普尼特·古普塔（编辑）;马扬克·库马尔·戈亚尔（编辑）;查克拉波蒂，苏台什纳（编辑）;艾哈迈德·埃尔恩加尔。（编辑） 用于云优化的机器学习和优化模型。 （英语） Zbl 1487.68014号 查普曼和霍尔/分布式计算和智能数据分析系列佛罗里达州博卡拉顿：CRC出版社（ISBN 978-1-032-02820-0/hbk；978-1-03-2024-8/pbk；978-1-003-18537-6/电子书）。xiv，204页。(2022). 出版商描述：云计算中的机器学习和优化模型的主要目标是以高质量的服务、最少的计算时间和高可靠性来满足用户的需求。随着通过云提供商迁移服务的增加，云上的负载增加，导致出现故障，系统中的各种安全故障导致可靠性降低。为了满足这一需求，云系统使用智能元启发式和预测算法，以高效的方式向用户提供资源，以管理系统的性能并规划即将到来的请求。智能算法有助于系统实时预测并找到适合云环境的资源，计算复杂度最低，同时考虑到系统在欠载和过载条件下的性能。本书讨论了使用人工智能、深度学习技术和其他混合模型来提高云性能的未来改进和可能的智能优化模型。已经提出了各种增强云服务方向性的方法，这些方法将使云能够向用户提供更好的服务、性能和服务质量。它讨论了下一代智能优化和故障模型，以提高云的安全性和可靠性。主要功能●全面介绍云架构及其服务模型。●云SAAS、PAAS和IAAS中的漏洞和问题●使用元神经、人工智能和ML模型优化云计算性能的基本问题●详细研究多层云中的优化技术和故障管理技术。●使用自然启发算法和人工神经网络提高云中可靠性和故障的方法。●基于人工智能的云优化算法的高级研究●一种在云中使用神经网络的高效虚拟机布局方法●使用元启发式算法的任务调度方法。●机器学习和深度学习的研究启发了故障感知环境中云的资源分配算法。本书旨在为研究生学位或研究生培养研究兴趣和动机。它旨在为研究人员提供一项关于云优化算法的研究，以便他们了解人工智能时代云计算的未来。本卷的文章不会单独编入索引。 MSC公司： 68-06 与计算机科学有关的会议记录、会议、收藏等 68米11 互联网主题 68平方米 计算机系统环境下的性能评估、排队和调度 68T05型 人工智能中的学习和自适应系统 90 C59 数学规划中的近似方法和启发式 00B15号机组 杂项特定利益物品的收集 PDF格式BibTeX公司 XML格式引用 \textit{P.Gupta}（ed.）等人，云优化的机器学习和优化模型。佛罗里达州博卡拉顿：CRC出版社（2022；Zbl 1487.68014） 全文： 内政部