論文の概要: Multi-factorial Optimization for Large-scale Virtual Machine Placement
in Cloud Computing
- arxiv url: http://arxiv.org/abs/2001.06585v2
- Date: Thu, 25 Jun 2020 07:03:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-10 05:04:14.719771
- Title: Multi-factorial Optimization for Large-scale Virtual Machine Placement
in Cloud Computing
- Title（参考訳）: クラウドコンピューティングにおける大規模仮想マシン配置のための多要素最適化
- Authors: Zhengping Liang, Jian Zhang, Liang Feng, Zexuan Zhu
- Abstract要約: 進化的アルゴリズム(EA)は、過去に仮想マシン配置(VMP)問題に対して有望な解決がなされてきた。
クラウドサービスの需要が増大するにつれて、既存のEAは大規模な仮想マシン配置問題で実装することができない。
異種環境におけるLVMP問題にMFO技術を適用することを目的としている。
- 参考スコア（独自算出の注目度）: 15.840835256016259
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The placement scheme of virtual machines (VMs) to physical servers (PSs) is
crucial to lowering operational cost for cloud providers. Evolutionary
algorithms (EAs) have been performed promising-solving on virtual machine
placement (VMP) problems in the past. However, as growing demand for cloud
services, the existing EAs fail to implement in large-scale virtual machine
placement (LVMP) problem due to the high time complexity and poor scalability.
Recently, the multi-factorial optimization (MFO) technology has surfaced as a
new search paradigm in evolutionary computing. It offers the ability to evolve
multiple optimization tasks simultaneously during the evolutionary process.
This paper aims to apply the MFO technology to the LVMP problem in
heterogeneous environment. Firstly, we formulate a deployment cost based VMP
problem in the form of the MFO problem. Then, a multi-factorial evolutionary
algorithm (MFEA) embedded with greedy-based allocation operator is developed to
address the established MFO problem. After that, a re-migration and merge
operator is designed to offer the integrated solution of the LVMP problem from
the solutions of MFO problem. To assess the effectiveness of our proposed
method, the simulation experiments are carried on large-scale and extra
large-scale VMs test data sets. The results show that compared with various
heuristic methods, our method could shorten optimization time significantly and
offer a competitive placement solution for the LVMP problem in heterogeneous
environment.
- Abstract（参考訳）: 仮想マシン(VM)を物理サーバ(PS)に配置することは、クラウドプロバイダの運用コスト削減に不可欠である。
進化的アルゴリズム(EA)は、過去に仮想マシン配置(VMP)問題に対して有望な解決がなされてきた。
しかし、クラウドサービスの需要が増大するにつれて、既存のEAは、リアルタイムの複雑さとスケーラビリティの低下により、大規模な仮想マシン配置(LVMP)問題では実装できない。
近年,MFO(Multi-factorial Optimization)技術が進化コンピューティングの新しい探索パラダイムとして浮上している。
進化過程中に複数の最適化タスクを同時に進化させる機能を提供する。
異種環境におけるLVMP問題にMFO技術を適用することを目的とする。
まず、デプロイコストに基づくVMP問題をMFO問題として定式化する。
そして、グリーディベースのアロケーション演算子を組み込んだ多要素進化アルゴリズム(MFEA)を開発し、確立されたMFO問題に対処する。
その後、再マイグレーションおよびマージ演算子は、MFO問題の解からLVMP問題の統合解を提供するように設計されている。
提案手法の有効性を評価するため,大規模および大規模のVMテストデータセットを用いてシミュレーション実験を行った。
その結果, 種々のヒューリスティック手法と比較して, 最適化時間を著しく短縮し, 異種環境におけるLVMP問題に対する競合配置ソリューションを提供することができた。
関連論文リスト
- Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳（メタデータ） (2024-01-11T15:02:15Z) - A Multi-Head Ensemble Multi-Task Learning Approach for Dynamical
