Regression prediction algorithm for energy consumption regression in cloud computing based on horned lizard algorithm optimised convolutional neural network-bidirectional gated recurrent unit

要約

この論文では、畳み込みニューラル ネットワーク – 双方向ゲート型リカレント ユニットのツノトカゲ最適化アルゴリズムに基づいてデータ回帰アルゴリズムを最適化することにより、クラウド コンピューティングのエネルギー消費量の予測研究が実施されました。
まず、CPU、使用率、メモリ使用量、ネットワーク トラフィック、消費電力、実行された命令数、実行時間、エネルギー効率のスピアマン相関分析により、消費電力がエネルギー効率と最も高い正の相関関係を持っていることがわかりました。
エネルギー効率と最も高い負の相関関係があります。
実験では、ランダム フォレスト モデルと、ツノトカゲ最適化アルゴリズムに基づく最適化モデルをテスト用に導入しました。その結果、ランダム フォレスト モデルと比較して、最適化アルゴリズムの予測結果が優れていることがわかりました。
具体的には、最適化アルゴリズムの平均二乗誤差 (MSE) はランダム フォレスト モデルの平均二乗誤差 (MSE) より 0.01 小さく、平均絶対誤差 (MAE) はランダム フォレスト モデルの平均絶対誤差 (MAE) より 0.01 小さいです。3 結合されたメトリクスの結果は次のとおりです。
最適化アルゴリズムは、エネルギー効率の予測においてより正確かつ確実に実行されます。
この研究結果は、クラウド コンピューティング システムのエネルギー効率を向上させる新しいアイデアと方法を提供します。
この研究は、クラウドコンピューティング分野での適用範囲を拡大するだけでなく、システムのエネルギー利用効率の向上を強力にサポートします。

要約(オリジナル)

For this paper, a prediction study of cloud computing energy consumption was conducted by optimising the data regression algorithm based on the horned lizard optimisation algorithm for Convolutional Neural Networks-Bi-Directional Gated Recurrent Units. Firstly, through Spearman correlation analysis of CPU, usage, memory usage, network traffic, power consumption, number of instructions executed, execution time and energy efficiency, we found that power consumption has the highest degree of positive correlation with energy efficiency, while CPU usage has the highest degree of negative correlation with energy efficiency. In our experiments, we introduced a random forest model and an optimisation model based on the horned lizard optimisation algorithm for testing, and the results show that the optimisation algorithm has better prediction results compared to the random forest model. Specifically, the mean square error (MSE) of the optimisation algorithm is 0.01 smaller than that of the random forest model, and the mean absolute error (MAE) is 0.01 smaller than that of the random forest.3 The results of the combined metrics show that the optimisation algorithm performs more accurately and reliably in predicting energy efficiency. This research result provides new ideas and methods to improve the energy efficiency of cloud computing systems. This research not only expands the scope of application in the field of cloud computing, but also provides a strong support for improving the energy use efficiency of the system.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google