ارائه الگوریتم فرا ابتکاری جدید بر اساس جستجوی ممنوعه برای حل مسئله زمانبندی وظایف در سیستم مبتنی بر محاسبات ابری و مه

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 334

فایل این مقاله در 17 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JME-18-62_002

تاریخ نمایه سازی: 11 مهر 1400

چکیده مقاله:

در جهان امروز با گسترش ارتباطات، حجم داده ها و نیاز به پردازش آن ها در زمان کم و با سرعت بالا افزایش یافته. از طرفی انجام این حجم از محاسبات نیازمند سیستم ها با ظرفیت های پردازشی و ذخیره سازی بالا و در نتیجه هزینه ی بالا است. بنابراین، پیشنهاد یک زیرساخت مناسب و مقرون به صرفه می تواند بسیار قابل توجه باشد. در این مقاله هدف طراحی و ایجاد یک زیرساخت با هزینه و زمان پاسخ پایین با استفاده از رایانش ابری و مه است. علاوه بر این، یکی از مسائل مهم برای ایجاد چنین سیستم هایی با سرعت بالا و حداقل زمان، تخصیص مناسب منایع سیستم به درخواست های کاربران و در نتیجه تعادل بار در سیستم است. در میان متدهای فراابتکاری گوناگون، جستجوی ممنوعه به دلیل گسترش زیاد آن در مسائل بهینه سازی مختلف و همچنین ویژگی حافظه دار بودن و سرعت بالا، آن را به یک روش رایج تبدیل کرده است. بنابراین، در این مقاله یک روش جدید فراابتکاری مبتنی بر جستجوی ممنوعه پیشنهاد می شود که با استفاده از روش های تقریب نزدیکترین همسایگی و جستجوی مگس میوه بهینه سازی می شود. برای ارزیابی روش پیشنهادی، یک مطالعه موردی روی خانه های هوشمند با زیرساخت پیشنهادی و با داده های واقعی شبیه سازی شده است. هر دو روش در این زیرساخت اجرا شده و کارایی آن ها بر اساس زمان اجرا و حافظه ی مصرفی محاسبه شده که نتایج نشان دهنده توانایی و کارایی بالای روش پیشنهادی برای به کارگیری در مسائل گوناگون است.

کلیدواژه ها:

نویسندگان

سیده سمیرا محمدی

گروه مهندسی کامپیوتر،واحد تهران جنوب،دانشگاه آزاد اسلامی، تهران، ایران

محمود دی پیر

دانشکده کامپیوتر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • B. Varghese and R. Buyya, "Next generation cloud computing: New ...
  • M. Amadeo, A. Giordano, C. Mastroianni and A. Molinaro, "On ...
  • M. Marjani, F. Nasaruddin, A. Gani, A. Karim and I. ...
  • A. Mebrek, L. Merghem-boulahia and M. Esseghir, "Efficient Green Solution ...
  • S. Sarkar, S. Chatterjee and S. Misra, "Assessment of the ...
  • A.N. Toosi, R. Mahmud, Q. Chi and R. Buyya, "Management ...
  • S. Bitam, S. Zeadally and A. Mellouk, "Fog computing job ...
  • A. Yassine, S. Singh, M.S. Hossain and G. Muhammad, "IoT ...
  • S.A.A. Naqvi, N. Javaid, H. Butt, M.B. Kamal, A. Hamza ...
  • L. Peng, A.R. Dhaini and P.-H. Ho, "Toward integrated Cloud–Fog ...
  • P.G.V. Naranjo, Z. Pooranian, M. Shojafar, M. Conti and R. ...
  • S.K. Sood and K.D. Singh, "SNA Based Resource Optimization in ...
  • S. Singh and A. Yassine, "IoT Big Data Analytics with ...
  • Q. Li, L. Zhao, J. Gao, H. Liang, L. Zhao ...
  • Z. Zeng, X. Yu, K. He and Z. Fu, "Adaptive ...
  • مجید محمدپور و حمید پروین، «الگوریتم کلونی زنبور مصنوعی آشوب ...
  • سید محمدحسن حسینی و علی اکبر حسنی، «توسعه یک الگوریتم ...
  • حسین شریف زاده و نیما امجدی، «توزیع بهینه توان رآکتیو ...
  • G.R. Raidl, J. Puchinger and C. Blum, Metaheuristic Hybrids ...
  • F. Glover, "Tabu Search—Part I", ORSA Journal on Computing, Vol. ۱, No. ...
  • H. Pirim, E. Bayraktar and B. Eksioglu, "Tabu Search: A ...
  • F. Glover, "Tabu search fundamentals and uses", Vasa, ۱۹۹۵ ...
  • T-۶۱.۵۰۶۰ Algorithmic methods for data mining Slide set ۵: locality-sensitive ...
  • W.-T. Pan, "A new Fruit Fly Optimization Algorithm: Taking the ...
  • نمایش کامل مراجع