tsta

Home / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

نقش هوش مصنوعی در بهینه‌سازی مدیریت و بهره‌برداری از منابع در رایانش ابری

Authors :

احمد محسن پورگل‌روئیه¹ مهدی رضاپورمیرصالح²

1- دانشگاه بین الملل پیام نور واحد قشم 2- دانشگاه پیام نور

Keywords :

هوش مصنوعی،رایانش ابری،مدیریت منابع،یادگیری ماشین،یادگیری تقویتی،پیش‌بینی بار،صرف انرژی،SLA،LSTM،DQN

Abstract :

رایانش ابری یکی از مهم‌ترین زیرساخت‌های فناوری اطلاعات در دهه‌های اخیر بوده که با ارائه خدمات مقیاس‌پذیر و انعطاف‌پذیر توانسته تحولی عظیم در شیوه ارائه سرویس‌های دیجیتال ایجاد کند. با این حال، مدیریت بهینه منابع در محیط‌های ابری همواره یکی از چالش‌های اصلی به شمار می‌رود. در این راستا، هوش مصنوعی و به‌ویژه الگوریتم‌های یادگیری ماشین و یادگیری عمیق نقش کلیدی در بهبود کارایی، کاهش مصرف انرژی و افزایش نرخ موفقیت SLA ایفا می‌کنند (Buyya et al., 2011؛ محمودی، ۱۴۰۱). پژوهش حاضر با تمرکز بر الگوریتم‌های مبتنی بر یادگیری عمیق (مانندLSTM) و یادگیری تقویتی (DQN)، به بررسی روش‌های نوین مدیریت منابع ابری پرداخته و نتایج حاصل از پیاده‌سازی و شبیه‌سازی مدل ترکیبی LSTM-DQN را ارائه می‌دهد. نتایج نشان داد که مدل پیشنهادی توانسته است میزان مصرف انرژی را بیش از ۲۰٪ کاهش داده و نرخ موفقیت SLA را تا حدود ۹۷٪ افزایش دهد (Xu et al., 2020؛ حسینی، ۱۴۰۰). نتایج شبیه‌سازی در محیط CloudSim نشان می‌دهد که استفاده از این روش‌های هوشمند منجر به کاهش مصرف انرژی، افزایش سطح توافق‌نامه‌های SLA و کاهش مهاجرت ماشین‌های مجازی (VMs) می‌گردد. همچنین پیشنهاداتی برای پیاده‌سازی صنعتی و آینده‌پژوهی فناوری ارائه شده است.