بهبود تخصیص منابع در محاسبات ابری سیار با استفاده از تقسیم وظایف مبتنی بر DRL

مسئله اصلی در این پژوهش، بهبود تخصیص منابع و مدیریت توازن بار در محیط های محاسبات ابری سیار است که با چالش هایینظیر مصرف انرژی بالا، نوسانات در تقاضای منابع، و نیاز به توازن بار بین ماشین های مجازی مواجه است. در این مقاله، به منظور حلاین چالش ها، رویکرد جد یدی مبتنی بر الگوریتم بهینه سازی کلونی مورچه ها (ACO) ارائه شده است. الگوریتم پیشنهادی با بهره گیری از اصول هوش جمعی و قابلیت جستجوی کارآمد، به دنبال بهبود تخصیص منابع، کاهش مصرف انرژی، و افزایش توازن بار درسیستم های ابری سیار است. برای ارزیابی عملکرد روش پیشنهادی، این الگوریتم با چندین روش مرجع از جمله الگوریت مهای توازنبار معمولی و الگوریتم های بهینه سازی متداول مانند الگوریتم ژنتیک (GA) و الگوریتم بهینه سازی ازدحام ذرات (PSO) مقایسه شده است. معیارهای ارزیابی شامل زمان پاسخ، مصرف انرژی، و میزان توازن بار در سیستم های ابری بوده اند. نتایج شبیه سازی ها نشانداد که روش پیشنهادی بهبود قابل توجهی در تمامی معیارها ارائه میدهد. به طور خاص، الگوریتم پیشنهادی توانست مصرف انرژیرا تا ۱۵ % کاهش دهد، زمان پاسخ سیستم را تا ۲۰ % بهبود بخشد، و توازن بار را در مقایسه با رو شهای مرجع به طور چشمگیریارتقاء دهد. در نهایت، این پایان نامه با ارائه یک رویکرد نوآورانه مبتنی بر ACO، راهکاری موثر برای بهبود مدیریت منابع و توازن بار در محیطهای محاسبات ابری سیار پیشنهاد می کند که می تواند منجر به افزایش کارایی و کاهش هزینه های عملیاتی در این سیستم ها شود.

کلیدواژه ها:

محاسبات ابری ، تخصیص منابع ، کاهش مصرف انرژی ، الگوریتم کلونی مورچه ، بهینه سازی