علی اصغر زارعی - گروه مهندسی کامپیوتر، واحد آشتیان، دانشگاه آزاد اسلامی، آشتیان، ایران
منوچهر کاظمی - استادیارگروه ریاضی، واحد آشتیان، دانشگاه آزاد اسلامی، آشتیان، ایران
فرانه زرافشان - گروه مهندسی کامپیوتر، واحد آشتیان، دانشگاه آزاد اسلامی، آشتیان، ایران

امروزه محاسبات حاصل از فرایند های تجاری در سیستم هایی که از منابع مشترکی استفاده نمی کنند، روز به روز افزایش می یابد. یکی از راه حل های پوشش دهی بر مشکلات پردازش حجیم منابع و زمان بندی شان در فرایند های هوش تجاری، رایانش ابری می باشد. ارایه یک روش بهینه برای زمان بندی منبع می تواند مشکلات مذکور را پوشش دهد. از این رو در این مقاله به منظور اجرای نسبتا سریع فرایند های تجاری، روشی بهینه با استفاده الگوریتم رقابت استعماری و اتوماتای یادگیر برای تخصص منابع در ابر پیشنهاد می شود که منجر به بهبود اجرای فرایندهای هوش تجاری و متعاقبا کاهش تعداد مهاجرت ماشین های مجازی در راستای کاهش بار و کاهش مصرف انرژی در اجرای اینگونه فرایند ها می گردد.

تخصیص منبع در ابر، فرایند های هوش تجاری، الگوریتم رقابت استعماری، اتوماتای یادگیر،کاهش مصرف انرژی