电子设计工程
電子設計工程
전자설계공정
ELECTRONIC DESIGN ENGINEERING
2014年
5期
38-40
,共3页
虚拟机%资源配置%强化学习%CloudSim%云计算
虛擬機%資源配置%彊化學習%CloudSim%雲計算
허의궤%자원배치%강화학습%CloudSim%운계산
virtual machines%resource allocation%reinforcement learning%CloudSim%cloud computing
虚拟机技术允许多个虚拟机在同一台物理主机上共享资源.为了响应应用需求的变化或者是资源供应的变化,分配到虚拟机上的资源应该能够动态的重新配置.为此,本文提出了一个基于强化学习的算法来自动处理配置进程,即(Standard Reinforcement Learning Auto-Configuration). 强调了基于算法的模型来解决在资源管理系统的稳定性和适应性问题.这里通过在一个云环境仿真软件CloudSim在基于虚拟机的云测试床实施具有代表性的服务器负载的实验,结果证明了的有效性.这个方法可以在小规模系统里发现最优(或接近最优)的配置策略,并且表现了很好的稳定性和适应性.
虛擬機技術允許多箇虛擬機在同一檯物理主機上共享資源.為瞭響應應用需求的變化或者是資源供應的變化,分配到虛擬機上的資源應該能夠動態的重新配置.為此,本文提齣瞭一箇基于彊化學習的算法來自動處理配置進程,即(Standard Reinforcement Learning Auto-Configuration). 彊調瞭基于算法的模型來解決在資源管理繫統的穩定性和適應性問題.這裏通過在一箇雲環境倣真軟件CloudSim在基于虛擬機的雲測試床實施具有代錶性的服務器負載的實驗,結果證明瞭的有效性.這箇方法可以在小規模繫統裏髮現最優(或接近最優)的配置策略,併且錶現瞭很好的穩定性和適應性.
허의궤기술윤허다개허의궤재동일태물리주궤상공향자원.위료향응응용수구적변화혹자시자원공응적변화,분배도허의궤상적자원응해능구동태적중신배치.위차,본문제출료일개기우강화학습적산법래자동처리배치진정,즉(Standard Reinforcement Learning Auto-Configuration). 강조료기우산법적모형래해결재자원관리계통적은정성화괄응성문제.저리통과재일개운배경방진연건CloudSim재기우허의궤적운측시상실시구유대표성적복무기부재적실험,결과증명료적유효성.저개방법가이재소규모계통리발현최우(혹접근최우)적배치책략,병차표현료흔호적은정성화괄응성.