استفاده از الگوریتم نیروی گرانشی جهت بهینهسازی تخصیص منابع در محاسبات ابری

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 490

This Paper With 10 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

STCONF02_011

تاریخ نمایه سازی: 10 تیر 1396

Abstract:

رایانش ابری نمونهی پردازش توزیع شده در مقیاس بزرگ میباشد که در آن مجموعه ای از منابع رایانش برای کاربران (که مصرف کنندگان ابر نامیده می شوند) از طریق اینترنت در دسترس قرار میگیرد منابع رایانش به عنوان مثال قدرت پردازش ذخیره سازی نرم افزار و پهنای باند شبکه برای کاربران ابر به عنوان خدمات اجتماعی در دسترس عموم ارایهمیشوند مدیریت بهینه منابع یکی از مهمترین مسایل در این حوزه میباشد بهینه سازی مصرف منابع در رایانش ابری یکی از روشهای کاهش هزینهها میباشد در این مقاله با استفاده از الگوریتم جستجوی گرانشی بهینه سازی منابع در رایانش ابر مورد بررسی قرار گرفته و تحلیل شده است و در نهایت چالشها برای این موضوع ارا یه شده اند برای نشان دادن کاراییالگوریتم پیشنهادی این الگوریتم با الگوریتم کلونی مورچگان ( ACO ) مقایسه شده است نتایج تجربی نشان می دهد که الگوریتم پیشنهادی از کارایی بالاتری نسبت به الگوریتم مورد مقایسه برخوردار است

Authors

بهاره هادینژاد امیری

دانشگاه آزاد اسلامی، واحد آیت الله آملی، گروه مهندسی کامپیوتر، آمل، ایران

حمید توکلایی

دانشگاه آزاد اسلامی، واحد آیت الله آملی، گروه مهندسی کامپیوتر، آمل، ایران

محمد مهدی حسنی

دانشگاه آزاد اسلامی، واحد آیت الله آملی، گروه مهندسی کامپیوتر، آمل، ایران

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 :
  • Choubey, R., Dubey, R., & Bhattacharjee, J. (2011). A Survey ...
  • Li, L. (2009). An optimistic differentiated service job scheduling system ...
  • F. Durao, J. F. S. Carvalho, A. Fonseka, V. C. ...
  • Linthicum, D. S. (2009). Cloud computing and SOA convergence in ...
  • Boroujerdi, M. M., & Nazem, S. (2009). Cloud computing: changing ...
  • Buyya, R., Yeo, C. S., & Venugopal, S. (2008). M ...
  • X. Yang et al., 2 Cloud computing in e-Science: research ...
  • S. Singh, I. Chana, "QRSF: QoS-aware resource scheduling framework in ...
  • Liu, K., et al. (2010). "A compromi sed-time-cost scheduling algorithm ...
  • Pandey, S., Wu, L., Guru, S. M., & Buyya, R. ...
  • Lin, C, & Lu, S. (2011). Scheduling scientific workflows elastically ...
  • Wu, Z., Liu, X., Ni, Z., Yuan, D., & Yang, ...
  • Varalakshmi, P., Ramaswamy, _ B al asubramanian, _ & Vijaykumar, ...
  • I. A. Moschakis, H. D. Karatza, "Evaluation of gang scheduling ...
  • Verma, A., & Kaushal, S. (2012). Deadline and budget distribution ...
  • Bittencourt, L. F., & Madeira, E. R. M. (2011). HCOC: ...
  • Z. Wu, X. Liu, Z. Ni, _ Yuan, Y. Yang, ...
  • _ _ Ergu, G. Kou, Y. Peng, Y. Shi, Y. ...
  • S. Ho sseinimotlagh, F. Khunjush, R. Samadzadeh, "SEATS: smart energy-awar ...
  • نمایش کامل مراجع