محسن معتمدی - دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد دولت آباد، گروه کامپیوتر، اصفهان، ایران
ریحانه خورسند - استادیار، دانشگاه آزاد اسلامی واحد دولت آباد، گروه کامپیوتر، اصفهان، ایران

رایانش ابری مدلی رایانشی بر پایه شبکه های بزرگ کامپیوتری مانند اینترنت است که الگویی جدید و مستقل از مکان را برای عرضه، مصرف و تحویل سرویس های فناوری اطلاعات شامل سخت افزار، نرمافزار و داده ها به صورت اشتراکی ارائه می کند. رایانش ابری به کاربران اجازه می دهد که منابع را از فراهم کنندگان ابر بر طبق تقاضای خود اجاره کنند و به همان اندازه نیز برای آن پول پرداخت کنند. امروزه با توسعه زیرساخت های ارتباطی، برنامه های کاربردی تحت ابر خیلی مورد توجه قرار گرفته اند. برنامه های کاربردی تحت ابر بر صدها تا هزاران کاربر اجازه می دهد تا با یک دنیای پویای مجازی و بزرگ تعامل داشته باشند. نرخ ورود کاربران به محیط برنامه معتبر است و کاربران معمولا سرویس هایی را انتظار دارند که همیشه با توافقات سطح سرویس قابل قبولی، به خصوص در مورد خصوصیات کیفی زمان پاسخ و هزینه در دسترس باشند. بنابراین مدیریت خودمختار منابع در رویارویی با تغییرهای بار کاری و پویایی در ورود کاربران، موضوعات چالش برانگیز هستند. یکی از چالش های بسیار مهم در این زمینه تامین منبع پویا و اختصاص آن به خواست های کاربران است. در این پایان نامه یک رویکرد تامین منبع پویا مبتنی بر پیشگویی بارکاری در محیط رایانش ارائه می شود. ایده ی کلیدی این است که در ابتدا بارکاری برنامه کاربردی با استفاده از شبکه عصبی GMDH پیشگویی می شود. سپس مبتنی بر بار کاری پیش بینی شده و توافقات سطح سرویس کاربر، یک الگوریتم تصمیم گیری مقیاس بندی خودکار فازی برای محاسبه تعداد مناسب منابعی که باید به برنامه اختصاص داده شوند معرفی می شوند. در نهایت سودمندی روش پیشنهادی تحت بارکاری واقعی ارزیابی می شود.

محاسبات ابری، تامین منبع پویا، شبکه عصبی GMDH، روش تصمیم گیری فازی