本篇论文讨论了云计算资源分配的核心问题，对计算资源、网络资源、能源消耗等多方面因素进行细致分析与探讨，为构建全面的、高效的、绿色可持续的云计算数据中心提供了参考。

Sep, 2013

本文通过使用机器学习优化技术，提出了一种创新的方法来解决云计算资源调度和管理中的复杂问题，通过对云环境中低资源利用率和负载不平衡等挑战的深入研究，本研究提出了包括深度学习和遗传算法等优化方法在内的全面解决方案，以提高系统性能和效率，从而在云计算资源管理领域带来新的突破和进展。合理分配资源在云计算中起着至关重要的作用。

Feb, 2024

本文提出了基于 SLA 的资源管理的构想、挑战和架构元素，支持市场提供策略和虚拟化技术的集成，用于灵活地为应用程序分配资源。通过我们的工作原型系统获得的性能结果显示了基于 SLA 的资源提供的可行性和有效性。

Jan, 2012

通过一种名为统一回归建模（URegM）的框架，本文旨在预测代码异味重构对云资源使用的影响，实验结果表明 URegM 能够准确预测由于代码异味重构而带来的资源消耗，从而使云服务提供商能够更有效地进行资源配置和代码重构。

Oct, 2023

本文综合论述了云网络资源管理中经济和定价模型的应用。该文概述了使用经济和定价模型进行资源管理的适应性算法与协议的开发，并探讨在边缘计算中使用定价策略的多种激励机制。此外，该文考虑使用定价模型在基于云的软件定义无线网络中。最后，我们强调了将经济和定价模型应用于云网络的重要挑战、开放问题和未来研究方向。

Jan, 2017

移动终端云计算迁移技术在满足计算机和云计算技术演进需求方面的重要性，以及云计算迁移技术对于扩展云计算服务的贡献，机器学习技术在解决云计算中资源分配和虚拟机迁移挑战方面的重要性。

Mar, 2024

本文探讨了数据驱动资源管理系统在分布式计算系统中的应用及其挑战所在，并提供了一个概念性的数据驱动 RMS 模型，并以 GPU 频率调节和互联网数据中心资源管理两个实时案例证明该方法是可行的。

Jun, 2020

本研究综述了基于人工智能的各种优化分配方法，涵盖云计算、车辆雾计算、物联网、5G 网络、点对点网络、深度强化学习等各种计算环境，并介绍了基于深度学习的资源分配方法。

Mar, 2022

此研究探讨了一个多用户移动云计算系统中的任务离线决策、资源分配等问题，并且通过提出有效算法使用计算接入点 (CAP) 来优化整个系统的能量、计算和时延成本，从而带来了相当的成本效益。

Mar, 2018

研究提出一种基于深度强化学习的层次化框架，用于云计算系统中的资源分配和电源管理问题，采用自动编码器和权重共享结构，以解决高维状态空间问题，采用 LSTM 建模工作负载预测，并采用分布式方式操作的无模型 RL 电源管理器处理本地部分问题。

Mar, 2017