論文の概要: Optimizing IaC Configurations: a Case Study Using Nature-inspired
Computing
- arxiv url: http://arxiv.org/abs/2311.10767v1
- Date: Wed, 15 Nov 2023 11:28:00 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-27 00:32:40.789095
- Title: Optimizing IaC Configurations: a Case Study Using Nature-inspired
Computing
- Title(参考訳): IaC構成の最適化:自然に着想を得たコンピューティングを用いたケーススタディ
- Authors: Eneko Osaba, Gorka Benguria, Jesus L. Lobo, Josu Diaz-de-Arcaya,
Juncal Alonso and I\~naki Etxaniz
- Abstract要約: 本稿では、特定のソフトウェアエンジニアリング問題を解決するために、自然に着想を得た計算をベースとしたツールについて述べる。
IOPのバージョンが以前の研究で説明され、このプラットフォームが導入された。
我々は、IOPが組み込まれている完全なプラットフォーム内でコンテキストを定式化し、ユーザーがその使用によってどのような恩恵を受けることができるかを説明します。
- 参考スコア(独自算出の注目度): 0.3774866290142281
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the last years, one of the fields of artificial intelligence that has been
investigated the most is nature-inspired computing. The research done on this
specific topic showcases the interest that sparks in researchers and
practitioners, who put their focus on this paradigm because of the adaptability
and ability of nature-inspired algorithms to reach high-quality outcomes on a
wide range of problems. In fact, this kind of methods has been successfully
applied to solve real-world problems in heterogeneous fields such as medicine,
transportation, industry, or software engineering. Our main objective with this
paper is to describe a tool based on nature-inspired computing for solving a
specific software engineering problem. The problem faced consists of optimizing
Infrastructure as Code deployment configurations. For this reason, the name of
the system is IaC Optimizer Platform. A prototypical version of the IOP was
described in previous works, in which the functionality of this platform was
introduced. With this paper, we take a step forward by describing the final
release of the IOP, highlighting its main contribution regarding the current
state-of-the-art, and justifying the decisions made on its implementation.
Also, we contextualize the IOP within the complete platform in which it is
embedded, describing how a user can benefit from its use. To do that, we also
present and solve a real-world use case.
- Abstract(参考訳): 過去数年間、最も研究されている人工知能の分野の1つは自然に触発されたコンピューティングである。
この特定のトピックに関する研究は、自然に触発されたアルゴリズムが様々な問題において高品質な結果に達することの適応性と能力のために、研究者や実践者がこのパラダイムに焦点を絞った関心を浮き彫りにしている。
実際、この種の手法は医学、輸送、産業、ソフトウェア工学といった異種分野の現実世界の問題を解決するためにうまく適用されている。
本論文の主な目的は,特定のソフトウェアエンジニアリング問題を解決するために,自然に触発された計算に基づくツールを記述することである。
直面する問題は、インフラストラクチャをコードデプロイメント構成として最適化することである。
このため、システムの名前はIaC Optimizer Platformである。
IOPのプロトタイプバージョンが以前の研究で説明されており、このプラットフォームの機能が導入されている。
本稿では、IOPの最終リリースを説明し、現在の最先端に関する主な貢献を強調し、その実装上の決定を正当化する。
また、統合されたプラットフォーム内でのIOPのコンテキスト化も行い、ユーザがその利用の恩恵を受ける方法を説明します。
そのためには,実世界のユースケースも提示し,解決する。
関連論文リスト
- Multiobjective Optimization Analysis for Finding Infrastructure-as-Code
Deployment Configurations [0.3774866290142281]
