سامانه همایش‌ها TSTA | ثبت‌نام و ارسال مقاله کنفرانس‌ها و کنگره‌های ملی

صفحه اصلی / 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

نویسندگان :

احمد محسن پورگل‌روئیه¹ مهدی رضاپورمیرصالح²

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

کلمات کلیدی :

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

چکیده :

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.

لیست مقالات

لیست مقالات بایگانی شده

Evaluation of Primary Stability of Dental Implants in Synthetic and Natural Bone A Comparative Study

Mahdi Farrokhi Kashtiban - Gholamreza Rouhi

OpenSim Musculoskeletal Modeling Framework for sEMG-Based Knee Torque Estimation

Mohammad-Reza Sayyed Noorani - Mariya A. Vaziry - Seyed Alireza MirTajeddini

TransFuse++: A Hybrid CNN-Transformer Architecture with Cross-Attention, Temporal Modeling, and Uncertainty Estimation for Medical Image Segmentation

Masoud Noroozi - Sayna Jamaati - Hamed Aghapanah - Ali Saeeidi Rad - Mahsa Asadi Anar - Ali Darzi - Mahla Shokouhfar - Helia Sadat Kazemi - Mohammadreza Ghahari - Mohammad Saeed Soleimani Meigoli - Jafar Majidpour - Hossein Arabi - Ali Reza Karimian

Analysis of Blood Report Images Using General-Purpose Vision-Language Models

Nadia Bakhsheshi - Hamid Beigy