تخصيص منابع در محيط ابري با استفاده از قابليت هاي اتوماتاي يادگير

در رايانش ابري سعي مي شود با مديريت اجراي درخواستها، هزينه هاي عملياتي مانند انرژي مصرفي در مركز داده ها و هزينه نگهداري تجهيزات شبكه كاهش يابد. لذا نحوه مديريت ماشين هاي مجازي و منابع در كنار سياست هاي زمانبندي كارها و درخواست ها به عنوان يك موضوع مهم در كارايي رايانش ابري مطرح است. يك زمانبندي نامناسب ممكن است براي دنباله اي از درخواستها تعداد زيادي از منابع را درگير كند، در حاليكه يك زمانبندي مناسب قادر خواهد بود تا تعداد درخواست هاي بيشتري را با همان ميزان از منابع مديريت نمايد. در اين مقاله سعي داريم با استفاده از قابليتهاي اتوماتاي يادگير و الگوي رفتاري يك ابر در بارهاي كاري مختلف، عملكرد الگوريتم زمانبندي را به صورت تطبيقي بهبود داده و يك رويكرد مناسب براي مديريت بهتر منابع ارائه دهيم.