زینب خداوردیان - گروه مهندسی کامپیوتر، موسسه آموزش عالی آیندگان، تنکابن، مازندران، ایران
حسین صدر - گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد رشت، گیلان، ایران
سیداحمد عدالت پناه - گروه مهندسی کامپیوتر، موسسه آموزش عالی آیندگان، تنکابن، مازندران، ایران

امروزه رشد گسترده محاسبات ابری موجب افزایش مصرف انرژی در مراکز داده شده است. به کارگیری تکنیک های کاهش مصرف انرژی جزو چالش های اصلی ارائه دهندگان سرویس های ابری است و شامل دو تکنیک پویا و ایستا می باشد. با به کارگیری تکنیک های ایستا در زمان ساخت مراکز داده، مصرف انرژی تا حدودی کاهش می یابد؛ با فزونی یافتن محاسبات ابری، به دلیل افزایش نیازمندی ها و درخواستهای کاربران برای استفاده از این منابع، مصرف کلی انرژی همچنان رو به رشد و چالش برانگیز است. یک راه حل موثر برای مقابله با این مسئله، استفاده از تکنیک های پویای کاهش مصرف انرژیست که از طریق تجمیع ماشین مجازی در حداقل سرور فیزیکی امکان پذیر خواهد بود. این کار از طریق مهاجرت زنده ماشین مجازی انجام می شود و انتخاب ماشین مجازی کاندیدای مهاجرت، یک گام اصلی در این تکنیک می باشد. برای اجرای آن در این مقاله از ترکیب شبکه عصبی پیچشی و واحد برگشتی دروازه دار ۳ بر اساس حجم کار ماشین های مجازی مایکروسافت ازور به عنوان مجموعه داده استفاده شده که منجر به تشخیص حساس به تاخیر بودن یا نبودن ماشین مجازی می شود. طبق ارزیابی نتایج حاصل از آزمایش ها، روش پیشنهادی دارای دقت بالاتری نسبت به سایر روش های موجود در انتخاب ماشین مجازی کاندیدای مهاجرت، می باشد.

تخصیص منابع، کاهش مصرف انرژی، مراکز داده ابری، انتخاب ماشین مجازی، شبکه عصبی پیچشی، واحد برگشتی دروازه دار.