新一代的计算优化算法使得引入机器学习和深度学习机制。它有新的承诺改善现有的模式。云计算、物联网(物联网)和雾计算处理许多这样的优化模型可以改善和提高系统的性能。许多算法,比如任务分配、虚拟机调度、迁移算法,低功耗系统,信任模型和扩展算法在云计算的一些现有的算法。他们有一个伟大的系统性能改善的范围可以通过使用算法受自然和最新的预测算法。

然而,现有算法在云计算和雾计算遭受有限的计算能力,高能源成本,计算成本高、低利用率和效率无缩放功能。为了克服这些缺点,需要进一步的研究改进模型更好的性能。幸运的是,人工智能(AI)和机器学习(ML)技术将现有的模型提供了一个有前途的方式向下一代算法与预测方法。然而,人工智能的集成和ML和云边缘/雾技术仍然是一个关键问题需要深入的研究和调优。

这个特殊的问题旨在汇集原始研究和评论文章讨论优化云,物联网,和雾计算使用AI, metaheuristic方法,或者表面算法。这个特殊的问题是寻找任何优化模型,可以提高系统的性能使用新一代使用人工智能算法,深入学习,或混合算法。提交预计将讨论新方法和新兴研究领域。

潜在的主题包括但不限于以下:

• 优化算法SAAS(软件即服务)和PAAS(平台即服务)
• 毫升和基于ai的优化方法
• 优化在雾计算使用AI /毫升
• 在云和雾计算任务调度优化
• 云资源分配
• 云虚拟机优化
• 高效算法在云计算和雾计算
• 信任和断层清楚云计算和雾计算算法
• 云计算安全协议
• 云计算资源扩展
• 仿生算法调度云计算
• Heuristic-based算法在云计算
• 在云计算的可靠性
• 在云计算的体系结构和系统
• 混合云环境
• 在云数据中心网络和雾计算
• 大数据系统的容错性和可靠性计算云和雾