شبیه‌سازی تخصیص منابع در دیتاسنتر

شبیه‌سازی تخصیص و زمان‌بندی منابع در محیط ابری (دیتاسنتر با درنظر گرفتن تایپ منابع مختلف)، به کمک الگوریتم یادگیری عمیق a3c با هدف کاهش مصرف انرژی بر اساس مصرف منابع در هر لحظه. (دیتاست مربوطه شامل تایم ورود تسک، منابع لازم و زمان تقریبی انجام تسک است. دیتاست حجم زیادی ندارد نهایت یک گیگابایت) + توابع ارزیابی مدل مانند پیشرفت کسب ریوارد در تکرار‌های مختلف، احتمال اکشن‌ها، توزیع lossها و ... + مصرف منابع و زمان انجام کار‌ها، درصد تکمیل، مصرف انرژی و هزینه و ... +مکانیزم migration برای ایجاد load balancing و خاموش کردن منابع بلا استفاده. تعادل لودکاری سرورها به طوری که 85 درصد بیشتر مصرف نشود و منابع با 15 درصد مصرف با مکانیزم migration به صفر رسیده و خاموش گردند. انتخاب تسک برای مایگریشن نیز بر اساس تاثیر روی تعادل بار کاری ماشین‌ها است. + احتمال خرابی سرورها با درصد پایینی مثلا نیم‌درصد در هر اپیزود وجود داشته باشد و تسک‌های مربوط به ماشین خراب شده همراه میزان پیشرفت کار به صف انتظار انتقال پیدا کند. + مکانیزم ورود تسک‌ها fifo بوده و نیازی به مکانیزم خاصی برای انتخاب تسک‌ها هنگام ورود به سیستم وجود ندارد.