الگوریتم فراابتکاری مبتنی بر ازدحام ذرات بهبود یافته برای توازن بار در محاسبات ابری

یکی از جنبه های مهم توزیع منابع در مراکز داده ها، توزیع متعادل بار است. با توجه به محاسبات پویای اینترنتی، محاسبات در محیط ابری از درخواست های اضافی بار خودداری میکنند. توازن بار باید به نحوی صورت گیرد که تمام ماشین های مجازی برای استفاده بهینه از قابلیت های خود، میزان بار متعادلی را متحمل شوند. در این مقاله، روش جدیدی از توازن بار در بین ماشین های مجازی با استفاده از الگوریتم بهینه سازی ازدحام ذرات و یادگیری ماشین ارائه می شود. از یادگیری ماشین برای تنظیم پارامترهای ازدحام ذرات بر پایه بهترین یافته ها در الگوریتم مورد نظر استفاده می شود. هدف از به کارگیری الگوریتم یادگیری ماشین، بهبود عملکرد در توزیع و در نهایت برقراری تعادل بار بین ماشین های مجازی برای انجام وظایف است. مقایسه نتایج به دست آمده از الگوریتم پیشنهادی و پلتفرم های موجود نشان دهنده کارآیی بیشتر الگوریتم پیشنهادی نسبت به سایر روش های موجود است

کلیدواژه ها:

توازن بار ، ازدحام ذرات ، محاسبات ابری ، یادگیری ماشین