Le 01/12/2017 par ehyon :

Lieu du stage : Université Paris Saclay/Télécom SudParis (à Evry),
Contacts : H. Castel http://www-public.tem-tsp.eu/~castel/ E. Hyon 
Niveau : stage de Master 2
Durée : 6 mois 
Financement : Indemnité selon les conventions en vigueur.

Sujet :
Ces dernières années, l’augmentation à la fois du nombre et de la taille des
centres de données(data-centers) qui gèrent un ensemble croissant de données et de services (cloud), pose un problème énergétique crucial.
Cette consommation peut être réduite car, pour assurer la qualité de service
des applications hébergées, les centres de données sont souvent généralement sur-dimensionnés. En vue d’améliorer le taux d’utilisation des serveurs, les centres de données ont déployé des systèmes de virtualisation dynamiques qui apportent la possibilité d’adapter les ressources (le nombre de machines virtuelles activées
sur le serveur) à la charge.

Le but de ce stage est de trouver un mode efficace de gestion dynamique des
ressources dans un système cloud afin de réduire sa consommation énergétique tout en conservant une qualité de service. Nous nous intéresserons plus particulièrement
aux politiques d’activation et désactivation des machines virtuelles.
Nous chercherons à optimiser un coût moyen et considérerons un problème d’optimisation stochastique pour le résoudre.

D'une part, nous utiliserons  des méthodes d’optimisation stochastique
classiques et les Processus de Décisions Markovien. D’autre part, on se
concentrera surtout sur les politiques à hysteresis et le calcul de la valeur
des seuils. On cherchera à adapter des techniques d’agrégation ou de borne sur
les coûts pour pouvoir appliquer des techniques d’optimisation combinatoire
classiques (« Branch and Bound » par exemple). Enfin, on cherchera des
approximations en faisant appel à des formalismes issus du domaine du «
revenue management »  et de la programmation linéaire.

Compétences requises  :  
Connaissances en  probabilités indispensables, et
l’une  des connaissances suivantes est requise (les compétences manquantes
seront acquises au cours du stage):
-Recherche Opérationnelle et Optimisation ;
-Chaîne de Markov et Files d’attente ;
-Processus de Décision Markovien et méthodes stochastiques pour
l’optimisation.