قابلیت پیش بینی در سیستم های نروفازی جهت کاهش مصرف انرژی مراکز ابری با استفاده از الگوریتم بهینه سازی کلونی مورچگان

امروزه با وجود فراگیر شدن استفاده از اینترنت، تمامی امکانات و فناوری هایی که بتوانند داده ها واطلاعات را به صورت بهینه و با سرعت بالا در اختیار مصرف کنندگان قرار دهند از اهمیت ویژه ایبرخوردار هستند. فناوری هایی همچون رایانش ابری که امکان دسترسی همگانی به امکانات اینترنت رافراهم می کنند از محبوبیت زیادی در میان کاربران برخوردار هستند. بدیهی است سرویس دهنده هایابری همه روزه با تعداد زیادی از درخواست ها مواجه می شوند که برای رسیدگی به این درخواست ها بهسرویس دهنده های قوی با سرعت بالا نیازمند هستند تا بتوانند کمترین رد درخواست را داشته باشند.یکی از مهمترین چالش ها در ابر رایانشی صرفه جویی در مصرف انرژی است. فعال نگه داشتن تعدادیسرویس دهنده، فراتر از حد نیاز ممکن است از نظر کاهش رد درخواست ها با اهمیت باشد، اما از طرفدیگر باعث افزایش بیش از حد مصرف انرژی می شود. اگر چه هر یک از اهداف مربوط به کاهش مصرفانرژی و حفظ مشتریان امری مهم محسوب می شوند، اما نکته اصلی در اینجاست که این دو هدف بهدلیل الزامات و محدودیت هایی که دارند معمولا به نوعی در تعارض با یکدیگر هستند و برآورده سازی هرکدام ریسک هایی را برای دیگری ایجاد میکند. به همین دلیل ما در اینجا راهکاری برای تطبیق سیستم،جهت نایل آمدن به هر دو هدف در یک معماری مناسب ارایه می دهیم که بخش مهمی از چالش موجودرا برطرف خواهد کرد. در این تحقیق در نظر داریم تا با استفاده از امکان پیش بینی توسط سیستم هاینروفازی و توزیع بهینه ماشین های مجازی بر روی سرویس دهنده های فیزیکی با استفاده از الگوریتمکلونی مورچکان کمترین ماشین فیزیکی را در هر زمان برای پاسخگویی به درخواست ها یا ماشین هایمجازی موجود در سیستم فعال نگاه داشته و با استفاده از این معماری باعث کاهش زیادی در مصرفانرژی مراکز ابری شویم.

قابلیت پیش بینی در سیستم های نروفازی جهت کاهش مصرف انرژی مراکز ابری با استفاده از الگوریتم بهینه سازی کلونی مورچگان Keywords:

رایانش ابری , نرو فازی , تخصیص پویای منابع , کاهش مصرف انرژی , کلونی مورچگان