A Mechanism Design and Deep Learning Approach for
Revenue Maximization on Cloud Dynamic Resource
Provisioning Systems

Τσιούρβας, Αστέριος; Tsiourvas, Asterios

dc.contributor.author	Τσιούρβας, Αστέριος	el
dc.contributor.author	Tsiourvas, Asterios	en
dc.date.accessioned	2020-05-11T20:00:11Z
dc.date.available	2020-05-11T20:00:11Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/50469
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.18167
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Υπολογιστικό Νέφος	el
dc.subject	Αλγοριθμική Θεωρία Παιγνίων	el
dc.subject	Δημοπρασίες	el
dc.subject	Εκτίμηση Παραμέτρων	el
dc.subject	Μηχανική Μάθηση	el
dc.subject	Cloud Computing	en
dc.subject	Algorithmic Game Theory	en
dc.subject	Auction Theory	en
dc.subject	Estimation of Parameters	en
dc.subject	Machine Learning	en
dc.title	A Mechanism Design and Deep Learning Approach for Revenue Maximization on Cloud Dynamic Resource Provisioning Systems	en
heal.type	bachelorThesis
heal.classification	Επιστήμη Υπολογιστών	el
heal.language	el
heal.language	en
heal.access	campus
heal.recordProvider	ntua	el
heal.publicationDate	2019-10-16
heal.abstract	Τα τελευταία χρόνια παρατηρείται σημαντική αύξηση στην ανάγκη για την επεξεργασία μεγάλου όγκου δεδομένων (Big Data). Για την επεξεργασία αυτών αναπτύχθηκαν νέες τεχνολογίες οι οποίες στις περισσότερες περιπτώσεις φιλοξενούνται σε διαμοιραζόμενους υπολογιστικούς πόρους, στα λεγόμενα υπολογιστικά νέφη.Οι περισσότεροι οργανισμοί που διαχειρίζονται μεγάλο όγκο δεδομένων επιλέγουν να μεταφέρουν τις εγκαταστάσεις τους από τοπικούς υπολογιστές και servers του οργανισμού, στα υπολογιστικά νέφη. Με τον τρόπο αυτό εξοικονομούν κέρδη, λαμβάνουν δυνατότητα κλιμάκωσης, διατηρούν τα δεδομένα τους ασφαλή και έχουν κάθε στιγμή την απαραίτητη τεχνική υποστήριξη από τον πάροχο. Μία υπηρεσία που παρουσίασε ραγδαία άνοδο τα τελευταία χρόνια είναι τα Spot Instances της Amazon. Με την υπηρεσία αυτή η Amazon θέτει σε χαμηλές τιμές αχρησιμοποίητες εικονικές μηχανές της. Οι χρήστες κάνουν τις προσφορές τους και λαμβάνουν τις μηχανές. Σε περίπτωση που προσφορά κάποιου νέου χρήστη είναι υψηλότερη από την τρέχουσα για τον ίδιο υπολογιστικό πόρο, τότε ο παλιός χρήστης ειδοποιείται και χάνει την εικονική μηχανή του. Μερικές εταιρείες που χρησιμοποιούν τη συγκεκριμένη υπηρεσία είναι: ΑOL, BloomReach, Mapbox, Moovit, Zillow, Novartis κ.α. Στο πλαίσιο της παρούσας διπλωματικής εργασίας μελετάμε το σύστημα κατανομής υπολογιστικών πόρων και καθορισμού τιμών για το σύστημα Spot Instances. Κύριος στόχος μας είναι να δημιουργήσουμε ένα σύστημα δυναμικής τιμολόγησης που θα μεγιστοποιεί τα έσοδα του παρόχου, ενώ παράλληλα θα δίνει κάποιες παραπάνω δυνατότητες στο χρήστη. Προκειμένου να λύσουμε το πρόβλημα βασιζόμαστε στην Αλγοριθμική Θεωρία Παιγνίων και πιο συγκεκριμένα στη Θεωρία του Σχεδιασμού Μηχανισμών και στις δημοπρασίες. Χρησιμοποιούμε προσεγγιστικούς αλγορίθμους, στοιχεία θεωρίας πιθανοτήτων για εκτιμήσεις παραμέτρων και νευρωνικά δίκτυα. Ελέγχουμε τις προσεγγίσεις τόσο σε συνθετικά δεδομένα όσο και σε πραγματικά. Στο τέλος καταλήγουμε σε μία πρόταση, η οποία δείχνει να είναι η πλέον συμφέρουσα με βάση πάντα τα αποτελέσματα των προσομοιώσεων, τα οποία παρουσιάζουμε αναλυτικά.	el
heal.advisorName	Κοζύρης, Νεκτάριος	el
heal.committeeMemberName	Φωτάκης, Δημήτριος	el
heal.committeeMemberName	Κοζύρης, Νεκτάριος	el
heal.committeeMemberName	Σταφυλοπάτης, Ανδρέας Γεώργιος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Τεχνολογίας Πληροφορικής και Υπολογιστών. Εργαστήριο Υπολογιστικών Συστημάτων	el
heal.academicPublisherID	ntua
heal.numberOfPages	142 σ.	el
heal.fullTextAvailability	false