Computation Offloading [62.34538208323411]
共有バックボーンと複数の予測ヘッド(PH)を組み合わせたマルチヘッドマルチタスク学習(MEMTL)手法を提案する。
MEMTLは、追加のトレーニングデータを必要とせず、推測精度と平均平方誤差の両方でベンチマーク手法より優れている。
論文 参考訳（メタデータ） (2023-09-02T11:01:16Z) - CILP: Co-simulation based Imitation Learner for Dynamic Resource
Provisioning in Cloud Computing Environments [13.864161788250856]
レイテンシクリティカルなタスクの主な課題は、積極的にプロビジョニングする将来のワークロード要求を予測することだ。
既存のAIベースのソリューションは、プロビジョニングのオーバーヘッド、異種VMコスト、クラウドシステムの品質(QoS)など、すべての重要な側面を公平に考慮しない傾向があります。
予測と最適化の2つのサブプロブレムとしてVMプロビジョニング問題を定式化するCILPと呼ばれる新しい手法を提案する。
論文 参考訳（メタデータ） (2023-02-11T09:15:34Z) - Collaborative Intelligent Reflecting Surface Networks with Multi-Agent
Reinforcement Learning [63.83425382922157]
インテリジェント・リフレクション・サーフェス(IRS)は将来の無線ネットワークに広く応用されることが想定されている。
本稿では,エネルギー収穫能力を備えた協調型IRSデバイスを用いたマルチユーザ通信システムについて検討する。
論文 参考訳（メタデータ） (2022-03-26T20:37:14Z) - A multi-domain VNE algorithm based on multi-objective optimization for
IoD architecture in Industry 4.0 [10.110571882165997]
Internet of Drones (IoD) の開発により、UAVの運用はより自律的になる。
潜在的資源を合理的に割り当てる方法は、解決すべき緊急の問題となっている。
論文 参考訳（メタデータ） (2022-02-08T07:56:28Z) - Efficient Model-Based Multi-Agent Mean-Field Reinforcement Learning [89.31889875864599]
マルチエージェントシステムにおける学習に有効なモデルベース強化学習アルゴリズムを提案する。
我々の理論的な貢献は、MFCのモデルベース強化学習における最初の一般的な後悔の限界である。
コア最適化問題の実用的なパラメトリゼーションを提供する。
論文 参考訳（メタデータ） (2021-07-08T18:01:02Z) - A Hybrid Decomposition-based Multi-objective Evolutionary Algorithm for
the Multi-Point Dynamic Aggregation Problem [2.6474550925822964]
本稿では,ロボットの実行計画を設計するための多目的mpda問題に焦点を当てる。
我々は,$ varepsilon $-constraint法を用いたハイブリッド分解型多目的進化アルゴリズム(hdmoea)を開発した。
実験結果から,HDMOEA法はいくつかの最も多く使用されている指標において,最先端の手法よりも有意に優れていた。
論文 参考訳（メタデータ） (2021-05-11T10:53:16Z) - An Online Prediction Approach Based on Incremental Support Vector
Machine for Dynamic Multiobjective Optimization [19.336520152294213]
インクリメンタルサポートベクトルマシン(ISVM)に基づく新しい予測アルゴリズムを提案する。
動的多目的最適化問題(DMOP)の解決をオンライン学習プロセスとして扱う。
提案アルゴリズムは動的多目的最適化問題に効果的に取り組むことができる。
論文 参考訳（メタデータ） (2021-02-24T08:51:23Z) - Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with
Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。
再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。
具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文 参考訳（メタデータ） (2020-12-25T07:08:50Z) - Iterative Algorithm Induced Deep-Unfolding Neural Networks: Precoding
Design for Multiuser MIMO Systems [59.804810122136345]
本稿では,AIIDNN(ディープ・アンフォールディング・ニューラルネット)を一般化した,ディープ・アンフォールディングのためのフレームワークを提案する。
古典的重み付き最小二乗誤差(WMMSE)反復アルゴリズムの構造に基づく効率的なIAIDNNを提案する。
提案したIAIDNNは,計算複雑性を低減した反復WMMSEアルゴリズムの性能を効率よく向上することを示す。
論文 参考訳（メタデータ） (2020-06-15T02:57:57Z) - Uncrowded Hypervolume-based Multi-objective Optimization with Gene-pool
Optimal Mixing [0.0]
HypervolumeベースのMO最適化は、これを克服する有望な結果を示している。
Sofomoreフレームワークは、複数のインターリーブされた単一目的の動的問題を解くことでこれを克服する。
我々は,MO-GOMEAとUHV-GOMEAを併用したハイブリッドアプローチを構築し,両者を比較検討した。
論文 参考訳（メタデータ） (2020-04-10T15:14:54Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。