تکنیک‌های پیشرفته محاسباتی برای بهینه‌سازی در ابر ۲۰۲۴
Advanced Computing Techniques for Optimization in Cloud 2024

این کتاب بر گرایش‌های کنونی در پژوهش و تحلیل جایگذاری ماشین‌های مجازی در مراکز داده‌ی ابری متمرکز است. در این اثر، به ادغام مدل‌های یادگیری ماشین و رویکردهای فراتکاملی برای تکنیک‌های جایگذاری پرداخته می‌شود. با در نظر گرفتن چالش‌های مدیریت بهینه‌سازی مصرف انرژی در مراکز داده‌ی ابری، بر استفاده‌ی مناسب از منابع محاسباتی برای خدمت‌رسانی به حجم کاری برنامه‌ها به منظور کاهش مصرف انرژی، ضمن حفظ عملکرد مطلوب، تاکید می‌گردد. این کتاب اطلاعاتی در مورد مکانیزم‌های تحمل خطا در فضای ابری ارائه می‌دهد و چشم‌اندازی از تکنیک‌های زمان‌بندی وظایف را ارائه می‌کند.

• تمرکز بر تکنیک‌های جایگذاری و انتقال ماشین مجازی برای مراکز داده‌ی ابری
• ارائه‌ی نقش یادگیری ماشین و رویکردهای فراتکاملی برای بهینه‌سازی در خدمات رایانش ابری
• شامل کاربرد تکنیک‌های جایگذاری برای کیفیت خدمات، عملکرد و بهبود قابلیت اطمینان
• بررسی مدیریت منابع مرکز داده، توازن بار و ارکستراسیون با استفاده از تکنیک‌های یادگیری ماشین
• تجزیه و تحلیل زمان‌بندی منابع پویا و مقیاس‌پذیر با تمرکز بر مدیریت منابع

این متن برای دانشجویان تحصیلات تکمیلی، متخصصان و پژوهشگران دانشگاهی فعال در زمینه‌های علوم کامپیوتر و فناوری اطلاعات مناسب است.

This book focuses on the current trends in research and analysis of virtual machine placement in a cloud data center. It discusses the integration of machine learning models and metaheuristic approaches for placement techniques. Taking into consideration the challenges of energy-efficient resource management in cloud data centers, it emphasizes upon computing resources being suitably utilised to serve application workloads in order to reduce energy utilisation, while maintaining apt performance. This book provides information on fault-tolerant mechanisms in the cloud and provides an outlook on task scheduling techniques.

• Focuses on virtual machine placement and migration techniques for cloud data centers
• Presents the role of machine learning and metaheuristic approaches for optimisation in cloud computing services
• Includes application of placement techniques for quality of service, performance, and reliability improvement
• Explores data center resource management, load balancing and orchestration using machine learning techniques
• Analyses dynamic and scalable resource scheduling with a focus on resource management

The text is for postgraduate students, professionals, and academic researchers working in the fields of computer science and information technology.