بهبود الگوریتم های کشف منبع در گریدهای فوق کلان مقیاس

گریدهای فوق کلان مقیاس، نسلی تازه از سامانه های نر مافزاری توزیعی هستند که از نظر سایز و اندازه بسی فراتر از سامانه های امروزی بوده؛ ضرورات نامتمرکزند، رشدی مستمر و مؤلفه های ناهمگن دارند .در این سامانه ها، کشف منبع، مهم ترین و اساس یترین مراحل مدیریتی منابع است که در طرح های فراوانی موردتوجه قرار گرفته تا منابع متناسب با نیازهای کاربردی کاربران را یافته و مسیر مناسب به آن راآدرس دهی کند.لذا یافتن کوتاه ترین مسیر به منظور دستیابی به منبع مناسب یکی از ضروریات این سامانه هاست؛ که در عین سادگی بتواند بیشترین کارآیی را ازنظر فاکتورهایی نظیر مقیاس پذیری، افزایش سرعت، کاهش ترافیک و غیره داشته باشد .الگوریتم پیشنهادی، نه تنها دارای قابلیت هایی نظیر سرعت و مقیاس پذیری و کشف منبع مناسب است، بلکه با استفاده از درخت باینری به همراه الگوریتم ژنتیک توانسته به بهبود بیشتر این قابلیت ها بپردازد .درخت باینری مورد استفاده محدودیت های فضای موجود در الگوریتم های قبلی را رفع کرده ودر نهایت با ارزیابی های انجام شده نشان داده می شود که الگوریتم پیشنهادی به میزان قابل توجهی سرباری های حافظه و زمان اجرا را بهبود بخشیده است

Keywords:

سامانه های فوق کلان مقیاس , کشف منبع , درخت باینری , قابلیت اطمینان , الگوریتم ژنتیک , محاسبات گرید