رویکردی کارآمد از الگوریتم ژنتیک برای زمانبندی کارها در محیط محاسبه ابری
Publish place: The first international conference of modern research engineers in electricity and computer
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,120
This Paper With 10 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:
CBCONF01_0310
Index date: 6 September 2016
رویکردی کارآمد از الگوریتم ژنتیک برای زمانبندی کارها در محیط محاسبه ابری abstract
محاسبات ابری به تازگی به یک حوزه تبدیل شده است و به عنوان یک واقعیت تجاری در دامنه تکنولوژی اطلاعاتپدیدار شده است. محاسبات ابری نشان دهنده مکمل،مصرف و مدل تحویل برای سرویس های IT است. زمانبندیسرویس های ابری توسط ارائه دهندگان سرویس به مصرف کنندگان به سود هزینه این نوع از محاسبات تاثیر می گذارد.در چنین سناریویی، کارها باید به طور موثری زمانبندی شده باشند که هزینه اجرا و زمان بتواند قابل کاهش باشد. در اینمقاله، ما یک روش فرا اکتشافی بر اساس زمابندی مطرح می کنیم که، زمان اجرا و هزینه و اجرا را به خوبی به حداقل میرساند. الگوریتم ژنتیک بهبود یافته از طریق ادغام دو الگوریتم زمانبندی موجود برای زمابندی کردن کارها با درنظر گرفتنپیچیدگی محاسبات و محاسبه ظرفیت عناصر پردازش توسعه یافته است. نتایج تجربی نشان می دهد که، الگوریتمپیشنهادی عملکرد خوبی را ارائه کرده است.
رویکردی کارآمد از الگوریتم ژنتیک برای زمانبندی کارها در محیط محاسبه ابری Keywords:
رویکردی کارآمد از الگوریتم ژنتیک برای زمانبندی کارها در محیط محاسبه ابری authors
پوریا شیرمحمدی
دانشجوی کارشناسی ارشد نرم افزار موسسه آموزش عالی کارون
سمیره خمیسی
دانشجوی کارشناسی ارشد نرم افزار موسسه آموزش عالی کارون
پگاه نصیری
دانشجوی کارشناسی ارشد نرم افزار موسسه آموزش عالی کارون
مهدی صادق زاده
دکتری هوش مصنوعی و عضو هیئت علمی دانشگاه آزاد اسلامی واحد ماهشهر
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 :