زمانبندی وظایف اینترنت اشیا در محاسبات ابری با استفاده از الگوریتم بهینه ساز تعادل

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 74

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JSCIT-13-4_006

تاریخ نمایه سازی: 25 اسفند 1403

چکیده مقاله:

اینترنت اشیاء ارتباط جهانی و همگانی اشیاء را با شبکه اینترنت توصیف می کند و امکان تبدیل اشیاء به دستگاه های متصل به اینترنت را فراهم می سازد. این اشیاء قادر به درک محیط، انتقال داده ها، پردازش آن ها و ارائه بازخورد به محیط هستند. با گسترش برنامه های مبتنی بر اینترنت اشیاء، حجم درخواست های پردازشی به شدت افزایش یافته و چالش های جدیدی برای مدیریت و پردازش این داده ها ایجاد کرده است. محاسبات ابری قابلیت انجام محاسبات سنگین در زمان کم و هزینه مناسب را ایجاد می کند. برای مدیریت کارآمد منابع و کاهش هزینه ها، استفاده از الگوریتم های فراابتکاری مانند الگوریتم بهینه ساز تعادل، که بر پایه قوانین فیزیکی طراحی شده است، می تواند بسیار موثر باشد. در این مقاله، یک مسئله بهینه سازی چندهدفه شامل معیارهایی همچون زمان خاتمه آخرین وظیفه، تاخیر، تعادل بار، پایداری، مصرف انرژی و هزینه پردازش در محیط یکپارچه ابر ارائه شده است. با بهره گیری از الگوریتم بهینه ساز تعادل، این مسئله حل شده و نتایج با الگوریتم های فراابتکاری برجسته مقایسه شده است. نتایج شبیه سازی نشان می دهد که الگوریتم پیشنهادی بهبود قابل توجهی در معیارهای مختلف داشته است. به طور خاص، در تابع زمان خاتمه آخرین وظیفه، الگوریتم پیشنهادی به ترتیب ۹٪، ۶.۲٪، ۹٪ و ۱۱٪ نسبت به الگوریتم های PSO، GSA، GWO و FA بهبود یافته است. همچنین، در کاهش تاخیر، این الگوریتم ۸٪، ۶.۷٪، ۹.۴٪ و ۹٪ عملکرد بهتری داشته است. از نظر هزینه پردازش، بهبود ۱.۳٪ تا ۲٪، و در مصرف انرژی کاهش ۲٪ تا ۳.۶٪ را نشان می دهد. در مجموع، برای توابع هدف به صورت همزمان، الگوریتم پیشنهادی حدود ۵.۶٪ تا ۱۰٪ عملکرد بهتری نسبت به رقبا داشته است. این نتایج برتری الگوریتم پیشنهادی در بهینه سازی همزمان معیارهای مختلف و افزایش کارایی سیستم های رایانش ابری را نشان می دهد.

نویسندگان

Mobin Yousefi

گروه علوم کامپیوتر، دانشگاه یزد، یزد، ایران.

Jamal Zarepour-Ahmadabadi

گروه علوم کامپیوتر، دانشگاه یزد، یزد، ایران.

Sepehr Ebrahimi Mood

گروه علوم کامپیوتر، دانشگاه یزد، یزد، ایران.

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 :
  • S. Azizi, "A Multi-objective Model for Task Scheduling Optimization in ...
  • N. Mansouri and M. M. Javidi, "A review of data ...
  • M. Bansal and S. K. Malik, "A multi-faceted optimization scheduling ...
  • P. Pirozmand, A. A. R. Hosseinabadi, M. Farrokhzad, M. Sadeghilalimi, ...
  • B. Saemi, M. Sadeghilalimi, A. A. R. Hosseinabadi, M. Mouhoub, ...
  • F. Jauro, H. Chiroma, A. Y. Gital, M. Almutairi, M. ...
  • N. Mansouri, R. Ghafari, and B. M. H. Zade, "Cloud ...
  • A. A. Zubair, S. B. A. Razak, M. A. B. ...
  • M. Shojafar, M. Kardgar, A. A. R. Hosseinabadi, S. Shamshirband, ...
  • F. Xin and L. Zhang, "The review of task scheduling ...
  • N. Manikandan, N. Gobalakrishnan, and K. Pradeep, "Bee optimization based ...
  • N. Manikandan, P. Divya, and S. Janani, "BWFSO: hybrid Black-widow ...
  • D. Ding, X. Fan, Y. Zhao, K. Kang, Q. Yin, ...
  • S. Hammouti, B. Yagoubi, and S. A. Makhlouf, "Workflow security ...
  • A. Faramarzi, M. Heidarinejad, B. Stephens, and S. Mirjalili, "Equilibrium ...
  • H. Liu, "Research on cloud computing adaptive task scheduling based ...
  • X. Guo, "Multi-objective task scheduling optimization in cloud computing based ...
  • L. Imene, S. Sihem, K. Okba, and B. Mohamed, "A ...
  • S. E. Shukri, R. Al-Sayyed, A. Hudaib, and S. Mirjalili, ...
  • M. Hussain, L.-F. Wei, A. Lakhan, S. Wali, S. Ali, ...
  • X. Wei, "Task scheduling optimization strategy using improved ant colony ...
  • Y. Su, Z. Bai, and D. Xie, "The optimizing resource ...
  • M. Agarwal and G. M. S. Srivastava, "Opposition-based learning inspired ...
  • D. A. Amer, G. Attiya, I. Zeidan, and A. A. ...
  • S. M. G. Kashikolaei, A. A. R. Hosseinabadi, B. Saemi, ...
  • P. Pirozmand, H. Jalalinejad, A. A. R. Hosseinabadi, S. Mirkamali, ...
  • J. Kennedy and R. Eberhart, "Particle swarm optimization," in Proceedings ...
  • E. Rashedi, H. Nezamabadi-Pour, and S. Saryazdi, "GSA: a gravitational ...
  • S. Mirjalili, S. M. Mirjalili, and A. Lewis, "Grey wolf ...
  • X.-S. Yang and A. Slowik, "Firefly algorithm," in Swarm intelligence ...
  • نمایش کامل مراجع