ندا خیبرنیا - گروه کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران
فراز فروتن - گروه کامپیوتر، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران

در محیط رایانش ابری، منابع می توانند به صورت پویا با توجه به درخواست های کاربران ارائه داده شوند. مقدار منابع ارائه شده در طول زمان اجرا با توجه به تغییرات حجم درخواست ها تعیین می شوند. تصمیم کیری برای مقدار مناسب منابع موردنیاز برای اجرای سرویس های ابری بی اهمیت نیست و بستگی به حجم کاری فعلی سرویس های ابری دارد. بنابراین، پیش بینی درخواست های آینده برای تامین منابع به صورت خودکار به منظور جلوگیری از نوسانات سرویس های ابری نیاز است. در این پژوهش، از تامین پویای منابع ابری برای سرویس دهی به کاربران استفاده شده است. و هدف این بوده است که، با توجه به میزان درخواست های کاربران، منابع موردنیاز آن ها درست و به موقع تامین شوند. روش پیشنهادی حدود 1.7 درصد نرخ بهره وری بیشتری داشته است و همچنین روش پیشنهادی حدود 46 درصد کمتر قراردادهای SLA را نقض کرده است. که این باعث کاهش نرخ تخطی از توافقات سطح سرویس و کاهش هزینه اجاره ماشین های مجازی می شوند. نتایج شبیه سازی روش پیشنهادی با نرم افزار کلودسیم و بهبود کارایی روش پیشنهادی با استفاده از الگوریتم مارکوف ترکیبی نشان داده می شود.

رایانش ابری، تامین منابع، یادگیری تقویتی، تامین پویای منابع، مدل مارکوف ترکیبی