基于强化学习的虚拟机资源自动配置

基于强化学习的虚拟机资源自动配置

李文婵 彭志平

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.

基于强化学习的虚拟机资源自动配置

时间： 2024-07-31 19:39:11

基于强化学习的虚拟机资源自动配置的相关文章

IBM充分利用云计算各种资源自动配置服务器

最近的一系列市场活动表明,在完善云计算技术平台的道路上,蓝色巨人正在迈开大步.在不久前刚刚发布了一款生成能够帮助用户更高效的管理跨平台虚拟服务器.降低数据中心成本的系统级软件--VM Control的同时,IBM透露有更高性能的Power7处理器也计划会在明年早些时候推出.此外,在一年一度的IBM Rational软件开发论坛上发布的基于"软件经济学"的理论的Rational Insight.MCIF等新产品也有助于企业在云环境中部署软件交付平台. IBM公司推出了针对公共云和私有云环

基于TensorFlow打造强化学习API：TensorForce是怎样炼成的？

本文将围绕一个实际的问题进行介绍:应用强化学习的社区可以如何从对脚本和单个案例的收集更进一步,实现一个强化学习 API--一个用于强化学习的 tf-learn 或 skikit-learn?在讨论 TensorForce 框架之前,我们将谈一谈启发了这个项目的观察和思想.如果你只想了解这个 API,你可以跳过这一部分.我们要强调一下:这篇文章并不包含对深度强化学习本身的介绍,也没有提出什么新模型或谈论最新的最佳算法,因此对于纯研究者来说,这篇文章可能并不会那么有趣. 开发动机 假设你是计算机系统

【双11背后的技术】基于深度强化学习与自适应在线学习的搜索和推荐算法研究

选自<不一样的技术创新--阿里巴巴2016双11背后的技术>,全书目录:https://yq.aliyun.com/articles/68637 本文作者:灵培.霹雳.哲予 1. 搜索算法研究与实践 1.1 背景 淘宝的搜索引擎涉及对上亿商品的毫秒级处理响应,而淘宝的用户不仅数量巨大,其行为特点以及对商品的偏好也具有丰富性和多样性.因此,要让搜索引擎对不同特点的用户作出针对性的排序,并以此带动搜索引导的成交提升,是一个极具挑战性的问题.传统的Learning to Rank(LTR)方法主要是

Spring Boot自动配置

在上篇文章如何运行Spring Boot应用中,已经熟悉了如何通过maven或者gradle创建一个Spring Boot应用,这篇文章主要学习Spring Boot的自动配置,包括注解的使用以及一些配置约束等等. 关于Spring Boot的特性介绍,可以参考Spring Boot特性. 主应用类 在Spring Boot应用中,我们通常将主应用类放置于应用的根包中,例如,com.javachen.example.主应用类有main方法,并且使用了@EnableAutoConfiguratio

人工智能的新希望——强化学习全解

很多人说,强化学习被认为是真正的人工智能的希望.本文将从7个方面带你入门强化学习,读完本文,希望你对强化学习及实战中实现算法有着更透彻的了解. | 介绍 许多科学家都在研究的一个最基本的问题是"人类如何学习新技能?".理由显而易见--如果我们能解答这个问题,人类就能做到很多我们以前没想到的事情.另一种可能是我们训练机器去做更多的"人类"任务,创造出真正的人工智能. 虽然我们还没有上述问题的全部答案,但有一些事情是清楚的.不论哪种技能,我们都是先通过与环境的互动来学习

首发！三角兽被 EMNLP 录取论文精华导读：基于对抗学习的生成式对话模型浅说

雷锋网按:近日,三角兽科技 AI Lab 的一篇论文,被世界顶级自然语言处理会议 EMNLP 高分录取,论文题目为:Neural Response Generation via GAN with an Approximate Embedding Layer,由三角兽研究团队与哈工大 ITNLP 实验室合作完成.论文中提出了一种新的对话文本对抗生成学习框架,目的是解决文本生成过程中的采样操作带来的误差无法反向传导的实际问题,从而实现基于对抗学习的聊天回复生成模型. 以下为三角兽研究团队所写的论文精

专访 | 阿里搜索事业部研究员徐盈辉：剖析阿里背后的强化学习技术

剖析阿里背后的强化学习技术 2013 年,DeepMind 在 NIPS 大会上发表的一篇深度强化学习的文章,一举惊艳了学术界.2016 年 1 月,AlphaGo 在一场围棋大赛中击败李世乭吸引全世界的目光,其背后的强大武器正是深度强化学习技术.同年年底,2016NIPS 最佳论文奖也颁给了解决深度强化学习泛化能力较弱问题的论文. 随着深度学习的突破性进展,也促使强化学习的研究前景,重新获得了产业各界的关注.2016 年 8 月,在 ACM(国际计算机学会)会刊一篇名为<强化学习的复兴>的文

NASA计划后，阿里又透露了在强化学习领域的布局

日前,阿里启动了一项代号"NASA"的计划,动员全球两万多名科学家和工程师投身"新技术战略",预计面向未来20年组建强大的独立研发部门,建立新的机制体制,储备核心科技.而就在不久前,阿里的强化学习技术刚刚入选MIT评选的2017全球十大突破技术榜单,科技媒体"机器之心"的记者最近对阿里巴巴研究员徐盈辉进行了专访,请他详细介绍了阿里在该技术领域的思考.布局以及对未来的判断. 以下是报道全文: 2013 年,DeepMind 在 NIPS 大会上发表

专访阿里巴巴徐盈辉：深度学习和强化学习技术首次在双11中的大规模应用

12月6日-7日,由阿里巴巴集团.阿里巴巴技术发展部.阿里云联合主办,以"2016双11技术创新"为主题的阿里巴巴技术论坛(Alibaba Technology Forum,ATF)将在线举办.(https://yq.aliyun.com/promotion/139) 系列文章陆续发布: 专访阿里巴巴徐盈辉:深度学习和强化学习技术首次在双11中的大规模应用 专访阿里巴巴林伟:三项世界级挑战背后的思考.实践和经验 专访阿里巴巴魏虎:揭秘阿里双11背后的全站个性化&商铺千人千面 价