مقایسه الگوریتم ژنتیک کوانتومی با الگوریتم ژنتیک متعارف در کاهش مصرف انرژی مراکز داده ابری با استفاده از ادغام ماشین های مجازی

در دهه گذشته رشد سریع فناوری اطلاعات و افزایش سرویس ها باعث افزایش تعداد ماشینهای فیزیکی در مراکز داده شده بود که با پیدایش رایانش ابری و تجمیع ماشینهای مجازی بر روی ماشینهای فیزیکی قدرتمند، امکان کاهش تعداد ماشینهای فیزیکی در مراکز داده فراهم شد. با توجه به اینکه بیشترین مصرف انرژی در مراکز داده توسط ماشین های فیزیکی صورت میگیرد لذا استفاده از حداکثر ظرفیت و مسیله تخصیص ماشینهای مجازی به ماشینهای فیزیکی، یکی از چالشهای اساسی برای ارایهدهندگان سرویس در رایانش ابری است که با کم کردن تعداد سرورهای روشن، بتوان مصرف انرژی را به میزان قابلتوجهی کاهش داد. در این مقاله با استفاده از الگوریتم ژنتیک کوانتومی و الگوریتم ژنتیک متعارف و به کمک دادههای مرسوم بار کاری کلاسترهای محاسباتی، تجمیع ماشین های مجازی در محیط کلودسیم شبیهسازی شده است. نتایج نشان می دهد الگوریتم ژنتیک کوانتومی برای کشف پاسخ در ابرهای محاسباتی با مقیاس بزرگ نسبت به الگوریتم ژنتیک متعارف پاسخ های بهتری را در میزان مصرف انرژی از خود نشان میدهد.

Keywords:

مصرف انرژی , الگوریتم ژنتیک کوانتومی , الگوریتم ژنتیک متعارف , ادغام ماشینهای مجازی , مراکز داده ابری