یک الگوریتم تخصیص منابع دو مرحله ای در رایانش ابری با استفاده از ترکیب Fuzzy-PSO

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 270

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JIAE-20-1_006

تاریخ نمایه سازی: 15 دی 1401

چکیده مقاله:

رایانش ابری برپایه روش پرداخت به ازای مصرف، نوع جدیدی از پردازش را برای کاربران فراهم می­ نماید تا منابع مورد نیاز برنامه­ های کاربردی و سیستم­ ها را در سطوح مختلف تخصیص دهد. از اینرو تخصیص منابع در رایانش ابری، بسیار مهم می ­باشد. در این پژوهش، الگوریتمی برای تخصیص منابع برپایه منطق فازی ارائه شده است. میزان بهره ­وری منابع، رضایت کاربران و سود فراهم­ کنندگان سرویس به عنوان پارامترهای هدف در ارزیابی این الگوریتم در نظر گرفته شده­ اند. درمرحله اول تعداد ۱۰۰ درخواست در بین ۹ ماشین فیزیکی توزیع شده ­اند و توسط الگوریتم فازی تخصیص منابع انجام شده است. ۹۵ درصد درخواست ­ها پاسخ داده شده و بهره­ وری منابع نیز ۶۱.۶۱ درصد حاصل شده است. در مرحله بعد با ترکیب الگوریتم فازی با PSO، عملیات تخصیص منابع به درخواست ­ها انجام شده است. مقایسه نتایج نشان می­ دهد که بهره­ وری ماشین ­های فیزیکی در الگوریتم ترکیبی فازی و PSO به میزان ۰.۵ درصد بهبود یافته است. همچنین در الگوریتم ترکیبی، یک درصد پاسخ­گویی به درخواست­ های کاربران ارتقاء یافته است که سود بیشتر فراهم­ کنندگان سرویس و رضایت بیشتر مشتریان را سبب می ­شود.

کلیدواژه ها:

Cloud Computing ، Resource Allocation ، Fuzzy Logic ، Particle Swarm Optimization (PSO) ، Resource Utilization. ، رایانش ابری ، تخصیص منایع ، منطق فازی ، الگوریتم بهینه سازی ازدحام ذرات (PSO) ، بهره وری منابع

نویسندگان

مصطفی وکیلی فرد

Department of Computer Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran

امیر صحافی

Department of Computer Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran

امیرمسعود رحمانی

Department of Computer Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran

پیمان شیخ الحرم مشهدی

Department of Computer Engineering, South Tehran Branch, Islamic Azad University, Tehran, Iran

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 :
  • P. Mell and T. Grance, “The NIST Definition of Cloud ...
  • M. Vakili Fard, A. Sahafi, A. M. Rahmani, and P. ...
  • J. Zhang, X. Yang, N. Xie, X. Zhang, A. V. ...
  • C. T. Joseph and P. K. Chandrasekaran, “IntMA : Dynamic Interaction-Aware ...
  • Q. Zhang, L. Gui, F. Hou, J. Chen, S. Zhu, ...
  • T. Bhardwaj, H. Upadhyay, and S. C. Sharma, “Autonomic Resource ...
  • E. Sherzer and H. Levy, “Resource allocation in the cloud ...
  • H. Jia et al., “Security Strategy for Virtual Machine Allocation ...
  • T. R. Win, T. T. Yee, and E. C. Htoon, ...
  • Y. Guo, Z. Mi, Y. Yang, H. Ma, and M. ...
  • B. Bouterse and H. Perros, “Performance analysis of the reserve ...
  • S. Alhassan and M. Abdulghani, “A Bio-Inspired Algorithm for Virtual ...
  • S. Gong, B. Yin, Z. Zheng, and K. Y. Cai, ...
  • X. Zhang et al., “Energy-aware virtual machine allocation for cloud ...
  • C. Li, H. Sun, H. Tang, and Y. Luo, “Adaptive ...
  • J. Niño-Mora, “Resource allocation and routing in parallel multi-server queues ...
  • H. Tang, C. Li, J. Bai, J. H. Tang, and ...
  • H. Ziafat and S. M. Babamir, “A hierarchical structure for ...
  • T. C. S. Xavier et al., “Collaborative resource allocation for ...
  • M. Vakili Fard, D. Ahmad Zadeh, and A. Jafarnezhad, “Introducing ...
  • P. Parsa and R. Safabakhsh, “A New Method for Image ...
  • A. Ghanbari Sorkhi and H. Hassanpour, “Tracking and Re-identification of ...
  • P. Mell and T. Grance, “The NIST Definition of Cloud ...
  • M. Vakili Fard, A. Sahafi, A. M. Rahmani, and P. ...
  • J. Zhang, X. Yang, N. Xie, X. Zhang, A. V. ...
  • C. T. Joseph and P. K. Chandrasekaran, “IntMA : Dynamic Interaction-Aware ...
  • Q. Zhang, L. Gui, F. Hou, J. Chen, S. Zhu, ...
  • T. Bhardwaj, H. Upadhyay, and S. C. Sharma, “Autonomic Resource ...
  • E. Sherzer and H. Levy, “Resource allocation in the cloud ...
  • H. Jia et al., “Security Strategy for Virtual Machine Allocation ...
  • T. R. Win, T. T. Yee, and E. C. Htoon, ...
  • Y. Guo, Z. Mi, Y. Yang, H. Ma, and M. ...
  • B. Bouterse and H. Perros, “Performance analysis of the reserve ...
  • S. Alhassan and M. Abdulghani, “A Bio-Inspired Algorithm for Virtual ...
  • S. Gong, B. Yin, Z. Zheng, and K. Y. Cai, ...
  • X. Zhang et al., “Energy-aware virtual machine allocation for cloud ...
  • C. Li, H. Sun, H. Tang, and Y. Luo, “Adaptive ...
  • J. Niño-Mora, “Resource allocation and routing in parallel multi-server queues ...
  • H. Tang, C. Li, J. Bai, J. H. Tang, and ...
  • H. Ziafat and S. M. Babamir, “A hierarchical structure for ...
  • T. C. S. Xavier et al., “Collaborative resource allocation for ...
  • M. Vakili Fard, D. Ahmad Zadeh, and A. Jafarnezhad, “Introducing ...
  • P. Parsa and R. Safabakhsh, “A New Method for Image ...
  • A. Ghanbari Sorkhi and H. Hassanpour, “Tracking and Re-identification of ...
  • نمایش کامل مراجع