ارائه روشی برای زمان بندی وظایف در محاسبات ابری با استفاد از الگوریتم ژنتیک فازی
- سال انتشار: 1400
- محل انتشار: ششمین همایش بین المللی دانش و فناوری مهندسی برق، کامپیوتر و مکانیک ایران
- کد COI اختصاصی: UTCONF06_015
- زبان مقاله: فارسی
- تعداد مشاهده: 399
نویسندگان
گروه مهندسی کامپیوتر، دانشگاه فنی و حرفه ای ، تهران، ایران
کارشناسی ارشد مهندسی کامپیوتر، گرایش نرم افزار، موسسه آموزش عالی شمس گنبد،گنبدکاوس، گلستان، ایران
دانشجوی دکترای کامپیوتر، گرایش نرم افزار، دانشکده مهندسی، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران
چکیده
محاسبات ابری یکی از فناوری های مهم پردازشی در بستر اینترنت است که نیازهای کاربران را در قالب زیرساخت، بستر و نرم افزار به عنوان سرویس فراهم می کند. محاسبات ابری همواره با چالش زمان بندی و توازن بار رو به رو می باشد چراکه زمان بندی به طور مستقیم بر کیفیت سرویس دهی تاثیر دارد. در این مقاله روشی برای زمان بندی وظایف در محاسبات ابری با الگوریتم ژنتیک فازی ارائه شده است. روش پیشنهادی جمعیت اولیه از کروموزم هایی که با ترکیب ماشین ها و وظایف مدل - سازی شده اند ایجاد کرده و با عمگرهای ترکیب و جهش جواب بهینه را استخراج می کند. برای شبیه سازی روش پیشنهادی از نرم افزار متلب استفاده شد و نتایج با روش کرم شب تاب مقایسه شد. نتایج حاصل از شبیه سازی نشان داد که در تاثیر تعداد ماشین مجازی بر گذردهی، روش پیشنهادی درصد نسبت به روش کرم شبتاب بهبود داشته است. در تاثیر تعداد ماشین مجازی بر مهاجرت، روش پیشنهادی ۳ درصد نسبت به روش کرم شبتاب بهبود داشته است. در تاثیر تعداد ماشین مجازی بر توازن بار، روش پیشنهادی درصد نسبت به روش کرم شبتاب بهبود داشته است. در تاثیر تعداد وظایف بر نرخ گذردهی ، روش پیشنهادی ۳٫۹۶ درصد نسبت به روش کرم شبتاب بهبود داشته است. در تاثیر تعداد وظایف بر مهاجرت، روش پیشنهادی درصد نسبت به روش کرم شبتاب بهبود داشته است. در تاثیر تعداد وظایف بر توازن بار، روش پیشنهادی ۳٫۷۹ درصد نسبت به روش کرم شبتاب بهبود داشته است. تمامی نتایج شبیه سازی و آزمایشات نشان دهنده برتری روش پیشنهادی نسبت به روش مشابه داردکلیدواژه ها
محاسبات ابری، زمان بندی، الگوریتم ژنتیک فازی، الگوریتم کرم شب تاب، بهبود کارایی.مقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.