@MASTERSTHESIS{ 2018:1235588853,
 	title = {Uma estratégia baseada em modelos e algoritmos genéticos para otimizar arquiteturas de data centers},
 	year = {2018},
 	url = "http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/7858",
 	abstract = "É crescente, na sociedade, a preocupação com a sustentabilidade e os impactos ambientais causados pelo consumo e geração de energia. Existe uma grande pressão mundial para que empresas adotem práticas sustentáveis, não só pela economia  financeira decorrente da redução do consumo de energia, como pela conscientização do esgotamento dos recursos naturais para gerações futuras. Considerando o avanço da tecnologia, a sociedade vem necessitando de mais serviços interligados à Internet e, consequentemente, de infraestrutura para esses serviços, fator que impacta de maneira signi cativa no consumo de energia elétrica. Nos últimos anos, o crescimento da tecnologia vem demandando uma maior con abilidade, acessibilidade, colaboração, disponibilidade e redução de custos dos data centers, devido a fatores como redes sociais, computação nas nuvens e comércio eletrônico. Esses sistemas necessitam de toda uma infraestrutura com mecanismos de redundância para funcionar com alta disponibilidade, fato que implica num grande consumo de energia elétrica impactando na sustentabilidade e custo operacional. Este trabalho propõe a utilização de algoritmos genéticos multiobjetivos para otimizar custo, impacto ambiental e disponibilidade da infraestrutura de energia elétrica desses sistemas. O objetivo é maximizar a disponibilidade e minimizar o custo total e a exergia operacional (utilizada para estimar o impacto ambiental). Para se computar tais métricas são utilizados o Modelo de Fluxo de Energia (EFM), o Diagrama de Bloco de Con abilidade (RBD) e a Rede de Petri Estocástica (SPN). Dois estudos de caso são conduzidos: (i) leva em consideração 5 arquiteturas tópicas de data centers para mostrar a aplicabilidade e validação da estratégia proposta; (ii) utiliza a estratégia de otimização em quatro arquiteturas classi cadas pela norma ANSI/TIA-942 (TIER I à TIER IV). Em ambos estudos de caso, observou-se uma melhora signi cativa nos resultados que  caram bem próximos ao ótimo que foi obtido por um algoritmo de forçaa bruta que analisa todas as possibilidades e retorna a solução ótima. Vale ressaltar que o tempo utilizado para se obter as respostas utilizando a abordagem com algoritmo genético foi signi cativamente inferior (6.763.260 vezes) se comparado a uma estratégia que combina todas as possibilidades para obter o resultado ótimo.",
 	publisher = {Universidade Federal Rural de Pernambuco},
 	scholl = {Programa de Pós-Graduação em Informática Aplicada},
 	note = {Departamento de Estatística e Informática}
}