本論文では,ホストマシン(HM)における負荷のバランスをとるためのVM置換のための機械学習に基づく戦略を提示した。この提案した戦略では,学習エージェントは,許容行動から行動を選定し,環境上で実行することにより,各学習エピソードにおいて,環境内の行動を遂行することによって得られる解の望ましさに従って報酬を受ける。環境から報酬を受信し,行動値テーブルを更新することは,学習者が各環境状態,選択および実行において,どの行動が環境中でより良いかを学習し,これが更なる強化につながるという,学習者エージェントを学習する。提案アルゴリズムは,平均で,プロセッサ,メモリ,および帯域幅に関して,アルゴリズムの実装の前に,それぞれ,25%,34%,および32%で,HM間負荷バランスを改善した。本戦略はMOVMrB戦略に対する3つのシナリオにおける異なる側面から比較された。最後に,著者らの提案アルゴリズムは,はるかに少ない実行時間とより多くのHMを切り換えることによって,負荷分散においてより効果的であると結論づけられた。Copyright Springer-Verlag GmbH Austria, part of Springer Nature 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  記憶装置 ,  *学習 ,  *データセンタ ,  帯域幅 ,  エネルギー消費 ,  演算プロセッサ ,  *仮想機械システム ,  応答時間 ,  エージェント ,  *機械学習 ,  負荷分散
準シソーラス用語： 学習者 ,  実行時間 ,  クラウドコンピューティング , 【Automatic Indexing@JST】

著者キーワード (4件)： クラウドコンピューティング ,  仮想マシン配置 ,  負荷バランス ,  機械学習

分類 (2件)： 計算機網  (JC03000K) ,  オペレーティングシステム  (JD03020J)

タイトルに関連する用語 (4件)： 機械学習 ,  仮想マシン ,  負荷バランス ,  アルゴリズム