زمان بندی با آگاهی از عدم قطعیت جریانکاری های بلادرنگ مبتنی بر خوشه بندی سطحی افقی تحت محدودیت مهلت در سیستم های چند ابری
- سال انتشار: 1403
- محل انتشار: بیست و چهارمین کنفرانس بین المللی فناوری اطلاعات، کامپیوتر و مخابرات
- کد COI اختصاصی: ITCT24_018
- زبان مقاله: فارسی
- تعداد مشاهده: 121
نویسندگان
دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات گرایش تجارت الکترونیکی موسسه آموزش عالی اترک قوچان
مدرس گروه مهندسی فناوری اطلاعات موسسه آموزش عالی اترک قوچان
چکیده
زمانبندی جریانکاری در سیستم های چند ابری نیز مورد توجه بسیاری از محققان قرار گرفته است. با این حال، به دلیلانواع منابع ناهمگن و مکانیسم های صدور صورت حساب چندگانه، چالش برانگیز است . در سا لهای اخیر، فناوری محاسباتابری گسترش یافته است و به طور گسترده مورد استفاده قرار گرفته است. بنابراین یکی از مسائلی که در توسعه رایانش ابریباید حل شود، واگذاری وظایف به ماشین های مجازی مناسب و کاهش زمان انتظار بیکار ماشین های مجازی اجاره ای برای بهدست آوردن هزینه اجاره بهینه است. در این مقاله الگوریتم زمان بندی با آگاهی از عدم قطعیت جریا نکاری بلادرنگ مبتنیبر خوشه بندی سطحی افقی تحت محدودیت مهلت در سیستم های چند ابری ارائه شده است. روش پیشنهادی از یک روشخوشه بندی افقی و عمودی استفاده می کند. خوشه بندی افقی هزینه را کاهش میدهد و خوش هبندی عمودی زمان اجرا راکاهش میدهد. هدف الگوریتم پیشنهادی به حداقل رساندن هزینه اجاره اجرای وظایف با رعایت محدودیت مهلت زمانیجریا نکاری است. بطوریکه درصد نقض مهلت کاهش و کارایی استفاده ماشین مجازی را افزایش می دهد. شبیه سازی درمحیط متلب برای روش پیشنهادی و روش پایه برای متغیرهای هزینه، زمان اجرا درصد نقض مهلت و کارایی استفاده ماشینمجازی انجام شد. هر دو الگوریتم ارزیابی شدند و نتایج نشان داد که روش پیشنهادی عملکرد بهتری نسبت به روش پایه دارد.کلیدواژه ها
زمانبندی چند ابری، عدم قطعیت، خوشه بندی سطحی افقی، بلادرنگمقالات 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.