典型文献
基于LSTM和GRNN的容器配额优化算法
文献摘要：
为了实现容器配额设置自动化和集群资源利用最大化,本文设计了一种容器配额优化算法.本文在长短期记忆(Long Short-Term Memory,LSTM)神经网络和广义回归神经网络(Generalized Regression Neural Network,GRNN)的基础上设计了深度神经网络(Long short-term memory and GRNN Network,LGN),并使用改进量子粒子群算法优选网络结构超参数,以实现自动调参和更快的收敛速度.容器配额优化算法步骤如下:首先根据历史数据使用LGN训练资源容量模型,然后使用改进的量子粒子群算法优化模型参数,最后使用资源容量模型计算容器配额.通过与谷歌容器垂直自动扩展器(Vertical Pod Autoscaler,VPA)和水平自动扩展器(Horizontal Pod Autoscaler,HPA)生成的配额进行对比发现,本文提出的优化算法较VPA和HPA降低了至少10％的资源分配总量,同时提升了至少6％的资源利用率.
文献关键词：
容器配额;容量模型;广义回归神经网络;长短期记忆神经网络;量子粒子群算法
中图分类号：
作者姓名：
周泓岑;白恒;才振功;蔡亮;顾静;汤志敏
作者机构：
浙江大学软件学院,浙江宁波315000;阿里巴巴集团,浙江杭州310000
文献出处：
引用格式：
[1]周泓岑;白恒;才振功;蔡亮;顾静;汤志敏-.基于LSTM和GRNN的容器配额优化算法)[J].电子学报,2022(02):366-373
A类：
容器配额,Autoscaler
B类：
GRNN,Long,Short,Term,Memory,广义回归神经网络,Generalized,Regression,Neural,Network,深度神经网络,short,term,memory,LGN,改进量子粒子群算法,算法优选,超参数,自动调参,收敛速度,算法步骤,历史数据,数据使用,资源容量,容量模型,算法优化,扩展器,Vertical,Pod,VPA,Horizontal,HPA,资源分配,资源利用率,长短期记忆神经网络
AB值：
0.293793
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
