Подход к использованию нейронных сетей обнуления для решения задачи управления ресурсами распределенной динамической вычислительной сети
DOI:
https://doi.org/10.47813/2782-2818-2023-3-4-0301-0310Ключевые слова:
управление ресурсами, распределенные динамические вычислительные системы, динамическое управление частотой и напряжением, нейронные сети обнуления, выбросы углекислого газа, энергопотребление, оптимизация, вычислительные задачи, ресурсоэффективность, энергопотреблениеАннотация
Настоящее исследование фокусируется на разработке и оптимизации подхода управления ресурсами в распределенных динамических вычислительных системах. Мы представляем новый гибридный метод, комбинируя динамическое управление частотой и напряжением с использованием нейронных сетей обнуления (НСО) для минимизации выбросов углекислого газа и снижения энергопотребления. Исследование включает систематические эксперименты, в ходе которых анализируется структура и параметры НСО для минимизации ошибок. Применение метода на реальных данных вычислительной сети NorduGRID продемонстрировало его эффективность, снижая выбросы CO2 на 9,4% за 30 дней при сохранении требуемой производительности. и является значимым вкладом в область развития энергоэффективных вычислительных систем. Проведены эксперименты на крупных вычислительных системах, включая более 2,7 миллиарда узлов с использованием реальных данных о выбросах углекислого газа. Полученные результаты подчеркивают перспективность гибридных подходов и использование нейронных сетей для оптимизации управления ресурсами в динамических вычислительных средах. Наш метод обеспечивает устойчивое и энергоэффективное выполнение вычислительных задач в условиях ограниченных ресурсов и является значимым вкладом в область развития энергоэффективных вычислительных систем. Разработанный подход предоставляет перспективы для оптимизации работы вычислительных систем, учитывая динамичный характер современных вычислительных задач и ограниченные ресурсы энергопотребления.
Библиографические ссылки
Bryukhanova E.R., Antamoshkin O.A. Minimizing the carbon footprint with the use of zeroing neural networks. The European Proceedings of Computers and Technology. 2023. DOI:10.15405/epct.23021.20
Брюханова Е.Р., Антамошкин О.А. Адаптивное управление ресурсами распределенных динамических вычислительных систем на базе аппарата обнуляющей нейронной сети. Системы управления и информационные технологии. 2023; 3(93): 91-96.
Брюханова Е.Р. Антамошкин О.А. Обобщенная экологическая модель динамической распределенной вычислительной системы. Моделирование, оптимизация и информационные технологии. 2023; 11(4). Доступно по: https://moitvivt.ru/ru/journal/pdf?id=1439 DOI: 10.26102/2310-6018/2023.43.4.002
Shaikh M.B., Waghmare Shinde K., Borde S. Challenges of Big Data Processing and Scheduling of Processes Using Various Hadoop Schedulers: A Survey. Int. J. Multifaceted Multiling. Stud. 2019; III: 1-6.
Reddy G., Kumar S. MACO-MOTS: Modified Ant Colony Optimization for Multi Objective Task Scheduling in Cloud Environment. International Journal of Intelligent Systems and Applications. 2019; 11(1): 73-79. DOI:10.5815/ijisa.2019.01.08
Biswas D., Samsuddoha M., Asif M.R.A., Ahmed M.M. Optimized Round Robin Scheduling Algorithm Using Dynamic Time Quantum Approach in Cloud Computing Environment. International Journal of Intelligent Systems and Applications. 2023; 15(1): 22-34. DOI:10.5815/ijisa.2023.01.03
Soltani N., Barekatain B., Soleimani Neysiani B. MTC: Minimizing Time and Cost of Cloud Task Scheduling based on Customers and Providers Needs using Genetic Algorithm. I.J. Intelligent Systems and Applications. 2021; 2: 38-51. DOI: 10.5815/ijisa.2021.02.03
Mohseni Z., Kiani V., Rahmani A. A Task Scheduling Model for Multi-CPU and Multi-Hard Disk Drive in Soft Real-time Systems. International Journal of Information Technology and Computer Science. 2019; 11(1): 1-13. DOI:10.5815/ijitcs.2019.01.01
REFERENCES
Bryukhanova E.R., Antamoshkin O.A. Minimizing the carbon footprint with the use of zeroing neural networks. The European Proceedings of Computers and Technology. 2023. DOI:10.15405/epct.23021.20 DOI: https://doi.org/10.15405/epct.23021.20
Bryukhanova E.R., Antamoshkin O.A. Adaptive resource management of distributed dynamic computing systems based on a zeroing neural network apparatus. Management systems and information technologies. 2023; 3(93): 91-96.
Bryukhanova E.R. Antamoshkin O.A. Generalized ecological model of a dynamic distributed computing system. Modeling, optimization and information technology. 2023; 11(4). Available by: https://moitvivt.ru/ru/journal/pdf?id=1439 DOI: 10.26102/2310-6018/2023.43.4.002
Shaikh M.B., Waghmare Shinde K., Borde S. Challenges of Big Data Processing and Scheduling of Processes Using Various Hadoop Schedulers: A Survey. Int. J. Multifaceted Multiling. Stud. 2019; III: 1-6.
Reddy G., Kumar S. MACO-MOTS: Modified Ant Colony Optimization for Multi Objective Task Scheduling in Cloud Environment. International Journal of Intelligent Systems and Applications. 2019; 11(1): 73-79. DOI:10.5815/ijisa.2019.01.08 DOI: https://doi.org/10.5815/ijisa.2019.01.08
Biswas D., Samsuddoha M., Asif M.R.A., Ahmed M.M. Optimized Round Robin Scheduling Algorithm Using Dynamic Time Quantum Approach in Cloud Computing Environment. International Journal of Intelligent Systems and Applications. 2023; 15(1): 22-34. DOI:10.5815/ijisa.2023.01.03 DOI: https://doi.org/10.5815/ijisa.2023.01.03
Soltani N., Barekatain B., Soleimani Neysiani B. MTC: Minimizing Time and Cost of Cloud Task Scheduling based on Customers and Providers Needs using Genetic Algorithm. I.J. Intelligent Systems and Applications. 2021; 2: 38-51. DOI: 10.5815/ijisa.2021.02.03 DOI: https://doi.org/10.5815/ijisa.2021.02.03
Mohseni Z., Kiani V., Rahmani A. A Task Scheduling Model for Multi-CPU and Multi-Hard Disk Drive in Soft Real-time Systems. International Journal of Information Technology and Computer Science. 2019; 11(1): 1-13. DOI:10.5815/ijitcs.2019.01.01 DOI: https://doi.org/10.5815/ijitcs.2019.01.01
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2023 Е. Р. Брюханова
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Журнал MIST - «Modern Innovations, Systems and Technologies» / «Современные инновации, системы и технологии» публикует материалы на условиях лицензии CreativeCommons Attribution 4.0 International (CC BY 4.0), размещенной на официальном сайте некоммерческой корпорации Creative Commons:
This work is licensed under a Creative Commons Attribution 4.0 International License.
Это означает, что пользователи могут копировать и распространять материалы на любом носителе и в любом формате, адаптировать и преобразовывать тексты, использовать контент для любых целей, в том числе коммерческих. При этом должны соблюдаться условия использования — указание автора оригинального произведения и источника: следует указывать выходные данные статей, предоставлять ссылку на источник, а также указывать, какие изменения были внесены.