論文の概要: Intelligent Autonomous Orchestration for Distributed Cloud Resources using Complex-Stability Analysis

• arxiv url: http://arxiv.org/abs/2605.08139v1
• Date: Sat, 02 May 2026 08:57:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-12 23:28:49.385986
• Title: Intelligent Autonomous Orchestration for Distributed Cloud Resources using Complex-Stability Analysis
• Title（参考訳）: 複雑安定解析を用いた分散クラウドリソースのためのインテリジェント自律オーケストレーション
• Authors: Gopal Krishna Shyam, Priyanka Bharti,
• Abstract要約: C-SAS(Complex-Stability Aware Scaling)は、インテリジェントな自律オーケストレーションフレームワークである。 C-SASは安定性に配慮したエージェントとして機能し、テレメトリノイズを$s$プレーン上の"Safety Envelope"に変換する。 その結果、C-SASはVMのフラッピングを94%削減し、リソース効率は96%低下した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In modern distributed cloud environments, efficient resource allocation is required as traditional scaling mechanisms are often subject to cloud thrashing due to network-induced latencies. In this paper, we propose C-SAS (Complex-Stability Aware Scaling), an intelligent autonomous orchestration framework that leverages complex analytic methods to achieve system-wide equilibrium. In contrast to heuristic-based models, C-SAS acts as a stability-aware agent, converting telemetry noise into a deterministic "Safety Envelope" on the $s$-plane using the Argument Principle and Rouché's Theorem. The algorithm smartly suppresses oscillatory scaling operations that would otherwise degrade performance, by computing a real-time Analytic Stability Index (ASI). The experimental results show that C-SAS reduces VM flapping by 94\%, and achieves 96\% resource efficiency, significantly outperforming standard PID and ML-based autonomous agents. Our results suggest that future resilient autonomous cloud infrastructures will require AI-driven orchestrators with built-in formal stability constraints.
• Abstract（参考訳）: 現代の分散クラウド環境では、ネットワークによって引き起こされるレイテンシにより、従来のスケーリングメカニズムがクラウドスラッシングの対象になるため、効率的なリソース割り当てが要求される。 本稿では,C-SAS(Complex-Stability Aware Scaling)を提案する。 ヒューリスティックモデルとは対照的に、C-SASは安定性に配慮したエージェントとして機能し、Argument Principle と Rouché の Theorem を用いて、テレメトリーノイズを$s$平面上の決定論的 "Safety Envelope" に変換する。 このアルゴリズムは、リアルタイム解析安定度指数(ASI)を計算することにより、性能を低下させるような振動スケーリング操作を巧みに抑制する。 実験の結果, C-SASはVMのフラッピングを94 %削減し, 96 % の資源効率を実現し, 標準PID およびML ベース自律エージェントを著しく上回った。 我々の結果は、将来のレジリエントな自律クラウドインフラストラクチャには、形式的な安定性の制約が組み込まれているAI駆動のオーケストレータが必要であることを示唆している。

