La fonctionnalité de recherche est en construction.
La fonctionnalité de recherche est en construction.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Robust Optimization Model for Primary and Backup Capacity Allocations against Multiple Physical Machine Failures under Uncertain Demands in Cloud Modèle d'optimisation robuste pour les allocations de capacité principale et de sauvegarde en cas de pannes de machines physiques multiples face à des demandes incertaines dans le cloud

Mitsuki ITO, Fujun HE, Kento YOKOUCHI, Eiji OKI

  • Vues en texte intégral

    0

  • Citer

Résumé:

Cet article propose un modèle d'optimisation robuste pour la protection probabiliste sous des demandes de capacité incertaines afin de minimiser la capacité totale requise contre de multiples pannes simultanées de machines physiques. Le modèle proposé détermine simultanément les allocations de machines virtuelles principales et de sauvegarde sous la garantie de protection probabiliste. Pour exprimer l'incertitude des demandes de capacité, nous introduisons un ensemble d'incertitudes qui prend en compte la limite supérieure de la demande totale ainsi que les limites supérieure et inférieure de chaque demande. La technique d'optimisation robuste est appliquée au modèle d'optimisation pour traiter deux incertitudes : l'événement de défaillance et la demande de capacité. Avec cette technique, le modèle est formulé comme un problème de programmation linéaire en nombres entiers mixtes (MILP). Pour résoudre des problèmes de plus grande taille, une heuristique de recuit simulé (SA) est introduite. En SA, nous obtenons les demandes de capacité en résolvant des problèmes de débit maximum. Les résultats numériques montrent que notre modèle proposé réduit la capacité totale requise par rapport au modèle conventionnel en déterminant simultanément les allocations de machines virtuelles principales et de sauvegarde. Nous comparons également les résultats de MILP, SA et d'un algorithme glouton de base. Pour un problème de plus grande taille, nous obtenons des solutions approchées en un temps pratique en utilisant SA et l'algorithme glouton.

Publication
IEICE TRANSACTIONS on Communications Vol.E106-B No.1 pp.18-34
Date de publication
2023/01/01
Publicisé
2022/07/05
ISSN en ligne
1745-1345
DOI
10.1587/transcom.2022EBP3024
Type de manuscrit
PAPER
Catégories
Réseau

Auteurs

Mitsuki ITO
  Kyoto University
Fujun HE
  Kyoto University
Kento YOKOUCHI
  Kyoto University
Eiji OKI
  Kyoto University

Mots-clés

Table des matières