本稿では,インフラストラクチャ・アズ・コード配置に関する多目的問題に焦点をあてる。
本稿では,9種類の進化型多目的アルゴリズムについて述べる。
フリードマンの非パラメトリックテストを用いて, 独立ランニング後の各手法の結果を比較した。
論文 参考訳(メタデータ) (2024-01-18T13:55:32Z) - 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) - Pangu-Agent: A Fine-Tunable Generalist Agent with Structured Reasoning [50.47568731994238]
人工知能(AI)エージェント作成の鍵となる方法は強化学習(RL)である
本稿では,構造化推論をAIエージェントのポリシーに統合し,学習するための一般的なフレームワークモデルを提案する。
論文 参考訳(メタデータ) (2023-12-22T17:57:57Z) - Rethinking and Benchmarking Predict-then-Optimize Paradigm for
Combinatorial Optimization Problems [62.25108152764568]
多くのWebアプリケーションは、エネルギーコストを考慮したスケジューリング、Web広告の予算配分、ソーシャルネットワークでのグラフマッチングなど、最適化問題の解決に頼っている。
統一システムにおける予測と意思決定の性能について考察する。
我々は、現在のアプローチを包括的に分類し、既存の実験シナリオを統合する。
論文 参考訳(メタデータ) (2023-11-13T13:19:34Z) - Navigating the Complexity of Generative AI Adoption in Software
Engineering [6.190511747986327]
ソフトウェア工学における生成人工知能(AI)ツールの採用パターンについて検討した。
個人レベル、技術レベル、社会的レベルの影響要因を分析した。
論文 参考訳(メタデータ) (2023-07-12T11:05:19Z) - AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities
and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。
我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。
主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文 参考訳(メタデータ) (2023-04-10T15:38:12Z) - A Survey on the Integration of Machine Learning with Sampling-based
Motion Planning [9.264471872135623]
本調査は、サンプリングベースモーションプランナー(SBMP)の計算効率と適用性を改善するための機械学習の取り組みを概観する。
まず、ノードサンプリング、衝突検出、距離または最も近い隣人、ローカルプランニング、終了条件など、SBMPのキーコンポーネントの強化に学習がどのように使われているかについて論じる。
また、機械学習を用いてロボットのデータ駆動モデルを提供し、それをSBMPで使用する方法についても論じている。
論文 参考訳(メタデータ) (2022-11-15T18:13:49Z) - Let's Go to the Alien Zoo: Introducing an Experimental Framework to
Study Usability of Counterfactual Explanations for Machine Learning [6.883906273999368]
反事実的説明(CFEs)は、心理的に根拠づけられたアプローチとして、ポストホックな説明を生み出している。
私たちは、エンゲージメントがあり、Webベースでゲームに触発された実験的なフレームワークであるAlien Zooを紹介します。
概念実証として,本手法の有効性と実用性を示す。
論文 参考訳(メタデータ) (2022-05-06T17:57:05Z) - Recent Developments in Program Synthesis with Evolutionary Algorithms [1.8047694351309207]
関連する進化的プログラム合成手法を同定し,その性能を詳細に解析する。
私たちが特定する最も影響力のあるアプローチは、スタックベース、文法誘導、および線形遺伝プログラミングである。
今後の研究のために、研究者は、プログラムのアウトプットを使用して、ソリューションの品質を評価するだけでなく、ソリューションへの道を開くことを奨励します。
論文 参考訳(メタデータ) (2021-08-27T11:38:27Z) - Artificial Intelligence for IT Operations (AIOPS) Workshop White Paper [50.25428141435537]
AIOps(Artificial Intelligence for IT Operations)は、マシンラーニング、ビッグデータ、ストリーミング分析、IT運用管理の交差点で発生する、新たな学際分野である。
AIOPSワークショップの主な目的は、アカデミアと産業界の両方の研究者が集まり、この分野での経験、成果、作業について発表することです。
論文 参考訳(メタデータ) (2021-01-15T10:43:10Z) - IReEn: Reverse-Engineering of Black-Box Functions via Iterative Neural
Program Synthesis [70.61283188380689]
ブラックボックスエージェントの機能を明らかにする際の問題点について検討する。
我々はブラックボックスの特権情報に頼るのではなく、プログラムの入力と出力のみにアクセスするというより弱い仮定の下で問題を調査する。
その結果, 提案手法は, 78%の症例において, ほぼ機能的な等価プログラムを見出すことにより, 現状よりも優れていることがわかった。
論文 参考訳(メタデータ) (2020-06-18T17:50:48Z)
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。