関連論文リスト

• Cloud-OpsBench: A Reproducible Benchmark for Agentic Root Cause Analysis in Cloud Systems [51.2882705779387]
  Cloud-OpsBenchは、State Snapshot Paradigmを使用して、クラウドの決定論的デジタルツインを構築する大規模なベンチマークである。 フルスタックにまたがる40の根本原因タイプに452の障害ケースがある。
  論文  参考訳（メタデータ） (2026-02-28T05:04:42Z)
• ODAR: Principled Adaptive Routing for LLM Reasoning via Active Inference [60.958331943869126]
  ODAR-Expertは、原則化されたリソース割り当てによる精度と効率のトレードオフを最適化する適応的なルーティングフレームワークである。 我々は、MATHの98.2%の精度、HumanityのLast Examの54.8%を含む、強く一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-02-27T05:22:01Z)
• Not All Preferences Are Created Equal: Stability-Aware and Gradient-Efficient Alignment for Reasoning Models [52.48582333951919]
  ポリシー更新の信号対雑音比を最大化することにより、アライメントの信頼性を高めるために設計された動的フレームワークを提案する。 SAGE(Stability-Aware Gradient Efficiency)は、モデル能力に基づいて候補プールをリフレッシュする粗いきめ細かいカリキュラムメカニズムを統合する。 複数の数学的推論ベンチマークの実験により、SAGEは収束を著しく加速し、静的ベースラインを上回っていることが示された。
  論文  参考訳（メタデータ） (2026-02-01T12:56:10Z)
• Lyapunov Stability-Aware Stackelberg Game for Low-Altitude Economy: A Control-Oriented Pruning-Based DRL Approach [37.51135101684223]
  無人航空機(UAV)は、ユーザからの多様なサービスを支援する重要な航空基地局として機能している。 このような異種ネットワークの有効性は、制限されたオンボードリソースと厳密な安定性要件の間の競合によってしばしば損なわれる。 本稿では,通信遅延が物理的制御安定性に与える影響を明示的にモデル化する,センシング・通信・通信・通信・通信のクローズドループフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-01T10:01:07Z)
• Adaptive Dual-Weighting Framework for Federated Learning via Out-of-Distribution Detection [53.45696787935487]
  Federated Learning (FL)は、大規模分散サービスノード間の協調的なモデルトレーニングを可能にする。 実世界のサービス指向デプロイメントでは、異種ユーザ、デバイス、アプリケーションシナリオによって生成されたデータは本質的にIIDではない。 FLoodは、オフ・オブ・ディストリビューション(OOD)検出にインスパイアされた新しいFLフレームワークである。
  論文  参考訳（メタデータ） (2026-02-01T05:54:59Z)
• AVERY: Adaptive VLM Split Computing through Embodied Self-Awareness for Efficient Disaster Response Systems [6.294240680169978]
  災害時の無人航空機(UAV)は、CNNが提供できない複雑なクエリー可能な知性を必要とする。 本稿では,適応型分割計算によるVLMデプロイメントを実現するフレームワークであるAVERYを紹介する。
  論文  参考訳（メタデータ） (2025-11-22T18:42:04Z)
• The Curious Case of In-Training Compression of State Space Models [49.819321766705514]
  ステートスペースモデル(SSM)は、並列化可能なトレーニングと高速推論の両方を提供する。 鍵となる設計上の課題は、表現力の最大化と計算負荷の制限の間の適切なバランスを打つことだ。 我々のアプローチである textscCompreSSM はリニアリカレントユニットのような線形時間不変SSMに適用されるが、選択モデルにも拡張可能である。
  論文  参考訳（メタデータ） (2025-10-03T09:02:33Z)
• COMponent-Aware Pruning for Accelerated Control Tasks in Latent Space Models [1.6874375111244326]
  資源制約のあるモバイルプラットフォームの急速な成長により、計算効率の良いニューラルネットワークコントローラ(NNC)の需要が高まっている。 ディープニューラルネットワーク(DNN)は、制御アプリケーションにおいて優れたパフォーマンスを示し、その相当な計算複雑性とメモリ要件は、エッジデバイスへの実践的なデプロイに重大な障壁をもたらす。 本稿では,各プルーニング群に対する最適プルーニングサイズを決定するために,コンポーネント認識型構造化プルーニングを利用した包括的モデル圧縮手法を提案する。
  論文  参考訳（メタデータ） (2025-08-11T16:16:51Z)
• SIM-Shapley: A Stable and Computationally Efficient Approach to Shapley Value Approximation [10.009607907227293]
  共有値(SV)法は、複雑なモデルにおける特徴帰属の原則的な枠組みを提供するが、高い計算コストがかかる。 最適化にインスパイアされた安定かつ効率的な近似法である,共有値近似のための反復モーメント(SIM-Shapley)を提案する。 我々の数値実験では、SIM-Shapleyは最先端のベースラインと比較して計算時間を最大85%削減する。
  論文  参考訳（メタデータ） (2025-05-13T03:23:10Z)
• OptScaler: A Collaborative Framework for Robust Autoscaling in the Cloud [10.97507717758812]
  最適化モジュールを通じてプロアクティブおよびリアクティブモジュールを統合する,協調的な自動スケーリングフレームワークであるOpsScalerを提案する。 数値計算の結果,ワークロード予測モデルと協調フレームワークの優位性が示された。
  論文  参考訳（メタデータ） (2023-10-26T04:38:48Z)

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。