مدیریت منابع در محاسبات ابری جهت کاهش مصرف انرژی با استفاده از الگوریتم بهینه سازی گرگ خاکستری
- سال انتشار: 1402
- محل انتشار: اولین کنفرانس ملی هوش مصنوعی و مهندسی نرم افزار
- کد COI اختصاصی: AISOFT01_011
- زبان مقاله: فارسی
- تعداد مشاهده: 193
نویسندگان
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد بین الملل قشم،ایران
استادیار گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد بین الملل قشم،ایران
چکیده
رایانش ابری خدماتی را برای دسترسی و پیکربندی داده ها به صورت برخط از طریق سرویس وب ارائه می دهد و در هر زمان و از هر مکانی قابل دسترسی است. رایانش ابری بدون شک یک نوآوری است، زیرا سرمایه گذاری در زیرساخت واقعی و فیزیکی بسیار بیشتر از سرمایه گذاری در فناوری ابری است. اما رایانش ابری دارای چالش های مختلفی است که به منظور بهبود این سیستم نیاز است تا چالش های آن مانند مدیریت منابع و مصرف انرژی برطرف شود. مقاله حاضر به موضوع مدیریت منابع جهت کاهش مصرف انرژی توسط زیرساخت ابری می پردازد. زیرا نیاز به الگوریتم ها و تکنیک هایی وجود دارد که بتواند مصرف انرژی را در سیستم ابری کاهش داده و منابعی را برای کارایی سرورها مدیریت نماید. تعادل بار نیز بخش قابل توجهی از فناوری ابری است که توزیع متعادل بار را در میان چندین سرور برای برآورده کردن تقاضای رو به رشد کاربران امکان پذیر می سازد. مقاله حاضر از الگوریتم بهینه سازی گرگ خاکستری برای مدیریت منابع جهت کاهش مصرف انرژی در محاسبات ابری استفاده نموده است. این مقاله از بهینه سازی گرگ خاکستری به منظور کشف ویژگی های موثر در مدیریت منابع در محاسبات ابری استفاده نموده است و سپس از آن برای متعادل کردن بار، بهره وری انرژی و برنامه ریزی منابع بهتر جهت ایجاد یک محیط ابری کارآمد استفاده نموده است. نتایج تجربی شبیه سازی روش پیشنهادی با مدل های فراابتکاری دیگر در شبیه ساز Cloud Analyst با تعداد سرور متغیر با منابع در دسترس مختلف نشان داد که الگوریتم بهینه سازی گرگ خاکستری از نظر تعادل بار، زمان پاسخ، مصرف انرژی، زمان اجرا و توان عملیاتی بهتر از سایر الگوریتم ها عمل می کند.کلیدواژه ها
الگوریتم بهینه سازی گرگ خاکستری، محاسبات ابری، مدیریت منابع، مصرف انرژی.مقالات مرتبط جدید
- NSO: Natural Selection Optimization for Adaptive k-Nearest Neighbor Imputation
- Statistical Model for Determining Maximum Stress in Coronary Vessel Walls caused by Palmaz-Schatz Stent
- Comparison of CNN, LSTM and Their Hybrid Models in Detecting Coronavirus Using Genome Sequences
- Low-light Image Enhancement Using Deep Neural Network: An Improvement on ZeroDCE++
- Stuctered Light ۳D Reconstruction by Charuco
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.