ارائه روشی نوین برای زمان بندی کار در محاسبات ابری با استفاده از الگوریتم های تکاملی
Publish place: The First National Conference on Computer Engineering and Information Technology of Payame Noor University
Publish Year: 1393
Type: Conference paper
Language: Persian
View: 2,428
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
FNCEITPNU01_052
Index date: 8 March 2015
ارائه روشی نوین برای زمان بندی کار در محاسبات ابری با استفاده از الگوریتم های تکاملی abstract
محاسبات ابری الگویی از محاسبات توزیع شده، مرکب از تعداد زیادی منابع و درخواست ها با هدف به اشتراک گذاری منابع به صورت سرویس بر روی بستر اینترنت می باشد. زمان بندی کار، فرایند نگاشت کارها به منابع در دسترس بر پایه نیازمندی ها و ویژگی کارها است. در محیط محاسبات ابری هر کاربر ممکن است برای اجرای هر کار، با صدها منابع مجازی روبرو شود. در این صورت، تخصیص کارها به منابع مجازی توسط خود کاربر غیرممکن می باشد. از این رو مسئله زمان بندی کار در رایانش ابری، یک مسئله بسیار مهم و از رده مسائل NP محسوب می شود. در واقع هدف مشخص کردن یک منبع پردازشی از مجموع منابعی است که یک کار برای پردازش به آن نیاز دارد به شکلی که کارهای کاربران در حداقل زمان ممکن و هزینه کمتر پردازش و اجرا شود. برای حل مسئله زمان بندی کارها در محاسبات ابری، تاکنون الگوریتم های مختلفی ارائه شده است. در این مقاله یک الگوریتم زمان بندی برای بهبود مساله زمان بندی کارها در لایه زیر ساخت محاسبات ابری، براساس الگوریتم تکاملی ژنتیک و همچنین الگوریتم جستجوی محلی ممنوعه ارائه شده است. نتایج تجربی نشان داده است که الگوریتم پیشنهادی از کارایی بالایی برخوردار است
ارائه روشی نوین برای زمان بندی کار در محاسبات ابری با استفاده از الگوریتم های تکاملی Keywords:
ارائه روشی نوین برای زمان بندی کار در محاسبات ابری با استفاده از الگوریتم های تکاملی authors
فرشته حبیبی
دانشجوی کارشناسی ارشد نرم افزار، 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 Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :