MétaCan
Menu
Retour à la cohorte
Enregistrement W2401996179 · doi:10.1504/ijmheur.2015.074245

An iterated local search approach for carbon footprint optimisation in an intercloud environment

2015· article· en· W2401996179 sur OpenAlexaff
Valerie Danielle Justafort, Ronald Beaubrun, Samuel Pierre

Notice bibliographique

RevueInternational Journal of Metaheuristics · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueCloud Computing and Resource Management
Établissements canadiensUniversité LavalPolytechnique Montréal
Organismes subventionnairesAmerican Society of Heating, Refrigerating and Air-Conditioning Engineers
Mots-clésComputer scienceCarbon footprintIterated local searchVirtual machineMathematical optimizationWorkloadReduction (mathematics)HeuristicIterated functionLocal search (optimization)AlgorithmMathematicsGreenhouse gasArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

In this paper, we address the problem of virtual machine (VM) placement in an InterCloud with regard to the reduction of the environmental impact of such environment. We propose a mathematical formulation based on a smart workload consolidation method and a cooling maximisation technique that considers the dynamic behaviour of the cooling fans. As the virtual machine placement problem (VMPP) is classified as an NP-hard problem, we propose an implementation of the iterated local search (ILS) algorithm, ILS_CBF, in order to find good solutions in a reasonable time. Computational results allow to identify the parameters that reduce the carbon footprint costs. The comparison of the proposed heuristic with the exact method and other algorithms demonstrate that the obtained costs are relatively close to the lower bounds, ranging from 0% to a maximum distance less than 2.6%, and allow a good tradeoff between the quality of the solution and the computational time.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,480
Score d'incertitude au seuil0,395

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,050
Tête enseignante GPT0,299
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of MetaheuristicsMême sujetCloud Computing and Resource ManagementTravaux en français237 207