Ein systematischer Ansatz zur Verbesserung der Cloud-Leistung durch GA-gesteuerte adaptive Ressourcenzuordnungsstrategien

In den letzten zehn Jahren hat sich Cloud-Computing zu einem prominenten Studienfeld entwickelt, das über das Internet skalierbare Rechenleistung bereitstellt. Aufgrund der umfangreichen Akzeptanz und des gleichzeitigen Anstiegs der Nachfrage erlebt eine Cloud-Umgebung oft Spitzenlasten. Daher müssen Algorithmen entwickelt werden, die ein effizientes Lastenmanagement in Echtzeit ermöglichen und sich dynamisch an Schwankungen der Arbeitslast anpassen. Unter diesen Techniken haben genetische Algorithmen (GAs), inspiriert von den Prozessen der natürlichen Evolution, an Bedeutung gewonnen. Solche Algorithmen nutzen den Prozess der natürlichen Selektion, um Lösungen zur Leistungsoptimierung zu generieren, zu kombinieren und zu verbessern. Forscher untersuchen kontinuierlich diese verschiedenen auf GAs basierenden Techniken, um deren Effektivität zu bewerten, die Nachteile zu identifizieren und ihren Einfluss auf wichtige Leistungskennzahlen wie Antwortzeit, Ressourcennutzung, Energieverbrauch und die Gesamtleistung des Systems zu bewerten. In diesem Kontext wurde ein verbessertes und neues hybrides Modell vorgeschlagen, das adaptive Ressourcenzuordnung mit genetischen Algorithmen kombiniert, um ein besseres Lastenmanagement zu ermöglichen.