رویکرد جدید برای حل مسئله زمانبندی کارها در محیط محاسبات ابری با استفاده از ترکیب الگوریتم ژنتیک و جستجوی حرام

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 830

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

COMPUTER01_210

تاریخ نمایه سازی: 22 مهر 1394

چکیده مقاله:

مسئله زمانبندی کارها در محیط محاسبات ابری، چالش مهمی است که تاثیر مستقیمی بر روی کیفیت سرویس ارائه شده در آن دارد. زمانبندی کار فرایند نگاشت کارها به منابع در دسترس بر پایه نیازمندی ها و ویژگی کارها است. مسئله زمانبندی کار در رایانش ابری، یک مسئله بسیار مهم و از رده مسائل Np محسوب می شود که سعی دارد یک زمانبندی بهینه برای اجرای وظایف و تخصییص بهینه منابع مشخص نماید به شکلی که در زمان کمتر کارهای بیشتری را بتوان پردازش کرد. برای حل مسئله زمانبندی کارها در محاسبات ابری، تاکنون الگوریتم های مختلفی ارائه شده است. در این مقاله یک الگوریتم ترکیبی برای بهبود مساله زمانبندی کارها در لایه زیرساخت محاسبات ابری، براساس الگوریتم تکاملی ژنتیک و همچنین الگوریتم جستجوی حرام ارائه شده است. نتایج تجربی نشان داده است که الگوریتم پیشنهادی از کارایی بالایی برخوردار است و توانسته یک توازن بین معیارهای کاربران بوجود آورد.

نویسندگان

فرشته حبیبی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد ساری

همایون موتمنی

هیئت علمی گروه کامپیوتر، دانشگاه آزاد اسلامی واحد ساری

فرهاد رمضانی

هیئت علمی گروه کامپیوتر، دانشگاه آزاد اسلامی واحد ساری

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Mell. P and Grance. T, The NIST Definition of Cloud ...
  • Sun. H et al., Research and Simulation of Task Scheduling ...
  • Brent. R.P, Efficient implementation of the First-Fit Strategy for Dynamic ...
  • Nurmi. D et al., The Eucalyptus Open-source C _ oud-computing ...
  • Braun. T.D et al., A Comparison of Eleven Static Heuristic ...
  • Bhoi. U and Ramanuj. P.N, Enhanced Max-min Task Scheduling Algorithm ...
  • Kumar. P and Verma. A, Scheduling Using Improved Genetic Algorithm ...
  • Song. X et al., Job scheduling based _ ant colony ...
  • Abdullah. M and Othman. M, Simulated Annealing approach to cost-based ...
  • Falco. I.D et al., Improving search by incorporating evolution principles ...
  • نمایش کامل مراجع