ارایه رویکردی برای تامین منابع درمحیط رایانش ابری سیار
Publish place: Third National Conference on Electrical and Computer Engineering Distributed Systems and Smart Grids
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 343
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ELECONFK03_121
تاریخ نمایه سازی: 11 مرداد 1396
Abstract:
بحث تامین منابع دررایانش ابری سیار یکی ازچالشهای مهم دراین زمینه می باشدهمواره صرفه جویی درمنابع برای کاهش هزینه های مشتری سیار و درنتیجه رضایتمندی آن یکی ازاهداف مهم برای تامین کننده های خدمات ابر سیار می باشد تاکنون الگوریتم های فراوانی برای این منظور ارایه شده است یکی ازاین راه حلها میتواند پیش بینی منابع بصورت پویا برای مشتری سیار باشد پیش بینی منابع پویابه دورورش واکنشی و پیش کنشی انجام میگیرد درروش واکنشی همانگونه که ازلغت آن برمی اید به محض درخواست مشتری سیار اینمنابع توسط تامین کننده خدمات ابرسیاره دراختیارمشتری سیارقرار میگیرد و درروش پیش کنشی منابع باتوجه به استراتژی والگوریتمتعیین شده درتامین کننده منابع ابرسیار ازقبل منابع پیش بینی شده و به مشتری سیاراختصاص داده میشود هدف ازاین مقاله ارایه راهکاری کارامد براساس روش تامین منابع پویا پیش کنشی در محیط ابر سیار مبتنی بر الگوریتم مدل مخفی مارکوف برای مشتری سیار میباشد که بتوانند زمان استفاده مشتری سیار از تامین کننده منابع ابر سیار را نسبت به الگوریتم مدل شبکه های عصبی مصنوعی کمتر میکند در نتیجه منجر به کاهش هزینه استفاده از محیط ابر سیار و نهایتا رضایتمندی بیش از پیش مشتری ابر سیار میشود خوشبختانه با پیاده سازی روش پیشنهادی در محیط شبیه سازی Cloudsimبا تعداد در خواست های برابر برای هر دو روش نتیجه کاهش زمان استفاده از محیط ابر سیار م همچنین کاهش تعداد ماشین های مجازی منجر شد
Keywords:
رایانش ابری سیار- پیش بینی منابع پویا- مدل مخفی مارکوف- مشتری سیار
Authors
محمد حاج خدابخشی
دانشجوی کارشناسی ارشد مهندسی کامپیوترنرم افزار دانشگاه آزاد اسلامی واحدمحلات
مصطفی قبائی آرانی
عضوهییت علمی مدعو دانشگاه آزاد اسلامی واحدمحلات
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 :