ارائه یک مدل کارآمد برای ایجاد تعادل بار در محیط ابر با بهره گیری از ترکیب الگوریتم بهینه سازی گرگ خاکستری و تکنیک های یادگیری عمیق

رایانش ابری به عنوان یکی از فناوری های پیشرو در ارائه خدمات پردازشی، با چالش هایی نظیر مدیریت منابع، کاهش مصرف انرژی، و برقراری تعادل بار مواجه است. در این پژوهش، یک الگوریتم ترکیبی مبتنی بر شبکه عصبی بازگشتی و بهینه سازی گرگ خاکستری برای بهبود برقراری تعادل بار در محیط های پردازشی ابری ارائه شده است. این الگوریتم با استفاده از ویژگی های یادگیری عمیق و رفتار اجتماعی گرگ ها، تلاش می کند تا زمان اجرا، مصرف حافظه، و انرژی را کاهش داده و کارایی کلی سیستم را افزایش دهد.نتایج تجربی نشان می دهند که روش پیشنهادی در مقایسه با الگوریتم های مرجع، عملکرد بهتری در معیارهای مختلف از جمله مصرف حافظه، انرژی، هزینه، و زمان پاسخ دارد. همچنین، این روش توانسته است سربار محاسباتی را به حداقل رسانده و در شرایط افزایش تعداد وظایف یا منابع، پایداری خود را حفظ کند. از سوی دیگر، کاهش مصرف منابع و انرژی در این الگوریتم، تاثیر قابل توجهی در حفظ محیط زیست و کاهش هزینه های عملیاتی سیستم های ابری داشته است. این پژوهش نشان می دهد که استفاده از الگوریتم های ترکیبی هوشمند می تواند راهکار موثری برای بهینه سازی برقراری تعادل بار در رایانش ابری باشد و قابلیت استفاده در سایر حوزه های پردازشی نظیر رایانش مه را نیز داشته باشد.

کلیدواژه ها:

رایانش ابری ، تعادل بار ، الگوریتم بهینه سازی گرگ خاکستری ، یادگیری عمیق