ارائه ی الگوریتم چندهدفه ی زمانبندی وظایف در محاسبات ابری با استفاده از رویکرد تکاملی جهش ترکیبی قورباغه
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,261
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CBCONF01_0763
تاریخ نمایه سازی: 16 شهریور 1395
چکیده مقاله:
محاسبات ابری نوعی از سیستم های موازی و توزیع شده برای عرضه، مصرف و تحویل سرویس های فناوری اطلاعات بابه کارگیری اینترنت است. با افزایش تقاضا و مزایای زیرساخت های محاسبات ابری، انواع مختلفی از محاسبات را میتوان درمحیط ابر اجرا کرد و در نتیجه سرعت حرکت به سوی ابر در حال افزایش است. برای افزایش سرعت پاسخگویی و تضمینرضایت کاربران ابر، وظایف باید به شکل بهینه به ماشین های مجازی زمانبندی شوند. با توجه به غیر چندجمله ای-سختبودن مسئله ی زمانبندی وظایف، لزوم استفاده از الگوریتم های غیرقطعی و فرامکاشفه ای برای بهینه سازی زمانبندی وظایفدر زمانی منطقی آشکار میشود. در این مقاله، الگوریتم پیشنهادی بر اساس رویکرد تکاملی جهش ترکیبی قورباغه طراحیشده و برای زمانبندی وظایف در محاسبات ابری به کار گرفته شده است. الگوریتم پیشنهادی، وظایف را بر اساس مهلتاجرای آنها مرتبسازی میکند و پس از مشخص کردن تعداد ماشین های مجازی در دسترس، وظایف را بر اساس مهلتاجرا و به صورت دستهای با رویکرد جهش ترکیبی قورباغه به ماشین های مجازی نگاشت می کند. بنابراین، وظایف با مهلتاجرای کمتر، اولویت بیشتری برای تخصیص خواهند داشت و در نتیجه نرخ رضایت کاربران افزایش خواهد یافت. الگوریتمپیشنهادی در سناریوهای مختلف، با الگوریتم های موجود برای زمانبندی وظایف مقایسه شده و نتایج ارائه شده اند. بررسینتایج حاصل از شبیه سازی الگوریتم ارائه شده در کلاودسیم نشان می دهد که الگوریتم ارائه شده نتایج بهتری را نسبت بهالگوریتم های پیشین در زمینه ی پارامترهای حداکثر زمان تکمیل، متوسط زمان پاسخ و درجه ی نامتعادلی بار ارائه می دهد.
کلیدواژه ها:
نویسندگان
سهیلا علی پورگنجینه کتاب
گروه علوم کامپیوتر، دانشکده ریاضی و علوم کامپیوتر، دانشگاه تبریز
غفور علیپور
دانشگاه آزاد اسلامی، واحد هشترود، گروه مهندسی کامپیوتر، هشترود، ایران
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 :