ارزیابی رویکردهای مبتنی بر یادگیری تقویتی برای مقیاس پذیری منابع در محیط رایانش ابری
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 540
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NSOECE05_085
تاریخ نمایه سازی: 10 تیر 1396
چکیده مقاله:
رایانش ابری اشاره به برنامه های کاربردی عرضه شده به عنوان سرویس ها در بستر اینترنت و همچنین سخت افزار و نرم افزارهای سیستمی در مراکز داده که این خدمات را عرضه می کنند، دارد. خصوصیت رایانش ابری قابل دسترس نمودن سرویس ها برحسب تقاضا می باشد. یکی از توانمندسازهای کلیدی در سیستم های ابری، مقیاس پذیری می باشد از آن جهت که هزینه تدارک منابع را کاهش داده و همزمان نیازمندی های حیاتی کیفیت سرویس دهی برای توافقات سطح سرویس (SLA) را برآورده می کند. طبقه بندی پیشنهادی برای تکنیک های مقیاس بندی اتوماتیک بخش های مختلفی مثل قوانین مبتنی بر آستانه، تیوری صفی، تیوری کنترل و آنالیز سری زمانی و یادگیری ماشین را پوشش می دهند. در این مقاله قصد داریم انواع تکنیک های مبتنی بر یادگیری تقویتی را بررسی کنیم و در نهایت مقایسه ای از آنها داشته باشیم.
کلیدواژه ها:
نویسندگان
امین سالار رحیم زاده
دانشجوی کارشناسی ارشد نرم افزار، دانشگاه آزاد اسلامی واحد محلات
مصطفی قبائی آرانی
دکترای تخصصی، دانشگاه آزاد اسلامی واحد محلات
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :