ترکیب سرویس های ابری با استفاده از خوشه بندی الگوریتم کامینز و ژنتیک

در سال های اخیر رایانش ابری و استفاده از سرویس های ابری در حوزه های گوناگون اهمیت بسزایی داشته است. رایانش ابری، مدلی برای فراهم کردن دسترسی آسان بر اساس تقاضای کاربر است. منابع رایانشی قابل تغییر و پیکربندی (از قبیل شبکه ها، میزبان ها، فضای ذخیره سازی، برنامه های کاربردی و سرویس ها) هستند و می توانند باکمترین نیاز به مدیریت منابع و یا نیاز به دخالت مستقیم فراهم کننده ی سرویس به سرعت فراهم شده یا آزاد (رها) گردند. هدف اصلی فناوری رایانش ابری میسر ساختن دسترسی به حجم عظیمی از منابع محاسباتی به صورت مجازیسازی شده است و توسط تجمیع منابع و ایجاد یک سیستم یکپارچه انجام می شود. این مدل بر اساس سرویس های محاسباتی است و پرداخت هزینه توسط مشتری بر اساس مقدار و مدت استفاده از منابع صورت می گیرد . سرویس های ابری بسیاری برای پاسخگویی به نیاز کاربران وجود دارد که گاهی یک سرویس برای تامین نیازهای کاربرکافی نیست و انتخاب سرویس هایی که برای نیاز کاربر مناسب باشد دشوار است. برای حل این مسئله می توان سرویس های ابری را ترکیب کرد. تا کنون روش های مختلفی برای ترکیب سرویس هااستفاده شده ولی آنچه ضرورت دارد بدست آوردن ترکیبی با مقدار نزدیک به بهینه است. در آخرین روش از ترکیب الگوریتم خوشه بندی و قوانین انجمنی استفاده شده است. در این پژوهش برای بدست آوردن ترکیب سرویس های ابری نزدیک به بهینه در ابتدا سرویس ها درون هر عمل قرار گرفته اند و سرویس های مربوط به هر عمل با استفاده از الگوریتم K-Means خوشه بندی می شوند. خوشه هایی که نسبت به سایر خوشه ها دارای بیشترین مقدار QoS باشند به عنوان خوشه ی برتر انتخاب می شوند و سرویس های درون هر خوشه ی برتر فراخوانی و به عنوان ورودی به الگوریتم ژنتیک ارائه می شوند تا مجموعه ترکیب نزدیک به بهینه از سرویس ها ایجاد گردد. هدف از ترکیب سرویس ارائه مجموعه ای سرویس در کوتاه ترین زمان به کاربر است. در نتیجه زمان ترکیب روش پیشنهادی نسبت به روش فعلی کمتر شده است و مقدار QoS ترکیب مقداری نزدیک به بهینه بدست آمده است که در مقایسه با روش فعلی مقادیر QoS بیشتر شده است.